讲者：陈为 浙江大学，教授
    演讲题目：从描述式分析到指导式分析：可视分析的下一个十年
    报告摘要：我们见证了可视分析兴起的十年：交互式可视化界面促使机器智能与人类智能的有机融合。然而，在当前的应用场合下，用户的分析能力、知识基础和使用习惯极大地阻碍了可视分析方法和系统的增效作用。在分析过程中更多地融入AI的元素，可以逐步减轻对用户能力和工作量的依赖，这正体现了数据分析和商业智能领域提倡的从描述式分析(descriptive)、到预测式分析(predictive)再到指导式分析(prescriptive)的发展路径。事实上，指导式分析这个词在很多文章中都零散出现，并作为一定的设计理念存在，但都没有完整、系统地考虑。而随着云计算、深度学习技术的发展，这些原本就有的理念可以得到重新发明(reinvent)并真正地实行，一个显著的例子是微软的Power BI新版本中提供的从自然语言中识别可视任务的功能。在下一个十年，可视化和可视分析的研究如何迈进？本次报告将分享这方面的心得。
    个人简介：陈为，1976年生，浙江大学计算机学院CAD&CG国家重点实验室，教授，十三五国家重点研发专项“云计算与大数据”总体组、指南组专家。研究兴趣是数据可视化和可视分析。主持国家自然科学基金等项目多项，发表国际顶尖学术期刊和会议论文数十篇。出版教材3部（其中2部数据可视化本科和研究生教材），专著一部（大数据技术）。主讲《计算机游戏程序设计》课程和教材相继被评为国家精品课程、国家资源共享课程、十二五国家规划教材。担任期刊Journal of Visualization、JVLC、计算机辅助设计与图形学学报编委、IEEE TVCG和IEEE TITS客座编委、IEEE Pacific Visualization大会指导委员会委员、中国可视化大会ChinaVIS指导委员会副主席。担任VINCI国际会议大会主席（2010,2012)，IEEE Pacific Visualization 2013大会论文主席、IEEE Pacific Visualization 2015大会主席、ACM SIGGRAPH Asia Workshop on Visualization 2016大会论文主席、IEEE LDAV 2017大会论文主席、IEEE Pacific VAST 2017大会共同主席。荣获IEEE Visualization年会最佳论文提名奖2次、浙江省科学技术奖二等奖、IEEE Conference on CAD&CG大会最佳论文奖、教育部科学技术进步二等奖等。 http://www.cad.zju.edu.cn/home/chenwei

    讲者：陈谊,北京工商大学，教授
    演讲题目：食品安全大数据可视分析方法研究
    报告摘要：食品安全大数据可视分析作为一个新兴交叉研究领域，通过先进的交互式可视化工具帮助食品安全领域人员快速分析数据的分布态势、探寻数据间隐含的关联，提升认知和分析能力，提高食品安全监管的科学性和有效性。本报告从食品安全数据可视化的必要性和内在需求出发，介绍食品安全数据普遍具有的时空、层次、多维、关联等基本特征，总结梳理已有适合对食品安全数据可视化和可视分析方法和系统，并对食品安全大数据可视化及可视分析未来的发展趋势进行展望。
    个人简介：陈谊，北京工商大学教授，食品安全大数据技术北京市重点实验室主任，计算机与信息工程学院党委书记。中国计算机学会（CCF）高级会员，CCF虚拟现实与可视化专委会委员。2002年毕业于北京理工大学并获计算机应用技术专业博士学位，2005年赴美国伊利诺依大学电子可视化实验室（EVL）从事访问研究一年。主要研究领域为信息可视化与可视分析、食品安全数据可视分析、虚拟现实等。近年来，对食品安全领域中多维数据、层次数据和关联数据的可视化与可视分析方法开展了深入系统的研究。近5年，以第一（或通讯）作者在Journal of Visualization、软件学报、计算机辅助设计与图形学报等期刊和国际会议上发表论文30余篇，其中SCI/EI收录16篇，已公开和授权国家发明专利8项，获软件著作权4项，2016年获中国分析测试协会科学技术奖（CAIA奖）特等奖。多次担任PacificVis、ChinaVis、ChinaVR、ChinaLDVA国际国内著名可视化学术会议程序委员会委员和审稿人。

    讲者：汪云海, 山东大学，副教授
    演讲题目：任务驱动的自动可视化
    报告摘要：如何创造有效、美观的可视化表征以达到“一眼洞穿真相”的效果，一直是可视化领域的研究热点与追求目标。经过学者们多年的努力，我们已经有了很多新颖的可视化表达方法，包括常用的折线图、散点图、平行坐标、树图等。但对于普通用户来说，许多炫目的可视化技术往往“只可远观而不能亵玩”，因为用户难以权衡哪种方法最能有效的呈现数据特征。即使户选择了某种可视化方法，该方法所对应的复杂可视化视觉编码参数（长宽比、颜色、刻度尺等）仍然可能使其陷入“选择困境”。 为解决该困境，我们提出了任务驱动的自动可视化技术，本次报告将分享我们两个相关工作：时序数据可视化方法选择和面向可视化的感知驱动的降维方法。
    个人简介：汪云海，山东大学计算机科学与技术学院预聘制副教授。2011年于中科院计算机网络信息中心获博士学位， 2011年至2015先后担任中国科学院深圳先进技术研究院可视计算研究中心助理研究员、副研究员，2015年12月加入山东大学。主持国家自然科学基金一项，子课题负责人参与国家基金重点项目一项和国家重点研究计划一项。近年来，在国外著名期刊如ACM TOG、 IEEE TVCG、CGF等发表SCI论文20余篇，2015年入选深圳市孔雀计划。更多信息见：http://irc.cs.sdu.edu.cn/~yunhai/。