中国科学院计算技术研究大数据研究学院

员工活动 | 邮箱登录 | 加入收藏 | 中国科学院
 
新闻中心 当前位置: 网站首页 » 新闻中心 » 行业动态
2021 0122
2020CCF大数据与计算智能大赛决赛暨中国大数据技术大会邀您线上参会
信息来源:中国计算机学会大数据专家委  浏览量:1005

2020 CCF 大数据与计算智能大赛决赛

暨中国大数据技术大会

即将于长沙启幕


2020 CCF 大数据与计算智能大赛


        从2013年到2020年,作为全球大数据与人工智能领域最具影响力的活动之一,成功举办八届的CCF 大数据与计算智能大赛愈加精彩。本届大赛共设置4大赛道,共计20道赛题,已吸引来自全球25个国家、1247所高校、1873家企业的43795人,37994支队伍参赛,提交作品83361次。

        本届大赛亮点多多:
        • 参赛规模远超上届:参赛人数规模较上届上升了53% ,再攀高峰。
        • 对高端人才吸引力愈发凸显:参赛者学历中,98%以上为本科生及以上学历,大赛对高端人才吸引力逐年增加,竞赛规格再创新高。
        • 赛练结合新模式:除了正式赛道的13道赛题外,特别针对不同技术方向,出具7道训练赛题,鼓励在训练赛道开源分享,帮助初学者锻炼基础能力,辅助高校开展相关专业及课程教学实践工作。
        • 鼓励开源赋能未来:所有决赛入围作品,条件允许情况下将统一开源,借由全球的技术精英的力量,让所有大数据及人工智能学习者、从业者受益,为行业赋能。


2020 CCF 中国大数据技术大会


        在落实国家大数据及人工智能发展战略,及在疫情对各行各业均产生不同程度的消极影响的背景之下,数字化转型的需求进一步被催化,我国大数据产业发展也将迎来新的挑战和机遇。


        自2008年起,由中国计算机学会(CCF)主办的中国大数据技术大会(BDTC)受到了行业的广泛关注。第十四届2020 CCF 中国大数据技术大会将与大数据与计算智能大赛同步举行,届时将有多位院士现场助阵分享干货,相信此举定能推陈出新,为行业发展注入更多能量。


会议时间


        受到疫情影响,本次活动将采用线上方式举行。具体安排如下:


【会议时间】

1月23日 8:30 - 19:20

1月24日 9:00 - 18:30


【参与方式】

扫描下方议程二维码,通过链接观看现场直播

(建议扫描后收藏网页,方便参会)


        院士论坛、丰富议程、大咖嘉宾、前沿议题...更多精彩,下面一一揭晓


1/23日议程


CCF BDCI 综合大奖评审


        1月23日下午,于长沙佳兴世尊酒店,将对自主平台赛道、系统赛道、算法赛道,共14道赛题,进行综合大奖评审(即决赛),每道赛题一等奖团队将共同角逐出4支CCF特别奖获奖团队:综合特等奖1支、最佳算法能力奖1支、最佳商业价值奖1支、最佳创新探索奖1支。


2.jpg

 

        决赛现场,将有多名学术及企业大咖助阵,来自不同专业领域的专家学者们于现场进行评审,最终的决赛结果,即将在23日现场揭晓!


线上议程
3.jpg


1/24日分论坛议程

4.jpg

5.jpg

6.jpg

7.jpg

8.jpg

9.jpg

10.jpg

11.jpg

12.jpg



主论坛嘉宾及议题介绍(以下嘉宾按演讲顺序排列)



王怀民:《由大数据实践引发的思考》

■ 个人简介

        王怀民院士,国防科技大学教授,中国科学院院士,中国计算机学会会士,国家百千万科技领军人才和军队高层次科技领军人才。

        曾获国家杰出青年基金资助,曾获聘教育部长江学者特聘教授,曾任国防科技大学副校长兼教育长。

        长期从事分布计算理论、技术与系统研究,在大规模网络化软件资源、计算资源与智力资源的高效互联与汇聚方面做出系统性和创造性成果,获国家科技进步特等奖1次、国家技术发明二等奖1次、国家科技进步二等奖2次、国家教学成果二等奖2次,发表论文200余篇,获授权发明专利43项。

■ 《由大数据实践引发的思考》

        由互联网、移动互联网、物联网和云计算推动的大数据实践,一方面给普通人带来十分便捷的智能化服务,另一方面也给从事计算技术研发的专业人员带来许多新问题。报告提出对“算法”、“智能”和“科学”三个基本问题的思考:第一,今天我们谈及的所谓智能算法是否已经超越了传统算法的概念;第二,今天我们触及的智能服务是否已经超越了机器智能的范畴;第三,大数据是否给了我们研究复杂系统新的科学方法。进入20世纪30年代,因为哥德尔不完备定理和海森堡不确定性原理,人们开始认识到形式逻辑和物理实验两大科学传统的局限性,并进一步认识到两大科学传统产生的“机械论”世界观和“还原论”研究方法的局限性,这也预示着两大科学传统必须突破,新的科学革命必然到来。报告认为,新科学革命可能来自复杂系统科学的新发展,其中可能孕育一种新的科学研究方法,这就是基于大数据的科学研究方法。


樊文飞:《Big Graphs: From Theory to Practice》

■ 个人简介

        樊文飞院士, 英国爱丁堡大学信息学院主任教授,中国科学院外籍院士, 英国皇家学会院士、 欧洲科学院院士、英国爱丁堡皇家学会院士、美国计算机协会会士(ACM Fellow)。深圳计算科学研究院首席科学家、 北京大学深圳研究生院南燕荣誉教授、清华大学杰出客座教授。毕业于北京大学(本科,硕士)和美国宾夕法尼亚大学(博士),任职爱丁堡大学前为美国贝尔实验室科学家。曾获得英国皇家学会Wolfson研究成果獎 (2018)、欧洲研究委员会ERC Advanced Fellowship (2015)、 英国 Roger Needham 奖(2008)、中国长江学者 (2007), 海外杰出青年学者(2003)、美国 CAREER Award(2001),Elsevier网络科学刊物年度最佳论文和最杰出作者奖(2002)以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖: Alberto O. Mendelzon 时间检验奖/ACMPODS十年最佳论文奖 (2010和2015), ACM SIGMOD (2017)、VLDB(2010)和 ICDE(2007)最佳论文奖。目前主要研究领域为数据库理论与系统, 包括大数据、数据质量、分布式计算、查询语言、推荐系统和社会网络精准营销。

■ 《Big Graphs: From Theory to Practice

        由互联网、移动互联网、物联网和云计算推动的大数据实践,一方面给普通人带来十分便捷的智能化服务,另一方面也给从事计算技术研发的专业人员带来许多新问题。报告提出对“算法”、“智能”和“科学”三个基本问题的思考:第一,今天我们谈及的所谓智能算法是否已经超越了传统算法的概念;第二,今天我们触及的智能服务是否已经超越了机器智能的范畴;第三,大数据是否给了我们研究复杂系统新的科学方法。进入20世纪30年代,因为哥德尔不完备定理和海森堡不确定性原理,人们开始认识到形式逻辑和物理实验两大科学传统的局限性,并进一步认识到两大科学传统产生的“机械论”世界观和“还原论”研究方法的局限性,这也预示着两大科学传统必须突破,新的科学革命必然到来。报告认为,新科学革命可能来自复杂系统科学的新发展,其中可能孕育一种新的科学研究方法,这就是基于大数据的科学研究方法。


胡国平:《感知智能的进阶和认知智能的落地》

■ 个人简介

        胡国平,博士,中国科学技术大学兼职教授。1999年作为大学生创业团队成员之一联合创立了科大讯飞股份有限公司,现任科大讯飞股份有限公司高级副总裁、研究院院长。同时担任智能语音国家新一代人工智能开放创新平台项目负责人,认知智能国家重点实验室主任,国家新一代人工智能重大专项指南专家,国家人工智能标准化总体组副组长,新一代人工智能产业技术创新战略联盟副理事长等。

        胡国平博士先后在语音合成、语音评测、语音识别、自然语言处理等研究领域领导完成了多项原创性研究成果。

        在多年的学术研究和技术创新过程中,分别荣获国家信息产业重大技术发明奖、国家科学技术进步奖各两次,多次荣获安徽省、部级,合肥市级科技进步奖;在国内外权威期刊发表论文20余篇,申请发明专利五十余项,科技成果鉴定十余项,并多次承担国家 863、自然科学基金以及省部级等重大科研攻关项目。

        其牵头研发的多项技术处于国际领先水平并形成了巨大的经济价值,为我国智能语音和人工智能技术及产业的开创和发展做出了贡献。

■ 《感知智能的进阶和认知智能的落地》

        Graph analytics is instrumental to AI, recommendation and fraud detection, among other things. However, the 4V challenges of big data (Volume, Velocity, Veracity and Value) become more staggering when it comes to big graphs, and a number of questions remain open. Does parallel processing suffice to cope with the volume of big graphs? Can it guarantee to reduce runtime when more machines are used? If not,is it possible to query big graphs under limited resources at all? Is there a systematic method for developing effective incremental algorithms in response to frequent updates?Is it possible to uniformly query relational databases and graphs in, e.g., SQL? How can we unify logic rules and machine learning models, to improve the quality of graph-structured data? This talk aims to incite interest in these topics, and raises as many questions as it answers.


黄东旭:《新一代数据库技术发展趋势概览和展望》

■ 个人简介

        黄东旭,  PingCAP联合创始人兼CTO, 分布式系统专家。代表作品分布式Redis 缓存方案 Codis,以及分布式关系型数据库 TiDB 。

        金融产业联盟开源专业委员会副主任委员, “2020年度十大开源杰出贡献人物”及“OSCAR 尖峰开源人物”。

        其作为第一作者的论文《TiDB: A Raft-based HTAP Database》是全球业界第一篇 Real-time HTAP 分布式数据库工业实现的顶级论文。

■ 《新一代数据库技术发展趋势概览和展望》

        数据库作为最重要的基础软件之一,有着悠久的历史。随着互联网、移动互联网的普及,数据驱动业务的需求越来越高,也为数据库技术带来了新方向和新挑战。尤其是近年来随着云和AI技术的逐渐落地,涌现出很多新思路和新设计以应对快速迭代的业务场景。本次分享将集中梳理近年来数据库工业界和学术界的前沿技术方向,及展望新一代数据库的架构和设计。


陶大程:《Towards Trustworthy Deep Learning》

■ 个人简介

        Dacheng Tao is currently Advisor and Chief Scientist of the Digital Science Institute at The University of Sydney.He mainly applies statistics and mathematics to artificial intelligence and data science. His research is detailed in one monograph and over 200 publications in prestigious journals and proceedings at prominent conferences such as IEEE TPAMI, TIP, TNNLS, IJCV, JMLR, NIPS, ICML, CVPR, ICCV, ECCV, AAAI, IJCAI, ICDM and ACM SIGKDD, with several best paper awards, such as the Best Theory/Algorithm Paper Runner Up Award at IEEE ICDM’07, the Distinguished Paper Award at 2018 IJCAI, the 2014 ICDM 10-year Highest-Impact Paper Award, and the 2017 IEEE Signal Processing Society Best Paper Award. He received the 2015 Australian Scopus-Eureka Prize, the 2018 IEEE ICDM Research Contributions Award, and the 2020 Eureka Prize of Excellence in Data Science. He is a fellow of the Australian Academy of Science, AAAS, ACM and IEEE.

■ 《Towards Trustworthy Deep Learning》

        We are fortunate on the edge to embrace the revolutionary progress of Artificial Intelligence (AI) and to witness the enthusiasm of translational AI deployments sweeping across all sectors in our life and work. The almost simultaneous rise of transformational deep learning, big data, and powerful computational machines since 2010 is progressively enabling AI systems to perceive, learn, reason, and behave like a human, and makes the next generation of AI systems distinct from those developed in the past. Thus, it is critical to better understand why deep learning is capable and has the capacity to raise the third wave of AI. In this talk, we will present our investigations, initiatives, and insights to the interpretation of the successful deep learning.


吴华 :《知识与语言技能》

■ 个人简介

        吴华,百度技术委员会主席。主要研究领域包括自然语言处理、知识图谱等。负责的百度翻译项目翻译质量处于世界领先水平,并获国家科学技术进步奖二等奖;在语法语义分析、人机交互、自动问答等方向上进行了多项创新,其成果应用于搜索、地图、小度音箱、智能云等产品,并获得中国电子学会科学技术奖一等奖4项。吴华博士曾被评为福布斯“AI杰出女性”、“杰出工程师”、“青年北京学者”, 并入选“北京市百千万人才工程”。发表论文100余篇、申请专利100余项,作为课题负责人参加过863重大项目、973项目、新一代人工智能重点项目等。

■ 《知识与语言智能》

        语言是人类思维和知识的载体,是人类区别于动物的最显著特征,让机器拥有语言智能是人工智能最重要的课题之一。本报告首先简要回顾自然语言处理技术的发展历程以及介绍深度学习框架飞桨,然后介绍百度自然语言处理方面的进展,包括知识增强的预训练、知识对话、机器同声传译、基于知识的辅助决策等,最后介绍开源开放的百度NLP平台与数据。


【会议时间】

1月23日 8:30 - 19:20

1月24日 9:00 - 18:30


【参与方式】

扫描上方议程二维码,通过链接观看现场直播

(建议扫描后收藏网页,方便参会)

        更多会议相关信息,请扫码进入2020BDTC参会群,获得直播提醒,以免错过精彩内容~


微信图片_20210122171012.png



豫ICP备19023555号-1 】@ 中科大数据研究院 版权所有
0.932101s