大数据重新定义未来,2018 中国大数据技术大会(BDTC)豪华盛宴抢先看!

随着信息技术的迅猛发展,数据的重要性和价值已毋庸置疑,数据正在改变竞争格局,成为重要的生产要素,更被定义为“21世纪的新电力”。在信息高速传播的今天,数据已经渗透到每一个行业和业务职能领域,指数级的速度增长将我们带入大数据时代。作为年度技术趋势与行业应用的风向标,2018 中国大数据技术大会(BDTC 2018)再度如期而至。

 

640?wx_fmt=jpeg

 

2018 年12 月 6-8 日,由中国计算机学会主办,CCF大数据专家委员会承办,CSDN、中科天玑数据科技股份有限公司协办的 2018 中国大数据技术大会,将于北京新云南皇冠假日酒店隆重举行。届时,近百位技术专家及行业领袖将齐聚于此,聚焦大数据技术如何促进数字经济迅速发展,关注大数据新应用,思辨通达,深入解析热门技术在行业中的实践和落地。紧贴时代脉搏,走近数据前沿。

 

下面,让我们抢先锁定此次大会不容错过的五大亮点:


豪迈十年 见证大数据能量


2008 年,作为中国大数据技术大会的前身,第一届Hadoop中国云计算会议在中科院计算所举行。迄今已经走过 11 个年头的 BDTC,从当时仅 60 余人参加的技术沙龙到如今数千人的技术盛宴,俨然已成为国内规模最大、水平最高和影响最广的技术盛会。一路走来,它不仅印证了大数据蕴藏的巨大潜力和能量,更见证了中国大数据生态系统的建立、发展和演变。因悉来路,故知何往——BDTC 2018 带你探秘大数据时代的明溪暗流。

 

640?wx_fmt=png

BDTC2017 现场花絮

豪华主席阵容 成就高水准技术盛会


从会议质量的角度出发,2018 中国大数据技术大会汇集政产学研各方近 30 位专家学者组成大会主席团和大会程序委员会,在会议的主题策划、讲师邀约、议题审核等方面层层把关,不断优化议程结构,尽可能提升内容层面的参会体验,力求为与会者带来一场高水平的大数据技术盛会。

 

本次 BDTC 的大会主席分别是华东师范大学副校长、数据学院创院院长、教授、博士生导师周傲英百度商业智能实验室主任、美国罗格斯-新泽西州立大学正教授 (终身教授)熊辉,以及阿里巴巴集团副总裁、达摩院数据库首席科学家李飞飞其中,目前还担任中国计算机学会会士,数据库专委会副主任、大数据专家委常委、《计算机学报》副主编的周傲英教授主要从事数据库、数据管理、数据驱动的应用研究,曾获得国家杰出青年基金项目、国务院特殊津贴、霍英东青年教师基金等奖励,入选长江学者特聘教授,是第七届国务院学科评议组成员;熊辉教授担任中国计算机学会大数据专家委员会委员,是RBS院长讲席教授、ACM杰出科学家,中国教育部长江讲座教授;李飞飞担任中国计算机学会大数据专家委员会委员,在加入阿里巴巴之前为美国犹他大学计算机系终身正教授,其研究成果多次获得了IEEE ICDE、ACM SIGMOD最佳论文奖等重要学术奖项,目前负责达摩院数据库实验室,以及平台技术群下的数据库事业部和存储技术事业部。

 

此外,大会程序主席则包括北京理工大学计算机学院教授王国仁,以及科大讯飞股份有限公司大数据研究院执行院长谭昶。同时还有近20 位分论坛主席实力助阵(排名不分先后):

 

  詹剑锋     中国科学院计算机技术研究所研究员

  高   阳     南京大学计算机科学与技术系副主任、人工智能教研室/实验室副主任

  杜军平     北京邮电大学计算机学院教授、计算机应用技术中心主任、校学术委员会委员、计算机学院院学术委员会主席

  陈恩红     中国科学技术大学大数据学院常务副院长、计算机科学与技术学院副院长、大数据分析及应用安徽省重点实验室主任

  金   波     公安部第三研究所所长助理、首席科学家

  袁晓如     北京大学研究员、智能科学系副主任

  张彦春     澳大利亚维多利亚大学教授及应用信息科学研究中心主任、国家特聘专家、复旦大学兼职特聘教授及社会计算及电子健康实验室主任

  彭绍亮     湖南大学教授、国家超级计算长沙中心副主任

  周园春     中国科学院计算机网络信息中心主任助理、大数据部主任

  钱卫宁     华东师范大学数据科学与工程学院院长、教授、博士生导师

  雷   涛     天云融创数据科技(北京)有限公司董事长

  王健宗     平安集团深度学习平台总负责人

  靳小龙     中国科学院计算技术研究所研究员,CCF大数据专家委员会副秘书长

  阮   彤     华东理工大学教授,计算机技术研究所所长

  崔立真     山东大学软件学院教授、副院长

  刘士军     山东大学软件学院教授

  魏   凯     中国信息通信研究院云计算与大数据研究所部门主任

  孙少陵     中移(苏州)软件技术有限公司副总经理

  钱   岭     中移(苏州)软件技术有限公司首席科学家&战略技术部总经理

实力讲师阵容重量级技术大咖齐聚


IT 行路,常有横水在前无舟可渡之感,茫然四顾,但求仙人指路。作为汇聚各路开发者精英及业内外大佬的大数据技术大会,本次会议在讲师阵容方面依然不容小觑,超百位国内外实力讲师将为现场千名以上的大数据行业精英、技术专家及意见领袖带来精彩的技术演讲。从学界翘楚到行业一线大拿,可谓高人林立。部分讲师阵容速览(排名不分先后)

 

  管晓宏     中国科学院院士、西安交通大学教授、清华大学双聘教授

  张宏江     源码资本投资合伙人

  张晓东    美国俄亥俄州立大学Robert M. Critchfield讲席教授

 陈性元     北京信息科学技术研究院副院长

  周靖人     阿里巴巴集团副总裁

  李浩源    Alluxio公司创始人&CEO

  王葱权    普元软件产品部总经理

  王宝晗    中移(苏州)软件技术有限公司大数据产品部总经理助理

  蒋   涛     CSDN创始人&董事长 、极客帮创投创始合伙人

  ……

超强干货 技术剖析+行业实践的立体解读


除 Keynote 外,主办方精心策划了 13 场专题技术和行业论坛,涵盖大数据分析与生态系统、深度学习、推荐系统、大数据安全与政策、大数据可视分析、精准医疗大数据、数据科学与大数据技术教育、数据库、金融大数据、知识图谱、工业大数据、区块链、交通与旅游大数据等主题,多样化组合选择的空间,让参会者制定专属自己的参会攻略。议题内容经大会主席团队严格把关,既包含对技术核心及前沿进展的深度挖掘,亦关注行业落地实践及案例分享,全方位立体解读大数据时代的技术进程,聆听业内需求,打造技术纯享论坛,为众技术爱好者奉上一场优质干货盛宴。


千人盛会 思辨互搏


风口之下,从来不缺拥趸。中国大数据技术大会便凭借强大的内容设置,十余载初心前行,积累了这样一大批身处行业风口的技术爱好者,其中很多都来自国内外一线互联网、行业实践代表以及企业级大数据公司,包括Facebook、Microsoft、雅虎、Cloudera、Hortonworks、FreeWheel 、Conviva、中国电信、中国移动、中国联通、百度、腾讯、阿里、京东、华为、新浪、奇虎360、中兴等。与此同时,还有很大一部分参会者来自国内外顶级院校,像是卡耐基梅隆、特拉华大学、北京大学、清华大学、复旦大学、香港中文大学、中国科学院、同济大学、国防科大等。

 

640?wx_fmt=png

BDTC2017 现场花絮

 

在遍揽各方关注的情况下,中国大数据技术大会无疑也吸引了超强媒体阵容的护航,从传统媒体到门户网站等互联网媒体,遍及行业内外,其中包括央视新闻、BTV新闻、数字e族、中国教育电视台、香港卫视、科技日报、中国科学报、经济日报、中国新闻网、环球网、新华网、新浪科技、搜狐科技、网易科技……

 

覆盖面极广的参会者基础使得 BDTC 在单向学习渠道之外,形成了一个思辨互搏的技术交流平台。以己之思交彼之智,在彼此的讨论分享间体验另一个技术环境下的分析视角——技术长路,同好携行。

 

目前,2018 中国大数据技术大会第一批“早鸟票”报名通道已经开启(http://bdtc2018.hadooper.cn/),期待与你在北京这一极具地标性的互联网创新之地,碰撞出智慧火花、共绘大数据未来!

 

640?wx_fmt=jpeg

瞭望未来,拥抱数据时代。

更多精彩信息,点击下方【阅读原文】关注大会官网

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值