大数据分析与可视化报告会成功召开（附PPT下载）

此次方圆系列之“大数据分析与可视化”报告会的主要内容包括两个： 一是四位可视化与大数据专家进行主题演讲；二是《人工智能之可视化》报告和AMiner CS Rankings对外发布。

本次报告会由清华大学人工智能研究院常务副院长 孙茂松 教授致开幕辞。

第一位演讲嘉宾是清华大学计算机系 刘世霞 副教授，她的演讲题目是《Visual Analytics for Explainable Machine Learning》。

刘世霞老师提出，可解释的机器学习旨在使机器学习模型的决策过程对研究人员和从业人员更加透明，从而实现人机的有效沟通和协作。

刘世霞老师在本次报告中给我们讲述了机器学习模型可视化分析框架。该框架跳出传统可视分析“先分析再可视化”的单一方向分析机制，将机器学习方法和交互可视化方法有机地结合在一起，从而更好地帮助用户理解复杂模型及其输出结果，分析、诊断并不断完善机器学习模型。为用户选择、利用及改进机器学习模型提供技术依据。

最后，结合具体的应用实例，如集成学习模型和深度学习模型分析、DGM模型等，提出解决方案和待研究的方向。

公众号后台回复 “visual1” 即可获取刘世霞老师《Visual Analytics for Explainable Machine Learning》演讲PPT

第二位演讲的嘉宾是浙江大学计算机学院 陈为 教授，陈老师的演讲题目是《大数据可视化分析的挑战与机遇》。

陈老师提到，数据可视化是一门交叉性学科，有助于更好的理解数据规律。他以五维数据统计的生动可视化为例，展示了一个国家人均收入的动态变化，说明可视化在大工程、安全领域、物联网和智慧城市等的重要应用以及AI与可视化的融合，向我们描述了可视化未来的挑战和机遇。

陈为教授表示：“可视化的三大主要任务是表达数据、分析数据、交流数据，总结来说就是一图胜千言，所见即所得”。

第三位演讲嘉宾是同济大学软件学院 曹楠 教授，曹老师的演讲题目是《交互式可视异常分析及其应用》。

曹楠教授给我们带来了交互式可视异常分析及其应用的学术分享，他以上海踩踏事件为例，如若能够利用卫星监测，对城市内异常的人流涌动趋势进行监测分析并形成可视化分析图式，则有很大可能提前预测到踩踏事件的发生，及时疏散人群，避免人员伤亡的情况发生。他提出可视化有助于专家对于异常做出判断，从而有利于异常检测，并且提出未来可视化异常检测的挑战与策略。

公众号后台回复 “visual2”