正文
2022年6月29日，国家教育部宣布依法批准正式设立香港科技大学（广州）。香港科技大学（广州）融合内地与香港优质教育资源，探索前沿交叉学科建设，创新人才培养模式，对于培养具有国际视野的创新型人才，推动国家高等教育综合改革，促进内地与香港教育融合发展，服务粤港澳大湾区建设具有积极意义。香港科技大学（广州）与香港科技大学将在“港科大一体，双校互补”的框架下开展合作，两校法人独立，财务独立，地位平等。两校在学术规范、师资水平、课程质量等方面保持一致，实现资源共享、优势互补。
为了应对世界和人类社会面临的日趋复杂的重大挑战，香港科技大学（广州）将采用全新的、融合学科的学术架构，以“枢纽”（Hub）和“学域”（Thrust）取代传统学科学术架构的“学院”和“学系”，推动学科交叉融合，同时大力发展新兴学科和前沿学科。这在全球高等教育界是一项创举。
骆昱宇，现任香港科技大学（广州）信息枢纽数据科学与分析学域助理教授/博士生导师，主要研究方向为AI for Data Analytics, Database, Visualization，已在数据管理和可视化领域的顶级会议和期刊（如SIGMOD、VIS、VLDB、ICDE、TKDE、TVCG）发表论文30余篇，多篇论文入选CCF A类会议/期刊的高被引论文，研究成果应用于华为、国家电网等企业。
他于2023年获清华大学计算机科学与技术博士学位，学位论文荣获CCF优博提名奖、清华大学优秀博士学位论文，入选2023年福布斯中国30Under30精英榜，他曾获得Best of SIGMOD 2023 Papers、CSIG-VIS全球可视化青年新星、清华大学优秀博士毕业生、清华大学特等奖学金、之江国际青年人才基金、国家奖学金、, ACM SIGMOD Travel Award、DASFAA 2019 Best Student Paper Award、CIKM 2022 Best Demo Honorable Mention等荣誉，并担任VLDB 2023-2025、ICDE 2024、CIKM 2024、DASFAA 2023、DBML 2023、IEEE VIS、EuroVIS、IEEE BigData、TODS、TVCG、TKDE等国际会议/期刊的（高级）程序委员会委员或审稿人。
课题组的目标是“帮助不同背景的用户（领域专家，普通用户）更高效、更有效地分析海量数据，从中挖掘规律和知识，推动数据驱动的科学决策。降低数据分析的门槛、提高分析效率”。因此，我们围绕数据管理、人工智能、可视化、统计分析等领域开展交叉研究，具体关注数据分析工作流的“查询、准备、分析、消费”四个环节：
1. 查询：如何帮助不同背景的用户“快速找到”用于分析的数据（表格、图片等）？
NL2SQL：如果数据存储在数据库，可以通过NL2SQL降低普通用户的查询门槛。我们具体关注：如何从“用户-数据-模型”角度协同提高NL2SQL系统的可用性？
Query-by-Example：如果是非结构化或多模态数据，用户可以提供模糊/示例的查询意图，考虑如何精准检索出用户感兴趣的数据子集。
2. 准备：数据分析通常需要依赖可视化、统计学模型、AI模型等来挖掘数据中的规律。因此，我们关注：如何为下游的分析模型高效准备高质量的数据？如何自动进行数据的转换操作、数据清洗、特征提取等？
3. 分析：给定一个准备好的数据集，如何对数据进行智能分析？具体而言，我们关注：如何自动选择最合适的分析手段（如可视化、AI模型），自动分析数据并生成分析结果？如何根据所选择的分析模型，自动进行参数设置？如何结合用户意图、分析任务自动地组装数据分析模块？
4. 消费：现有的数据分析系统往往只提供碎片化的分析结果，缺乏自动产生基于这些分析结果的数据洞察和数据分析报告的能力。因此，我们关注如何结合用户意图自动生成能高效传达数据洞察、连贯且内容丰富的数据分析报告，覆盖文档至视频等多种形式，降低数据分析结果的整理和消费成本。
5. 行业应用：关注智能物流大数据分析与挖掘、低空经济大数据可视化、商业智能。
招收2024 Fall入学博士生2名。博士生培养信息：
3. 学习周期：3年（具有相关研究型硕士学位）/ 4年（无相关研究型硕士学位）
1. 就读于计算机科学、人工智能、软件工程等相关专业的本科生或硕士生。
2. 对数据科学、人工智能的研究和应用有浓厚兴趣，愿意独立思考并渴望做出有影响力的科研成果和系统。
3. 有扎实的数学和编程能力，愿意学习探索新知识，务实自驱，有较强抗压能力，能够适应高强度的科研工作节奏。
4. 申请者需要至少满足以下一个要求，满足多个要求者优先考虑：
在数据库、人工智能、可视化等领域的CCF A/B类会议/期刊发表过论文（硕士生一般至少一篇一作长文）
在头部互联网公司或研究机构有实习经历，并在实习阶段取得过突出成果
在ACM ICPC、Topcoder、Kaggle、数学建模等比赛中取得过良好成绩
学习成绩优秀，如GPA专业排名Top 3%、获得国家奖学金等荣誉
6. 课题组的首届博士生来自985/QS前50院校。
尊重学生兴趣，倡导高质量、高效率的研究和平等融洽的科研交流；
