本文多資源，建議閱讀5分鐘。
由清華大學人工智能研究院知識智能研究中心舉辦的方圓系列報告會之大數據分析與可視化報告會於清華大學FIT樓報告廳舉行。
2019年4月4日上午9:00，由清華大學人工智能研究院知識智能研究中心舉辦的方圓系列報告會之大數據分析與可視化報告會於清華大學FIT樓報告廳舉行。
此次方圓系列之“大數據分析與可視化”報告會的主要內容包括兩個：一是四位可視化與大數據專家進行主題演講；二是《人工智能之可視化》報告和AMiner CS Rankings對外發布。
本次報告會由清華大學人工智能研究院常務副院長孫茂松教授致開幕辭。
第一位演講嘉賓是清華大學計算機系劉世霞副教授，她的演講題目是《Visual Analytics for Explainable Machine Learning》。
劉世霞老師提出，可解釋的機器學習旨在使機器學習模型的決策過程對研究人員和從業人員更加透明，從而實現人機的有效溝通和協作。
劉世霞老師在本次報告中給我們講述了機器學習模型可視化分析框架。該框架跳出傳統可視分析“先分析再可視化”的單一方向分析機制，將機器學習方法和交互可視化方法有機地結合在一起，從而更好地幫助用戶理解複雜模型及其輸出結果，分析、診斷並不斷完善機器學習模型。為用戶選擇、利用及改進機器學習模型提供技術依據。
最後，結合具體的應用實例，如集成學習模型和深度學習模型分析、DGM模型等，提出解決方案和待研究的方向。
後臺私信回覆“visual1”即可獲取劉世霞老師《Visual Analytics for Explainable Machine Learning》演講PPT
第二位演講的嘉賓是浙江大學計算機學院陳為 教授，陳老師的演講題目是《大數據可視化分析的挑戰與機遇》。
陳老師提到，數據可視化是一門交叉性學科，有助於更好的理解數據規律。他以五維數據統計的生動可視化為例，展示了一個國家人均收入的動態變化，說明可視化在大工程、安全領域、物聯網和智慧城市等的重要應用以及AI與可視化的融合，向我們描述了可視化未來的挑戰和機遇。
陳為教授表示：“可視化的三大主要任務是表達數據、分析數據、交流數據，總結來說就是一圖勝千言，所見即所得”。
第三位演講嘉賓是同濟大學軟件學院曹楠教授，曹老師的演講題目是《交互式可視異常分析及其應用》。
曹楠教授給我們帶來了交互式可視異常分析及其應用的學術分享，他以上海踩踏事件為例，如若能夠利用衛星監測，對城市內異常的人流湧動趨勢進行監測分析並形成可視化分析圖式，則有很大可能提前預測到踩踏事件的發生，及時疏散人群，避免人員傷亡的情況發生。他提出可視化有助於專家對於異常做出判斷，從而有利於異常檢測，並且提出未來可視化異常檢測的挑戰與策略。
公眾號後臺回覆“visual2”即可獲得曹楠老師《Interactive Visual Anomaly Detection and its Applications》演講PPT
最後，中國人民大學信息學院講師張靜在報告會上做了題為《Revisiting Name Disambiguation》的主題演講，分享了張老師及團隊最新的研究成果。
主題演講環節後，報告會發布了AMiner 2019年第4期研究報告《人工智能之可視化》和基於學者citation的AMiner CS Rankings。
報告完整電子版可以點擊“閱讀原文”下載
AMiner CS Rankings:
http://csrankings.aminer.cn/
至此，“大數據分析與可視化”報告會圓滿落幕，未來可視化的發展還有諸多挑戰，同時又有著無限的機遇，可視化發展的版圖在諸位可視化領域的研究人員的辛勤耕耘下還將不斷擴張，讓我們拭目以待。
校對：林亦霖
— 完 —
關注清華-青島數據科學研究院官方微信公眾平臺“THU數據派”及姊妹號“數據派THU”獲取更多講座福利及優質內容。
閱讀更多 THU數據派 的文章
