报告题目：非独立同分布学习(non-IID Learning)问题进展
报 告 人：操龙兵教授
报告时间：2018年10月19日（周五）下午14:00-15:30
报告地点：机电楼A座407会议室
摘要：
现有数据分析与机器学习方法通常假设数据是独立同分布的，而实际的数据与问题往往是非独立同分布的。非独立同分布学习是数据科学、机器学习、人工智能等领域应用中，不可回避的问题。讲者就现有的基于IID假设的算法与理论在实际中应用存在的问题、non-IID的定义与表现形式、non-IID learning的各种问题进行探讨；报告团队近年在基于non-IID的表示学习、统计学习、度量学习、深度学习等方面的进展；并系统回顾近些年来在聚类、分类、异常检测、推荐系统、行为分析、计算机视觉、特征工程等问题上的一些进展，供大家一起探讨与批评指正。
报告人简介：
操龙兵，中科院自动化所模式识别与智能系统博士、悉尼科技大学计算科学博士，悉尼科技大学工程与信息技术学院教授，悉尼科技大学先进分析研究所创始人。提出的主要研究问题包括非独立同分布学习（Non-IIDLearning）、行为信息学（Behavior Informatics）、决策知识发现（ActionableKnowledge Discovery），研究兴趣涉及数据挖掘、机器学习、人工智能与智能系统等领域中一些普遍关注的问题。在上述方向出版专著5部，发表论文300余篇。他较早地在国际上推动数据科学与分析学的产、学、研工作，在2007年成立澳洲第一个数据科学与知识发现实验室；2011创立世界上第一个分析学（Analytics）研究硕士学位与博士学位；2011所创立的先进分析研究所是澳洲政府发布的关于大数据策略与实践等白皮书中唯一一个被特别介绍的机构；2015年在Springer创立International Journal of Data Science and Analytics。他是KDD2015(Knowledge Discovery and Data Mining)等多个大会主席或程序委员会主席。在大数据分析应用方面，得到诸多政府、大型企业、国际知名运营商的合作支持，项目涉及金融与资本市场监管与投资、社保、税务等政府业务，电商与零售分析，以及交通与出版等多个行业，创造了数亿元的直接经济效益。
Tips:
如果您是一名高校教师且您的研究方向涉及机器学习、数据挖掘、人工智能等领域，操龙兵教授将是您潜在的合作者，他曾在NIPS、ICDM、KDD、AAAI、IJCAI等顶级学术会议和期刊上发表数十篇论文，曾担任多个会议的大会主席或程序委员会主席；
如果您是一名高校教师且期望将研究成果落地，操龙兵教授将能为您提供一些建议，他曾主持多项政府、大型企业的合作项目，对于产学研的结合有丰富的经验；
如果您是一名学生且希望海外留学深造，操龙兵教授是国家留学基金委海外评审专家，曾接收并指导多名中国留学生，能够为您提供一些指导。
无论您是教师还是学生，操龙兵教授的科研经验和人生阅历，能够为您的科研和学习提供借鉴和参考！期待您能参加报告会，并一起讨论！
欢迎老师和同学参加！
计算机科学与技术学院
2018年10月15日
