干货 | KDD2017现场：中国论坛直击（讲座完整PPT）

大数据文摘作品，转载要求见文末

作者 | Aileen、钱天培、加号

8 月 13 日至 8 月 17 日，每年一度的数据挖掘领域的顶级会议 ACM SIGKDD 2017 在加拿大的 Halifax 召开。

８月15日下午，SIGKDD中国分会组织了本次会议中的分支活动Data Science of China。这是SIGKDD继2016年后第二次举办中国专场。也是现场除了印度专场之外，另外一家完全为了一个国家举办的专场会议。

大数据文摘前方记者为你带回了三场讲座的文字报道，同时附上新鲜出炉的PPT全文。

大数据的普及造就了中国的前所未有的机遇，人才、数据、高校，业界和市场已经准备好在数据科学上取得新的成就。

本次活动的目的是共同展示中国学术界和行业的KDD进展以及世界各地华人所进行的研究。 这次活动也希望可以连接外国研究者或者业界人士与中国KDD专业人士进行沟通，探索合作机会。

该活动也是SIGKDD继2016年后第二次举办中国专场。

本次活动举办者及演讲嘉宾如下：

大数据文摘前方记者为你带回了三场讲座的文字报道，同时附上新鲜出炉的PPT全文。

微软亚洲研究院主管研究员郑宇 - 城市计算与城市大数据平台

作为微软城市计算（Urban Computing）科研项目的带头人，郑宇为我们描述了城市计算当前发展面临的难点，并由此介绍了微软研发的城市大数据平台（Urban Big Data Platform）。

城市计算是获取、整合、分析城市空间产生大数据的过程。数据产生的来源包括各种移动设备、传感器、交通工具、建筑和人类，而城市计算的目的则是通过分析这些数据，解决城市面临的诸多问题，比如空气污染、能源消耗、交通拥挤等等。

郑宇指出，城市数据具有规模大、动态变化的特征。这些数据有着独特的数据结构，需要独特的查询方式，并且存在于不同的领域。这都为这类数据的处理运算带来了极大的困难。

针对这些问题，郑宇领导的微软城市计算科研团队提出了一种新型城市大数据平台。这一平台具备6中数据结构，4中存储方式，支持包括hadoop和spark在内的多种运算环境。

郑宇也为我们介绍了城市大数据平台的两项重要应用：为电动汽车充电站选址、规划城市自行车道。

详情可以参见微软研究院在2017年发表的两篇论文。

Mining the Most Influential k-Location Set From Massive Trajectories：

https://www.microsoft.com/en-us/research/wp-content/uploads/2017/06/trajectorycoverage_zheng.pdf

Planning Bike Lanes based on Sharing-Bikes’ Trajectories：

https://www.microsoft.com/en-us/research/wp-content/uploads/2017/06/main.pdf

最后，郑宇指出，城市计算仍有很长一段路要走，同时前景十分广阔。

第四范式首席科学家杨强教授：特征工程与迁移学习

随着越来越多自动建模工具的出现，相比建模，如何生成有效的特征更加重要。杨强教授认为，如果不能生成超大纬度的特征空间，大数据是毫无用处的。

在讲座中，他也介绍了特征工程的用处，三个分类以及各自的优缺点，以及特征工程如何帮助实现迁移学习。

讲座中提到了很多国内业界的应用，如百度，第四范式，上汽，滴滴打车等。

罗格斯大学教授、百度高级顾问熊辉：AI人才的机遇与挑战

熊辉教授在本场演讲中为我们描述了AI人才当下面临的机遇与挑战。

他指出，传统工作环境中任劳任怨、按部就班的“员工”在当前AI发展中会被一步步淘汰，即便是极具领域知识的“人才”也不再是行业的宠儿。

熊辉认为，当前AI业界最欢迎的是具备“人才”的专业技能、又具备领导力的“精英”。

那么领导力具体是指什么呢？

熊辉认为，领导力首先包括足够的远见，能够敏锐地预见行业的发展趋势、情势变换。同时，领导力也包括了出色的团队管理能力。最后，领导力也包含了优秀的危机管理意识。

就此，熊辉给公司人才管理提出了几点建议：注重打磨公司文化、对人才供求作出正确的预见、实现职位描述精准化等等。

关于转载如需转载，请在开篇显著位置注明作者和出处（转自：大数据文摘 | bigdatadigest），并在文章结尾放置大数据文摘醒目二维码。无原创标识文章请按照转载要求编辑，可直接转载，转载后请将转载链接发送给我们；有原创标识文章，请发送【文章名称-待授权公众号名称及ID】给我们申请白名单授权。未经许可的转载以及改编者，我们将依法追究其法律责任。联系邮箱：zz@bigdatadigest.cn。