前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >首届八大高校联合实验室联席技术峰会分论坛盛况回顾篇(二)

首届八大高校联合实验室联席技术峰会分论坛盛况回顾篇(二)

作者头像
腾讯高校合作
发布2019-07-17 18:40:45
1.7K0
发布2019-07-17 18:40:45
举报
文章被收录于专栏:腾讯高校合作

导语:7月11日下午,首届八大高校联合实验室联席技术峰会通过五场技术分论坛有效地连接腾讯技术团队与高校联合实验室之间更深一步的技术碰撞。论坛技术方向覆盖计算机视觉与多媒体、自然语言处理、机器学习、大数据、基础平台技术与云计算等多个前沿领域。50余位来自高校及腾讯的专家、学者介绍了来自实验室及团队的最新研究现状,分享技术痛点并就合作点进行交流和探讨,近80多位腾讯研发人员参会听取技术分享。

//////////

分论坛四:大数据

大数据分论坛的分享嘉宾分别为中科院计算所陈世敏研究员、中科院计算所沈华伟研究员、清华大学罗文澜助理教授、清华大学博士后王寰东、清华大学博士后马为之、腾讯微信数据中心数据平台负责人于东海、腾讯云大数据及人工智能产品中心大数据平台副总监雷小平、腾讯数据平台部数据中心专家研究员成杰峰、腾讯微信搜索中心高级研究员张亚霏(排名不分先后)。本场论坛由腾讯数据平台部数据中心专家研究员成杰锋主持。

中科院计算所陈世敏研究员

中科院计算所陈世敏研究员分享主题为“超大规模图计算建模与优化”的报告。该报告介绍中科院计算所与腾讯微信合作在超大规模图计算方面的研究成果。采用机器学习的方法对图计算进行建模分析,获得了精度较高的模型,可根据图、图算法、机器硬件这三种的特征对图计算的运行时间进行预测,从而有助于选择最佳运行环境,达到预期运行效率。其次,对一类以Node2Vec为代表的复杂图计算二阶游走算法进行优化,改变了原有的先计算和存储转移概率再进行随机游走采样的方式,提出了SOOP方法,在随机游走的同时按需计算转移概率,并对运算复杂度和通信进行了优化,从而在超大规模图上实现了对二阶游走算法的高效支持。

中科院计算所沈华伟研究员

中科院计算所沈华伟研究员分享主题为“图卷积神经网络”的报告。报告简要回顾如何将卷积神经网络迁移到图数据上这一方向的主要研究进展和发展趋势,进而介绍沈华伟研究员近期在图卷积神经网络方面的几个研究工作。

       清华大学罗文澜助理教授

清华大学罗文澜助理教授分享主题为“基于微观数据建模的宏观政策分析”的报告。一是使用宏观和微观数据考察政策对宏观经济的影响机制,以及对不同企业和家庭间的影响差异。二是建立包含异质性企业和家庭的动态一般均衡模型,使用微观数据拟合模型,并基于模型进行政策模拟。报告最后联系和腾讯游戏业务部门合作的“虚拟经济中的货币传导机制研究”项目,举例说明团队分析框架和工具在业界的使用情况。

清华大学博士后王寰东

清华大学博士后王寰东分享主题为“时空数据挖掘与用户隐私保护”的报告。该报告介绍了王寰东博士后所在团队的研究是基于表征学习和深度学习的框架,设计模型与算法将用户的时空点投影到表征场景语意的隐空间中,并推断其对应的生活场景。基于场景推断,根据用户在隐空间中的行为规律,对其进行画像和聚类分析,判断和归类人群的生活模式和职业。进一步,基于以上模型与方法,提出基于深度学习模型的用户场景个性化方案、POI推荐算法、轨迹预测算法,改进其效果,提高地图和位置服务的个性化、精准化能力。

清华大学博士后马为之

清华大学博士后马为之分享主题为“推荐的可解释性及用户满意度研究”的报告。报告介绍马为之博士后所在团队从知识图谱和用户评论两个方面开展的推荐可解释性研究,及对于信息流场景下围绕用户满意度开展的一系列关于推荐系统的研究工作。

“微信高性能图计算平台Plato”——腾讯微信数据中心数据平台负责人于东海

“腾讯云大数据和AI技术平台”——腾讯云大数据及人工智能产品中心大数据平台副总监雷小平

━ ━ ━ ━ ━

“Angel: 融合存储、计算和算法的一站式AI平台”——腾讯数据平台部数据中心专家研究员成杰峰

“大规模深度学习平台在排序上的应用”——腾讯微信搜索中心高级研究员张亚霏

分论坛四 大数据技术讨论现场

//////////

分论坛五:基础平台技术与云计算

基础平台技术和云计算分论坛分享嘉宾分别为清华大学武永卫教授、北京大学李影教授、华中科技大学王桦副教授、北京大学罗英伟教授、中国人民大学卢卫副教授、清华大学贾庆山副教授、腾讯云架构平台部资深研究员赵森、腾讯计费平台部账户中心总监潘安群、腾讯云架构平台部专家研究员张文亮、腾讯云高级工程师陈煜东(排名不分先后)。本场论坛由清华大学武永卫教授主持。

清华大学武永卫教授

清华大学武永卫教授分享主题为“自维护存储系统”的报告。报告指出自维护存储系统需要同时满足4个方面的高要求:高可靠性的数据存储基础、数据错误具有自愈能力、正常运行和自愈过程均对前端应用无性能影响、以及较高的存储效率。围绕这一目标,武永卫教授所在团队采用纠删码技术,设计实现了自维护存储系统TStor。

北京大学李影教授

北京大学李影教授分享主题为“Enable Distributed Systems to be Faster, Stronger and Smarter”的报告。

华中科技大学王桦副教授

华中科技大学王桦副教授分享主题为“智能云存储研究初探”的报告。报告指出如何在成本受限情况下提高云存储服务性能和可靠性,是云存储研究的重要问题,而缓存优化及资源调度是其中的重要内容。

北京大学罗英伟教授

北京大学罗英伟教授分享主题为“EMBA: Efficient Memory Bandwidth Allocation to Improve Performance on Intel Commodity Processor On multi-core processors”的报告。

中国人民大学卢卫副教授

中国人民大学卢卫副教授分享主题为“A lightweight and Efficent Temporal Database Management System in TDSQL”的报告。报告介绍如何扩展腾讯分布式数据库TDSQL,在基本不影响TDSQL性能的前提下,使之能够支持时态与时序数据的管理,并且包吃较低的存储代价。实验表明,扩展后的TDSQL优于现有市场上主流的时态数据库。

清华大学贾庆山副教授

清华大学贾庆山副教授分享主题为“信息物理融合能源系统中事件驱动的学习与优化方法”的报告。简单介绍了人工智能在本领域的巨大应用前景,并着重汇报事件驱动的学习与优化方法近期的研究成果,以及应用在多尺度信息物理融合能源系统综合优化中的研究进展。

“NoSQL存储中的挑战”——腾讯云架构平台部高级研究员赵森

“腾讯数据库发展历程”——腾讯计费平台部账户中心总监潘安群

“NVM存储在数据库中的应用”——腾讯云架构平台部专家研究员张文亮

“腾讯云分布式任务调度系统”——腾讯云高级工程师陈煜东

分论坛五 基础平台技术与云计算技术讨论现场

报道回顾:

腾讯八大高校联合实验室齐聚深圳,首届联席技术峰会开启产学合作大平台

首届八大高校联合实验室联席技术峰会分论坛盛况回顾篇(一)

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-07-16,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 腾讯高校合作 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 腾讯八大高校联合实验室齐聚深圳,首届联席技术峰会开启产学合作大平台
  • 首届八大高校联合实验室联席技术峰会分论坛盛况回顾篇(一)
相关产品与服务
对象存储
对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档