大数据时代的机器学习

发布者:系统管理员发布时间:2015-05-27浏览次数:0

报告简介:

  机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及数据挖掘、计算机视觉、自然语言处理、生物特征识别、搜索引擎和语音识别等各个领域。本次报告将重点梳理机器学习的重要理论、方法以及其在相关领域的具体应用,并且分析在当前机器学习研究和实际应用中所面临的主要挑战;然后介绍在当前大数据环境下兴起的几种重要的机器学习方法,如深度学习、在线学习等;最后,报告人将简要阐述其近年来在信息检索及推荐、矩阵补全等方面的相关研究工作。

报告人简介:

   何晓飞,浙江大学教授、博导,国家杰出青年基金获得者,首届中组部青年拔尖人才支持计划入选者,国际模式识别学会会士(IAPR Fellow)。2005年毕业于美国芝加哥大学,获计算机博士学位;之后加入美国雅虎公司,任职研究科学家;2007年作为人才引进加入浙江大学,任职教授。近年来主要从事人工智能、互联网及多媒体计算等方面的研究,在流形学习、数据挖掘、图像检索等领域取得了重要进展。在国际顶级会议及期刊上共发表论文100余篇并申请了7项美国发明专利,其中5项已获得授权。论文共被他人引用10000余次,其中两篇代表性论文分别被他人引用两千余次。现/曾任7个国际SCI学术刊物的编委,包括IEEE TKDE、IEEE TCYB、CVIU等。曾近30次担任国际会议的大会主席、副主席及程序委员会委员。获得2012年人工智能顶级国际会议AAAI的最佳论文奖,以及2010年多媒体领域国际顶级会议ACM Multimedia的最佳论文提名奖。