kdd

主流机器学习模型的基本假设是训练和测试数据的独立同分布（IID），导致其缺乏对分布外数据的泛化能力（Out-Of-Distribution Generalization），使得当前模型在真实、开放场景下的预测性能无法保证，是当前机器学习研究的公认重要难题之一。本报告将重点介绍面向分布外泛化的稳定学习最新研究进展，并针对首届分布外泛化图像分类挑战赛NICO Challenge进行全面介绍和技术分析。 崔鹏，清华大学计算机系长聘副教授，博士生导师

大数据分析与应用安徽省重点实验室由中国科学技术大学联合科大讯飞股份有限公司、安徽广电传媒产业集团有限责任公司共同建设。以围绕国家科技发展战略需求、服务安徽省经济社会发展的宗旨，在大数据基础理论、大数据分析技术、大数据应用和大数据处理平台等方向开展研究工作，研究内容包括机器学习与数据挖掘理论方法研究、个性化推荐与社交网络分析、面向智能服务的大数据应用研究等，在Nature Communications、IEEE/ACM Transactions等国际知名期刊和KDD、IJCAI、WWW、AAAI、NIPS等重要国际学术会议发表论文200余篇。

本网讯（物质科学与信息技术研究院）7月31日，2020年CCF-腾讯犀牛鸟科研基金正式公布了入选名单，我校物质科学与信息技术研究院马海平老师所申报的“面向在线自适应教育的多目标建模技术研究”项目经函评与会评两轮评审，从207份有效申请中脱颖而出成功入选该科研基金。同样获得该基金资助的还有来自清华大学、中国人民大学、浙江大学等将近20所高校或科研机构的29名科研学者。 据悉，CCF-腾讯犀牛鸟基金于2013年由腾讯公司和中国计算机学会（CCF）共同发起，致力于面向海内外青年学者搭建产学研合作及学术交流的平台

数据分析、数据挖掘、数据统计、OLAP 之间的差异是什么？，直接搬运过来好了。 简单说：数据挖掘就是从海量数据中找到隐藏的规则，数据分析一般要分析的目标比较明确。 “数据分析”得出的结论是人的智力活动结果，而“数据挖掘”得出的结论是机器从学习集（或训练集、样本集）发现的知识规则

华南理工大学机器学习与数据挖掘实验室是华南理工大学计算机科学与工程学院的下属实验室，有教授2人（博士导师2人）、副教授3人，具有博士学位5人，博士生5人，硕士生20余人。实验室主要从事认知科学与情感计算、知识库、神经网络、半监督学习、聚类集成等算法和模型构造，在此方面积累了较丰富的经验，具备了较好研究基础。 在学术研究方面，已经发表学术论文300多篇，其中SCI/EI收录200多篇，发表的会议和刊物包括了ICML、IJCAI、KDD、ICDM和Pattern Recognition、IEEE Transactions on Evolutionary Computation、Bioinformatics 等国际著名期刊，以及国内一级学报等

讲师简介：谭奔，博士毕业于香港科技大学，主要研究方向为迁移学习、推荐系统、机器学习等，目前在微众银行人工智能部门负责推荐算法研发工作，曾就职于腾讯，负责广告转化率预估、商品推荐等工作。在 KDD、AAAI、SDM、TIST 等国际学术期刊会议上发表论文 10 余篇，多次在国际数据挖掘大赛中名列前茅。 具体课程，请点击下方链接/图片，前往进行观看和学习