10月29日，数兑科技举办“数据知识系列”讲座，邀请南京大学计算机科学与技术系及南京大学软件新技术国家重点实验室科研团队，分享了“大数据与机器学习”这一领域研究报告。
精彩回顾
摘要
数据与计算相互依存和影响并赋能应用，新一代信息技术驱动的数字经济时代已然来临。数据作为第五生产要素的当下，从数据中发现知识和洞见大数据价值发现的必要条件，机器学习是达成这一目标的重要的选型技术。本报告以数字治理、软件设计、软件开发等应用场景为切入点，阐述数据价值实现的一般路径，首先介绍数据驱动的一般流程，扼要分析和复盘其中各个环节涉及到的技术难题、基础理论和研究趋势；进而，对机器学习涉及到的基础数学知识进行简单的介绍和研判，在此基础上，简单介绍浅层机器学习、深度学习的基本概念、实现细节和应用路径；最后简单介绍机器学习，尤其深度学习的计算框架和软件工具，并给出一些示例。
本次讲座包括为四个部分，分别如下：
1）数据驱动的基本流程和方法
2）机器学习相关数学知识及应用
3）浅层机器学习与深度学习
4）主流开放框架
王崇骏 博士、教授、博导
南京大学计算机科学与技术系
本报告以数字治理为应用背景，围绕大数据价值实现的一般路径，简单介绍了数据汇聚、数据治理、样本构建、数据标注、数据建模的一般流程和基础理论，并分析和研判了开放计算环境或领域目标驱动下的基于知识的数据驱动方法、隐私计算、模型压缩、可解释机器学习、算法伦理等研究热点和趋势。
张雷 博士、讲师
南京大学计算机科学与技术系
数据驱动式的业务增长在收集大量数据的同时，也带来了安全隐私等事后的副作用，这些问题要求我们事先对软件设计可能带来问题的进行深入的思考。本报告从机器学习的数学基础出发，介绍如何对数据进行科学思考和分析。在此基础上简要介绍有监督学习、无监督学习和深度学习的基本概念和技术实现方法。
姚懿容 博士生
南京大学计算机科学与技术系
近十年来，专用于机器学习应用的硬件研究与软件环境开发迅猛发展，加速了人工智能算法的搭建、训练与推理过程，本报告主要考察人工智能软硬件相关知识，简单介绍机器学习，尤其深度学习的开发实战设计到开发环境、编程语言、以及第三方资源等。
