- TF105:大语言模型技术进展及应用
- TF104:软件工程的复杂性
- TF103:降本增效 架构先行
- TF102:攻击面管理
- TF101:全域营销的数据科学
- TF100:大模型时代下数据智能的应用与前景
- TF98:数字化转型先锋论坛-金融行业实践专场
- TF97:大语言模型时代的知识工程
- TF96:知识图谱赋能时空AI
- TF95:元宇宙系列(三):行业智能化,产业元宇宙来助力
- TF94:NLP技术和产业化发展
- TF93:云原生年度回顾与展望
- TF92:工业机器人柔性控制
- TF91:前端新技术与新实践
- TF90:研发效能度量
- TF89:数智转型 势在必行
- TF87:数据洞察与数据驱动
- TF86:知识图谱赋能智能制造
- TF85:打造公路“头等舱”——智能座舱与交互革命进行时
- TF84质量与效能
- TF83中间件设计:打造互联网架构的基石
- TF82前端与图形学
- TF81工业制造中的数据治理
- TF80云原生安全
- TF77智慧商业,连锁革命
- TF76金融知识图谱构建与应用:进展与展望
- TF75云原生架构演进:降本增效背景下的云原生实践
- TF74产业互联网下的数据科学
- TF73边缘计算不边缘——创新焦点之边缘智能设备和应用
- TF72技术创新驱动企业增长
- TF71 产业变革中的工业互联网安全
- TF70跨模态前沿AI技术及产业应用
- TF69工业制造中的大数据分析和预测
- TF68前端与多媒体
- TF67如何用因果推断和实验驱动用户增长
- TF66大转型,走进农业新时代
- TF65知识图谱开源开放及生态
- TF64量子人工智能:机遇与挑战
- TF63基础架构设计:从架构热点问题到行业变迁
- TF62元宇宙系列(二):数字化底座,万丈高楼平地起
- TF61开发安全与供应链安全
- TF60企业级研发效能提升的实践
- TF59研发效能提升之美
- TF58视觉基础模型研究及应用
- TF57数据安全之流动数据的安全管控
- TF56MBD,开启产品数字化定义新未来
- TF55前端工程体系,告诉你头部企业的新探索
- TF54工程师成长地图与卓越研发组织打造
- TF53预训练时代的大规模知识表示与推理实践
- TF52智慧、融合、安全——智能科技车与路
- TF51畅谈元宇宙的发展与挑战
- TF50工程师文化驱动组织创新
- TF49 产品设计与生产制造协同案例分享与探讨
- TF48云原生时代架构变迁与前瞻
- TF47AI技术落地过程中的实践问题探讨
- TF46数据科学的新发展与数字化转型
- TF45知识图谱新技术、新场景、新应用
- TF44智能驾驶的技术挑战和解决方案
- TF43前端的发展与未来
- TF42区块链DeFi技术新机遇与实战
- TF41云上大数据和数据中台建设
- TF40人机共存,传统行业供给侧服务者赋能技术与系统实战
- TF39语言知识前沿研究与工业实践
- TF38无(少)标注数据在人工智能中的应用
- TF37基于场景的机器人环境理解与智能交互
- TF36工业大数据在智能制造领域的应用与探索
- TF35从数据分析到数据智能
- TF34工业互联网安全前沿与技术热点
- TF33人工智能的下半场—— 知识图谱的新机遇与行业落地
- TF32端到端数据分析系统构建
- TF31智能:前端技术的新挑战
- TF30产业互联网下的数据智能实战解析
- TF29机器视觉技术进展及工业应用
- TF28技术战略转型背后的工程师文化
- TF27零信任网络架构实践 (ZTNA Practice)
- TF26互联网架构中的热点应对
- TF25工业人工智能技术创新与应用
- TF24 仿真工业软件的研究与应用
- TF23AI联邦学习的最新应用落地
- TF22数据驱动
- TF21 认知智能落地中的问题与对策
- TF20 深度学习技术和框架应用
- TF19 未来智能设备的交互技术
- TF18 数据安全与风险防控
- TF17 认知计算产业化落地
- TF16 NewSQL探索与实践
- TF15 Cloud Native 云原生时代的架构
- TF14 联邦学习技术及数据隐私保护
- TF13 大数据时代背景下数字内容生产行业的技术变迁
- TF12 语言认知与知识计算
- TF11 容器化和Service Mesh实践
- TF10 AI在智慧媒体领域的应用
- TF09 人机对话的产业应用与技术发展
- TF08 企业数据安全建设实践
- TF07 大数据在新零售中的应用
- TF06 工程师职业发展及组织文化概况
- TF05 区块链技术与工程实践研讨会
- TF04 纵论AI在问答、机器翻译、自动驾驶、人脸识别中的应用
- TF03 大数据系统与应用
- TF02 人工智能时代的互联网运维
会议主席
崔宝秋
崔宝秋,博士,CCF TF创始委员、大数据SIG主席之一,小米集团副总裁,集团技术委员会主席,有二十多年的软件和互联网开发经验。分别于1991年和1994年在武汉大学获得计算机科学学士和硕士学位,2000年在美国纽约州立大学石溪分校计算机系获得博士学位。2012年加入小米集团,历任小米首席架构师、人工智能与云平台副总裁,参与创建并长期管理人工智能与云平台团队(现已升级为人工智能部、大数据部、云平台部),参与规划并主要承担了小米“云计算-大数据-人工智能”这一技术变革主线,推动了小米在AIoT领域的发展与布局。崔宝秋博士现担任小米集团技术委员会主席,负责小米在技术领域的发展与探索,将重点强化技术文化和工程师文化,提升集团技术方向决策,加大对技术人才的招聘、培养、任命及激励等。
特邀讲者
程学旗
主题报告一:网络数据科学和大数据分析
主题简介:本报告将介绍数据科学所关注的关键科学问题,介绍报告人在文本表示学习、社会媒体计算、大数据分析系统等方面的研究成果,并介绍大数据分析的技术前沿和发展趋势。
个人简介:程学旗,中科院计算所研究员,CCF大数据委员会秘书长。
于辰涛
主题报告二:联想全球制造大数据平台的架构演进及技术创新
主题简介:联想大数据平台的架构演进,从部门级到公司级,从中国到全球,从私有云到混合云,及如何通过开源技术创新,解决数据安全保护、大规模数据的跨地域访问、计算能力弹性调度及OLAP场景支持,并成为新IT架构的基础支撑。
个人简介:于辰涛,联想大数据首席研究员,教授级高工。主导设计了联想全球制造支撑平台,为全球2亿台设备,数百个内外部软件系统,31个工厂提供了全流程管控和产品全生命周期优化,并帮助数十个国有骨干企业进行工业大数据创新实践。
李建斌
主题报告三:美团点评Hadoop集群跨机房架构实践
主题简介:互联网格局复杂多变,大规模的企业合并重组不时发生。原来完全独立甚至相互竞争的两家公司,有着独立的技术体系、平台和团队,如何整合,技术和管理上的难度都很大。2015年10月,美团与大众点评合并为今天的“美团点评”,成为全球规模最大的生活服务平台。两家公司融合之后,从业务层面上,希望能做到“1+1>2”,随着业务整合,要真正在数据层面做到1+1>2,势必需要将两套数据体系整合,时间紧任务重难度高。分布在北京和上海两地的两支技术团队通力配合,成功将两套技术平台两套体系合二为一,为业界提供了一个很好的整合案例。
个人简介:李建斌,2013加入美团,在海量存储、分布式计算以及大规模可扩展分布式架构方面有深刻理解,现任美团点评高级技术专家,致力于打造稳定、可靠的分布式数据存储基础设施,支撑美团点评大数据体系的快速发展。
张飞
主题报告四:京东大数据平台
主题简介:伴随着京东高速发展,高价值的业务数据积累与大数据技术的演进,大数据在京东发展的道路上背负起非常重要的使命。作为基础数据技术平台,面向京东商城、京东金融、京东云提供数据服务,并承担部分对外数据服务的职能。平台致力于互联网海量数据处理技术研发与应用,打造高性能、高稳定性、高安全性的互联网全链条企业级数据仓库、数据分析平台、实时大数据平台、机器学习平台,并应用于广告系统、推荐搜索系统、营销数据服务、运营数据服务、京东无人机、智慧供应链等数十个业务及应用系统,为京东及互联网行业挖掘大数据价值提供全过程解决方案及技术保证。
个人简介:张飞,大数据架构师,2011年加入京东,参与京东大数据平台及数据仓库的架构和建设,具有丰富的平台建设经验和数据仓库的建设及运维经验。
司马云瑞
主题报告五:小米用户画像的演进和应用
主题简介:小米公司专注于硬件(手机,电视和生态链)生态,互联网服务(MIUI,云服务,互联网金融等)和新零售(小米商城,小米之家,米家有品等)。经过7年的发展,公司积累了海量的日志和用户行为数据。如何发挥出这些数据的价值是一个非常有挑战的话题。伴随着各业务的高速发展,对大数据的依赖也越发增多。小米基于全生态,多维度的数据资产构建了自己的用户画像体系,在业务运营,广告,互联网金融,新零售等各个领域发挥了重要的作用。本次分享重点阐述了小米用户画像从无到有,从小到大,从粗略到精致的过程,并穿插阐述了在各业务上的具体应用案例。
个人简介:司马云瑞,小米大数据负责人。2014年加入小米,负责小米大数据平台,用户画像,和大数据应用等方向。之前在微软亚洲工程院,微软亚太研发集团负责云服务,大数据相关工作。