胡宇鹏山东大学主页平台管理系统

530 540

胡宇鹏，副研究员，研究生导师，智能媒体研究中心执行主任、党支部书记。主要从事多媒体信息检索与数据挖掘方向的研究工作，已累计在IEEETIP、ACMTOIS、ACMMultimedia、计算机研究与发展等国内外顶级期刊和会议上发表论文50余篇（其中第一作者、通信作者论文28篇），国家发明专利10余项。近五年主持参与多项国家自然科学基金、山东省自然科学基金、校企合作千万级横向项目等，担任IEEETKDE、IEEETMM、IEEETCSVT、ACMMM、AAAI等国际期刊和会议的审稿人和程序委员会委员，获得IEEETMM杰出审稿人等学术荣誉。

智能媒体研究中心(iLearn)招生简介

按照团队leader聂礼强教授的要求，本中心培养学生的理念是“学术上立规矩，生活上无大小”。针对博士生，提供1年的海外顶级实验室交流机会，并保障衣食无忧；鼓励读书期间学习驾驶、参加马拉松、恋爱、度假、创业等；根据以往带学生经验，在努力工作的情况下，4年可以达到博士毕业标准。针对想去工业界的硕士生，重点培养动手能力。针对想继续学术深造的硕士生，按博士标准培养，全力推荐到海内外知名实验室。

2025研究生招生信息

研究方向

1、多媒体信息检索

在多媒体（视频、图像、文本、音频）语义理解的基础上，研究：

2、大规模异构数据的通用检索

在统一向量表征的基础上，实现近似最近邻（ApproximateNearestNeighbor,ANN）通用检索

“通用”检索=向量表征+向量检索

在2023年4月29日异构数据通用检索国际算法竞赛中，我们与华为2012实验室提出的QSGNGT算法

针对百万级基准数据集，进行性能打榜，在5个数据集上给定Recall下的QPS，均达到第一名。

协助华为合作伙伴于2023年9月，发布全球首款致力于云服务的千亿级向量数据库：GaussDB.

QSGNGT算法为GaussDB向量数据库提供了世界第一的检索性能。

已发表学术论文

1.HuY.,NieL.,LiuM.,WangK.,WangY.,HuaX.,Coarse-to-FineSemanticAlignmentforCross-modalMomentLocalization.IEEETransactionsonImageProcessing,2021,30:5933-5943.（CCFA类，SCI中科院一区TOP期刊）

2.HuY.,LiuM.,SuX.,GaoZ.,NieL.,VideoMomentLocalizationviaDeepCross-ModalHashing.IEEETransactionsonImageProcessing,2021,30:4667-4677.(CCFA类，SCI中科院一区TOP期刊)

3.HuY.,WangK.,LiuM.,TangH.,NieL.,SemanticCollaborativeLearningforCross-ModalMomentLocalization,ACMTransactionsonInformationSystems,2023,42:1-26.(CCFA类，SCI中科院二区期刊)

4.WangY.,LiuM.*,LiZ.,HuY.*,LuoX.,NieL.,UnlockingthePowerofMultimodalLearningforEmotionRecognitioninConversation.ACMInternationalConferenceonMultimedia,2023,5947-5955.(CCFA类学术会议)

5.WangK.,LiuH.,JieL.,LiZ.,HuY.*,NieL.,ExplicitGranularityandImplicitScaleCorrespondenceLearningforPoint-SupervisedVideoMomentLocalization.ACMInternationalConferenceonMultimedia,2024.(CCFA类学术会议)

6.TangH.,HuY.*,WangY.,ZhangS.,XuM.,ZhuJ.,ZhengQ.,Listenasyouwish:Fusionofaudioandtextforcross-modaleventdetectioninsmartcities.InformationFusion,2024.(SCI中科院一区TOP期刊)

7.张琪,胡宇鹏*,嵇存,展鹏,李学庆.边缘计算应用:传感数据异常实时检测算法.计算机研究与发展,2018,55:524-536.(CCFA类中文期刊)

8.ZhanP.,HuY.*,ChenL.,LuoW.,LiX.,SPAR:Set-basedPiecewiseAggregateRepresentationforTimeSeriesAnomalyDetection.ScienceChinaInformationSciences,2021,64:149101(articlenumber).(CCFA类期刊)

近三年科研项目

1.国家自然科学基金面上项目“基于文本-视觉语义协同推理的跨模态视频片段定位研究”(62276155)，项目负责人.

2.国家自然科学联合基金项目“基于目标行为的视频流智能检索”(U1936203)，科研骨干.

3.山东省杰出青年基金项目“社交多媒体计算”(ZR2019JQ23),科研骨干.

4.山东省面上基金项目“基于多媒体内容理解的目标行为视频定位技术研究”(ZR2021MF040),项目负责人.

5.山大-华为“近似近邻检索”算法研究项目，项目执行负责人.

6.山大-华为“语义检索增强”算法研究项目，项目执行负责人.

7.山大-河钢人工智能研究院“智慧钢铁”项目,课题负责人.

8.山大-智洋人工智能联合实验室“智慧电力”项目,课题负责人.

wkun03@gmail.com；Izx@mail.sdu.edu.cn邮件主题备注：应聘岗位+姓名+学校

THE END

这篇文章把数据讲透了（四）：数据挖掘算法聚类拟合

一种基于数据挖掘的项目执行风险评估系统及方法

胡宇鹏山东大学主页平台管理系统

41个项目！2023年度“CCF科技成果奖”公布—新闻—科学网

华为大数据HCIEBigData认证培训

“互联网+”大数据项目实习方案大数据实验室建设大数据实训平台大数据人工智能专业建设

中国科学院文献情报中心2024年高校应届毕业生秋季招聘启事

数据挖掘工程师需要的技能(17篇)

1.值得收藏机器学习实战项目汇总(初级中级高级3. Uber数据分析项目 项目构想:该项目可用于对超级数据执行数据可视化。该数据集包含纽约市中的450万个超级拾取器。为了分析行程,需要精美地表示很多数据,以便可以进一步改善业务。 4.人格预测项目 项目构想:Myers Briggs类型指示器是一种个性类型系统,根据内向,直觉,思维和感知能力将一个人分为16个不同的个性。我们https://www.bilibili.com/read/cv34715964
2.数据挖掘项目Coursera数据挖掘项目 免费注册 于Dec 12 开始 关于 结果 单元 推荐 评价https://www.coursera.org/learn/data-mining-theory-practice-project
3.数据挖掘项目MicrosoftLearn数据挖掘在 SQL Server 2017 Analysis Services 中已弃用,现在在 SQL Server 2022 Analysis Services 中已停止使用。 对于已弃用和停止使用的功能,文档不会更新。 若要了解详细信息,请参阅Analysis Services 后向兼容性。 数据挖掘项目是SQL Server Analysis Services解决方案的一部分。 在设计过程中,在此项目中创建的https://docs.microsoft.com/zh-cn/analysis-services/data-mining/data-mining-projects
4.如何去实践一个完整的数据挖掘项目?数据挖掘项目实战本文介绍了实践数据挖掘项目的完整流程,从抽象问题、获取数据、预处理、特征工程、模型训练、评估到模型上线应用。重点强调了业务理解的重要性,以及在特征预处理中的语料获取与预处理,特征向量表示如词袋模型和词向量,以及模型训练与评估指标。此外,还提及了KNN算法的优缺点和适用场景。 https://blog.csdn.net/Datawhale/article/details/87218545
5.什么是数据挖掘?如何进行数据挖掘数据挖掘(DataMining)是从大量数据中通过数理统计算法搜索隐藏于其中的信息的过程。它通常被视为数据库知识发现中的一个步骤。数据挖掘技术可以自动或半自动地从大量不完全的、有噪声的、模糊的和随机的数据中，提取出隐含在其中的、事先未知的、但又有潜在有用信息和知识的过程。数据挖掘涉及多个学科，包括统计学、https://baijiahao.baidu.com/s?id=1779508221728752274&wfr=spider&for=pc
6.数据挖掘与项目实践本文根据Keith B. Hermiz的《Critical Success Factors for Data Mining Projects》翻译整理而来,原文出自DM Review Magazine杂志。作者总结了数据挖掘项目中非常值得注意的几个重要实践经验(黄金准则),无论是企业决策者还是具体的挖掘项目参与者,相信都可以从中受到启发和借鉴。 http://www.linkshop.com/web/Article_News.aspx?ArticleId=241916
7.数据挖掘开源项目你的智能信息挖掘助手在这个信息爆炸的时代数据挖掘开源项目 1.你的智能信息挖掘助手 在这个信息爆炸的时代,我们每天都在被海量的数据所淹没。但真正有价值的信息,往往隐藏在这些数据的海洋中。今天,让我们一起来探索一个能够帮助我们高效筛选和提炼信息的开源项目:Wiseflow 1 项目简介 Wiseflow 是一个敏捷的信息挖掘工具,它能够从网站、微信公众号、https://juejin.cn/post/7408163165416816655
8.数据挖掘开源项目立项skyme因为最近一直都在搞数据挖掘类的项目,且现在国内的大数据潮火热。在前几天与群里的几位兄弟聊天所以有了做一个开源项目的想法,以前也搞过一个开源的项目,当时只是想把权限集中化做一下,项目的名称和地址是: http://www.cnblogs.com/skyme/archive/2012/02/07/2341364.html https://www.cnblogs.com/skyme/p/4359167.html
9.数据挖掘竞赛2017数据挖掘竞赛项目实例赛题:零基础入门数据挖掘 - 二手车交易价格预测 1.1 学习目标 理解赛题数据和目标,清楚评分体系。 完成相应报名,下载数据和结果提交打卡(可提交示例结果),熟悉比赛流程 1.2 了解赛题 赛题概况 数据概况 预测指标 分析赛题 1.2.1 赛题概况 赛题以预测二手车的交易价格为任务,数据集报名后可见并可下载,该数据来自https://blog.51cto.com/u_16213709/11626718
10.有哪些数据挖掘的竞赛项目帆软数字化转型知识库数据挖掘的竞赛项目主要有Kaggle竞赛、KDD Cup、DrivenData竞赛、Data Science Bowl、Zillow Prize等。Kaggle竞赛是其中最为知名的,广受数据科学家和机器学习工程师的欢迎。Kaggle平台提供各种数据集和问题,参赛者需要通过构建和优化模型来解决这些问题。Kaggle竞赛的优势在于其社区活跃度高、资源丰富,参赛者不仅可以与全球https://www.fanruan.com/blog/article/564899/
11.数据挖掘不是挖土豆,而是让数据开口说话!数据挖掘的意义非常重大,它可以帮助我们从大量的数据中发现有价值的信息和知识,从而为决策提供支持。 而数据挖掘的应用,西红柿总结可以分为 3 步走: 获取数据:这是数据挖掘的第一步,需要从各种来源收集相关的数据。这些数据可以来自数据库、文件、网络等,并且需要进行清理和预处理,以确保数据的质量和可用性。 https://zhuanlan.zhihu.com/p/688860762
12.一个企业级数据挖掘实战项目客户细分模型(上)一个企业级数据挖掘实战项目|客户细分模型(上) 大家好,我是云朵君! 导读:今天给大家带来了一个Python业务分析实战项目——客户细分模型的应用案例上篇,本文阐述比较详细,包括代码演示、可视化图形展示、以及文字详细分析。分析较浅,希望能够给大家带来些许帮助,欢迎交流学习!文章较长,建议收藏～https://cloud.tencent.com/developer/article/1876018
13.新形势下临床研究的新机遇新挑战梅斯数据挖掘项目分不同级别。有深度合作的大级别项目相对较长,如医院战略合作,以数据平台的方式做数据挖掘。也有以单个项目为目标的短期项目,例如研究者发起的一些项目,由研究者提供脱敏后数据进行数据挖掘及分析。根据结构数据结构化以及数据量,周期短的话大概三个月左右可以完成数据挖掘。 https://www.medsci.cn/article/show_article.do?id=99c1e279075b
14.数据挖掘与分析报告范文7篇.docx数据挖掘的目的在于通过对数据中信息的处理,筛选关键数据,发现数据挖掘与分析报告范文第四篇项目数据分析报告是通过对项目数据全方位的科学分析来评估项目的可行*,为投资方决策项目提供科学、严谨的依据,降低项目投资的风险。项目数据分析报告—项目市场化*作的科学依据:政策背景:随着我国经济体制变革的不断深入发展,*的https://www.renrendoc.com/paper/234470348.html
15.北京泰迪科技a、完成全真项目案例学习,相当于3年工作经验——课程包含公司积累的精选项目案例,一个项目案例平均工期为3~4个月,学会10个案例相当于拥有30~40个月的项目经验,约为3年工作经验! b、参与实际项目开发,全真项目案例学习结束后,学员将进入项目实战环节,参与实际项目的开发,所有项目均是从公司在建数据挖掘项目剥离出来http://www.tipdm.org.cn/display.asp?id=863
16.基于数据挖掘的统计过程控制项目研究基于数据挖掘的统计过程控制项目研究 谭震 开通知网号 【摘要】: 统计过程控制(Statistical Process Control)是一种借助数理统计方法的先进质量管理和控制技术,以过程的稳定性为主要目标,强调全过程的预防,能够有效地降低产品的不合格率,从而降低生产成本。 近年来SPC技术在国外的应用已经非常广泛,已经成为提高企业管理的https://cdmd.cnki.com.cn/Article/CDMD-10423-2009173035.htm
17.大数据工程师简历模板具体工作内容包括: 1. 研究和开发机器学习模型,包括数据预处理、模型选择和训练等。 2. 设计和优化数据挖掘流程,确保数据挖掘项目的高效和可靠性。 3. 参与项目的方案制定和评估,确保项目按时完成并达到预期效果。 4. 与客户和同事保持良好的合作关系,及时沟通并解决问题。 5. 参与公司的技术交流和技术改进,不断https://www.liepin.com/mould/dashujugongchengshi.shtml
18.Python实战你用Python做过什么有趣的数据挖掘/分析项目?话说大二下那年,怀着对ML和DM的神往开始学习机器学习和数据挖掘,我身为一个数学渣敏锐得觉察到吴恩达大牛的公开课对我是一个坑,还是个神坑, 转而投入《机器学习实战》这一类不太需要过硬数学基础的机器学习和数据挖掘书籍中,于是开始学习Python+Matplotlib+Numpy了。 https://www.jianshu.com/p/19a09fb3ce0c
19.PMP项目管理4种常见的数据挖掘方法,你知道多少呢?【PMP项目管理】4种常见的数据挖掘方法,你知道多少呢?时长:0:58网友14761022864963133 美女直播 更多 PC版| APP专区| APP隐私政策 Copyright ? 2024 Sohu Inc. 京ICP证 网络视听许可证1908336 节目制作经营许可证粤第735号 https://m.56.com/view/id-MTgwMzY1NjY2.html
20.HR大数据之数据清洗与数据挖掘——“人力资源大数据实践项目”第最后,曹老师进行了数据清洗、数据挖掘的示例教学。同学们对这一环节非常感兴趣,积极参与数据清洗与挖掘的练习。在进行模型选择和建模时,有部分同学出现了因素选择操作失误的问题,曹老师耐心地进行了答疑。课后同学们纷纷表示收获颇丰,对人力资源大数据这一项目的兴趣更加深厚。 https://www.mbachina.com/html/ustb/20220410/427744.html
21.基于数据挖掘管理科学面上项目分析凭抗棘婉段捏豆格当营诺躺约翻浴攀渠哇惫深苞基于数据挖掘管理科学面上项目分析 _ 文胜搬测探临戒辣寐曲剑召债支话咆阳脓匙罚慷契丝隧比哪报在忧绑听勒务问防出吨谦拢在庐瘪十歧主粪凭寂孝达品摄截柑庙恶闷雷种盂唬霉肚金撼际冤捕目抹摘函尉繁藻练聪乓文气姑附匿智奖曹表顺慰蔑副找桅记乓铆呜颜https://max.book118.com/html/2017/0612/114246701.shtm
22.数据挖掘实践(金融风控):金融风控之贷款违约预测挑战赛(上篇)[xg项目链接以及码源见文末 1.1 数据介绍 赛题以预测用户贷款是否违约为任务,数据集报名后可见并可下载,该数据来自某信贷平台的贷款记录,总数据量超过 120w,包含 47 列变量信息,其中 15 列为匿名变量。为了保证比赛的公平性,将会从中抽取 80 万条作为训练集,20 万条作为测试集 A,20 万条作为测试集 B,同时会对https://xie.infoq.cn/article/4d588ac3a87184aaf67ae0a2a
23.SAS数据挖掘与分析项目实战尚涛编计算机手册专业科技正版图￥378.00 佳贝艾特晶萃悦白幼儿配方羊奶粉3段(12-36个月适用)800g*1罐 查看商品参数 图书 港台圖書 港台圖書 科技 中国铁道出版社 SAS数据挖掘与分析项目实战 尚涛 编 计算机手册专业科技 正版图书籍 中国铁道出版社有限公司 https://m.suning.com/itemcanshu/0071602506/12438825466.html
24.19套Python网络爬虫项目+数据挖掘+数据分析入门到精通19套Python网络爬虫项目+数据挖掘+数据分析入门到精通-基础+高级+实战+框架+整合+扩展+分布式爬虫,构建高效搜索引擎,商业案例实战,数据挖掘思维与实战,从语法到高级应用视频教程 19套网络爬虫技术包含:Python网络爬虫,数据挖掘,数据分析,分布式,爬虫项目实战,爬虫高阶,入门到精通-基础+高级+实战+框架+整合+扩展+分布式https://www.soft1188.com/dsj/6454.html