2018中国计算机大会（CNCC2018）将于10月25-27日在杭州国际博览中心（G20会场）举行，大会主题为「大数据推动数字经济」（BigDataDrivestheDigitalEconomy）。
10月15日前报名可享优惠，详见文末信息。
时间：2018年10月25日下午13:30-17:30
地点：杭州国际博览中心会议区三层303会议室
日程安排
13:30-13:40开幕式，合影
13:40-14:20并行计算三大定律（孙贤和）
14:20-15:00从两个经典的机器学习算法谈起（于剑）
15:00-15:40两个经典的拍卖机制介绍（陆品燕）
15:40-16:00茶歇
16:00-16:40无监督学习中的选代表和被代表问题（张响亮）16:40-17:20机器学习——从理论到算法（王立威）
执行主席
先进计算机系统研究中心主任，中国科学院大学岗位教授
包云岗
简介：包云岗，2003年本科毕业于南京大学，2008年获中科院计算所博士学位，2010-2012年普林斯顿大学博士后。现为中科院计算所研究员，博士生导师，先进计算机系统研究中心主任，中国科学院大学岗位教授。研究方向是计算机系统结构，在国际会议期刊发表了30余篇论文，多次受邀担任ASPLOS、ISCA、MICRO、SC等国际顶级会议程序委员会委员。研制的部分技术已在华为、阿里、Intel等国内外企业应用，多次获企业合作贡献奖，入选华为2015年全球合作五个代表成果写入其年报、获阿里巴巴最佳合作项目奖等。曾两次获计算所优秀论文一等奖，获首届“CCF-Intel青年学者”奖，入选2016年中国计算机大会特邀大会报告、ARM2018全球研究峰会三个特邀大会报告之一、中科院青年创新促进会优秀会员。担任中国计算机学会理事、普及工作委员会主任，中科院青年创新促进会理事。
天津理工大学教授
罗训
北京交通大学教授
王伟
简介：博士，北京交通大学计算机与信息技术学院教授，博导，信息安全系主任。主要研究网络、系统、区块链及工业控制安全。主持国家重点研发计划子课题及国家自然科学基金等项目。发表学术论文70余篇。担任期刊Computers&Security编委，期刊FrontiersofComputerScience青年AE，以及期刊IEEENetwork的客座编辑。2009和2010年连续两年获欧洲ERCIM“AlainBensoussan”研究学者奖(ERCIMFellowship)。是CCFYOCSEF学术委员会委员；CCF出版工作委员会执行委员；CCF区块链专业委员会首批委员；北京市网络法学研究会常务理事。
特邀讲者
美国伊利诺伊理工学院计算机科学系教授
孙贤和
报告题目：并行计算三大定律
北京交通大学计算机学院教授、博士生导师，北京交通大学人工智能研究院常务副院长
于剑
现任北京交通大学计算机学院教授，博士生导师，北京交通大学人工智能研究院常务副院长，交通数据分析与挖掘北京市重点实验室主任，中国计算机学会会士、理事，中国计算机学会人工智能与模式识别专业委员会秘书长，中国人工智能学会理事，中国人工智能学会机器学习专业委员会副主任。主要研究兴趣是机器学习、数据挖掘和自然语言处理等，著有学术专著《机器学习：从公理到算法》。
报告题目：从两个经典的机器学习算法谈起
摘要：我们将介绍机器学习中两个经典的学习算法，K-means算法和K-近邻算法。这两个算法是聚类和分类算法的典型代表，分别对应于人类概念认知中的原型理论和样例理论。机器学习算法虽然看上去与人类的学习方式不一样，但是有用的机器学习算法，其学习原理是与人类的学习机理是一致的。
上海财经大学信息学院教授，副院长，理论计算机科学研究中心主任
陆品燕
报告题目：两个经典的拍卖机制介绍
摘要：我们将介绍经济学中最重要最经典的两个拍卖机制：VCG机制和Myerson机制。这两个机制的发明人各自获得了经济学诺贝尔奖，它们分别对应于最优化社会福利的机制和最优化卖家收益的机制。从计算机科学的角度，这两个机制其实就是两个不同目标函数的优化算法，但重要的是它们同时满足很好的经济学要求。在互联网经济时代，设计的计算机算法需要满足经济学要求经常是一个必备的条件。
沙特阿卜杜拉国王科技大学（KAUST）计算机系副教授
张响亮
沙特阿卜杜拉国王科技大学（KAUST）计算机系副教授。2010年毕业于法国国家计算机与控制科学研究院（INRIA）及巴黎第十一大学并获得博士学位。研究方向为机器学习和数据挖掘。作为负责人承担项目经费超过400万美元。目前已在包括KDD，TKDE，AAAI，IJCAI，VLDB，INFOCOM等国际会议和期刊上发表学术论文100余篇。长期担任KDD,AAAI,IJCAI等国际会议的程序委员会委员。担任InformationSciences等期刊的编委。受邀在IJCAI-ECAI2018上做EarlyCareerSpotlighttalk。
报告题目：无监督学习中的选代表和被代表问题
摘要：我们将介绍无监督学习中的两个经典算法LocallyLinearEmbedding(LLE)和AffinityPropagation(AP)。这两个经典算法分别于2000年和2007年发表于Science，是为数不多的发表于Science的机器学习领域算法。AP的核心思想是选出数据中最有代表性的目标，以此达到聚类的目的。LLE的核心思想是将数据中的每一个目标由它的邻居们来表达（被代表），在维持表达关系的前提下达到数据降维的目的。我们将介绍这两个经典算法的核心思想，并探讨它们在非监督学习问题领域中的影响。
北京大学信息科学技术学院教授
王立威
北京大学信息科学技术学院教授。主要从事机器学习理论研究。在机器学习国际权威期刊会议发表高水平论文100余篇。2011年入选由人工智能国际期刊IEEEIntelligenceSystems评选的AI’s10toWatch，是该奖项自设立以来首位获此荣誉的亚洲学者。2012年获得首届国家自然科学基金优秀青年基金。多次担任机器学习旗舰会议NIPS,ICML领域主席。担任权威期刊IEEETrans.PAMI编委。
报告题目：机器学习----从理论到算法
摘要：我们将介绍机器学习中两个经典算法Boosting与SVM。尽管在深度学习流行的今天，了解经典算法仍有重要价值。我们介绍算法思想的起源与发展。并探讨在应用中如何选择合适的算法。