京公网安备 11010802034615号
经营许可证编号:京B2-20210330
清华大学牵头成立大数据系统软件国家工程实验室
9月11日,2017国际大数据产业技术创新高峰论坛暨大数据系统软件国家工程实验室第一次会议在清华大学举行。清华大学校长邱勇、副校长杨斌、教育部科学技术司司长雷朝滋、工业和信息化部信息化和软件服务业司副司长安筱鹏、国家发展和改革委员会高技术产业司创新能力处副处长袁军等出席并致辞。活动由清华大学副校长薛其坤主持。
邱勇在会上致辞。石加东 摄
邱勇向国家发展和改革委员会、教育部、工业和信息化部的支持与信任表示感谢。邱勇说,最近国家发改委正式批复成立“大数据系统软件国家工程实验室”,由清华大学为承担单位,北京理工大学为参与单位,联合国防科大、北京大学、人民大学、中山大学、百度、阿里巴巴、腾讯等七家单位,与公安部、环保部、国家气象局、农科院、中石油等单位开展深度合作,体现了高度交叉、高度合作的特点,实验室建设运营意义重大,我们对实验室未来充满期待。
邱勇指出,大数据技术已成为引导社会变革的新兴力量。清华大学在数据科学与工程、大数据应用等方面具备了良好的学科基础,并在大数据软件研发及产业化方面有了长期积累,有些成果已得到应用。例如,清华大学开发的气象大数据平台,已在国家气象中心和21个省级气象中心部署上线,基于相关预报成果,为2016年杭州G20峰会的成功召开提供了重要保障。在环保领域,建设了环保部大数据平台和福建省全国首个省级生态环境大数据平台。在刚刚结束的金砖国家峰会上,首次通过大数据分析,实现了高精度的大气空气质量保障,为后续工程实验室发展奠定了良好基础。
邱勇强调,大数据系统软件是挖掘大数据价值的基础设备,是大数据硬件与应用间的桥梁。清华大学要面向国家大数据产业需求,重点突破大数据系统软件技术瓶颈,支撑创新驱动产业转型升级及关键领域的自主可控,为我国重大战略方向、重点工程的大数据应用提供技术支撑和系统建设。
对于大数据系统软件国家工程实验室的建设,邱勇提出四点要求:一是要打造顶级的大数据系统软件人才团队,突破关键技术;二是要构建共性的技术平台,支撑多个领域的垂直大数据应用体系;三是要打通线上和线下数据链条,开展跨领域合作,形成各类数据连通共享的平台;四是要积极面向产业大数据人才提供服务,建设灵活有效的实验室平台支撑服务体系。
雷朝滋(右)、安筱鹏(左)分别致辞。石加东摄
雷朝滋、安筱鹏先后致辞,充分肯定清华大学、共建合作单位在大数据系统软件和产业化方面的工作成果,表示相关部委机构将一如既往地支持实验室工作,鼓励实验室从技术突破和产业应用等方面为我国大数据事业发展增添动力。
揭牌仪式现场。石加东摄
邱勇、雷朝滋、安筱鹏、国防科技大学计算机学院院长廖湘科院士、北京理工大学副校长陈杰、中国人民大学副校长刘元春、清华大学信息学院院长陆建华院士、大数据系统软件国家工程实验室主任孙家广院士共同为大数据系统软件国家工程实验室揭牌。
随后,孙家广介绍了实验室建设情况。实验室将大力引进国内外高校、研究机构和企业界的大数据高端人才,以大数据全生命周期管理为核心,致力于在大数据存储、处理和计算分析的关键环节实现技术突破,构建大数据系统软件产业的创新网络,促进大数据与各行业应用的深度融合。
孙家广、陈杰、廖湘科、李泽椿(从上至下、从左到右)分别发言。石加东摄
陈杰作为参建单位代表,廖湘科作为实验室共建单位代表,中国气象台原台长李泽椿院士作为合作单位代表分别发言,表示将与清华全力配合、共同协作,发挥好各自单位优势,为实验室建设发展共同努力、共创硕果、共享未来,为我国大数据系统软件自主可控发展作出贡献。
美国科学院、工程院、艺术与科学院院士、清华大学访问教授迈克尔·乔丹做了主题报告。清华大学及国内外大数据领域十余位知名专家学者出席,共同探讨我国大数据系统软件的发展前景。
在同期举办的2017国际大数据产业技术创新高峰论坛上,副校长杨斌介绍了清华大学在大数据领域的工作布局和有效探索。他表示,高峰论坛的召开标志着清华大数据技术研究进入到一个新的阶段,期待与会嘉宾共同绘制大数据产业技术创新的蓝图,共同推动大数据领域的技术与应用创新落地。
杨斌在高峰论坛上做主旨报告。
随后,美国工程院院士、清华大学访问教授希·莫罕,百度公司副总裁王海峰、阿里巴巴集团副总裁刘松、腾讯云公司副总裁黎巍分别围绕“区块链与大数据技术”“百度人工智能”“数据智能生态化实践之路”“社交网络大数据——从建设到赋能”做了主题演讲。数据科学研究院院长俞士纶教授出席并致辞,清华大学软件学院院长、大数据系统软件国家工程实验室执行主任王建民主持论坛。
2017国际大数据产业技术创新高峰论坛现场。石加东摄
本次活动的举行,标志着大数据系统软件国家工程实验室正式启动。各共建单位对实验室发展前景充满信心,一致表示,将与清华大学精诚合作,为推动大数据技术的产学研协同创新机制而努力,为推动我国大数据软件开发应用技术和产业发展提供强有力的支撑。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16