面向更有效率的分布式数据分析及学习

报告题目：面向更有效率的分布式数据分析及学习

报 告 人：刘字夏,博士, University of Central Florida

报告时间：2023年6月1日 10:30-12:00

报告地点：秀山校区艺设西楼213会议室

报告对象：计算机科学与技术学院研究生及其他感兴趣师生

内容摘要：大数据的不断产生期待着更高效的大数据分析及学习。针对当今大数据分析及学习作业的一些特点及挑战，包括：应用附带的数据特点、广地域性分布式数据、大计算量需求、时间紧要性需求、数据隐私需求、异构计算能力等，我们期望利用包括平台优化、算法改进、框架设计及机器学习方法等方式帮助提升作业效率。在此介绍我及所在的实验室对于面向更有效率的分布式数据分析及学习所做的一些工作。

报告人简介：刘字夏，美国中佛罗里达大学(University of Central Florida)博士，吉林大学本科，美国美国堪萨斯大学数学硕士。刘博士主要研究方向包括机器学习、大数据、分布式计算（分布式学习）、计算中的隐私保护等。目前主要致力于研究机器学习及强化学习的若干技术，并同时探索其运用于大数据计算和分布式学习等领域的可能性，以期提升相应计算框架在算法设计、性能表现、调度表现、隐私保护等方面的能力。相关研究成果发表在IEEE Trans on Multimedia、ICPP、IEEE BigData等国际期刊会议上。