https://meeting.tencent.com/s/5sEQcoy63d9c
Overview of Research Area “Data, Knowledge, Intelligence” in MSRA
Our research area in MSRA is called Data, Knowledge, Intelligence, or DKI in short. We do research and technology development to advance the state-of-the-art research in the area of data intelligence and knowledge computing. Our vision is to democratize data intelligence to empower people and organizations to derive insights, learn and share knowledge, and build intelligence to turn data into action. We focus on three research themes around data: understanding, generation, and interaction. For understanding, we mainly research on representation learning of different forms of data. The data generation theme is about helping people become more productive and creative when they create data. The data interaction theme is about making the interaction between people and data more natural and efficient.
To substantiate the above three research themes, in this talk, I’ll briefly introduce two research directions in our area. One is Software Analytics targeting at enabling software practitioners to perform effective and efficient data exploration and analysis in order to obtain insightful and actionable information for data-driven tasks in engineering software and services. Software system, user experience, and development process are the three major subjects of our research. In the software defined world today and in the future, software analytics research is important to help build quality software systems with great user experience and high productivity.
The other research direction is Document Intelligence, targeting at infusing AI into documents which are at the core of productivity in modern workplace and modern life. We study both representative document types such as spreadsheets, presentation slides, and surveys, as well as objects commonly used across different document types such as tables, charts, inforgraphics, etc. Combined together, our three research themes, i.e. understanding, generation, and interaction, and the types of documents and objects form the landscape of our document intelligence research, through which we hope to build technologies that empower people to increase their productivity with unparalleled experiences.
张冬梅，博士，微软亚洲研究院副院长，负责大数据分析和可视化方面的研究工作。张博士拥有卡内基梅隆大学机器人专业博士学位以及清华大学硕士和学士学位，主要研究领域包括数据驱动的软件分析、机器学习、信息可视化、以及大规模计算平台。张冬梅博士于2004年加入微软亚洲研究院，带领团队研发并推出了手写数学公式识别应用，研发的东亚语言识别技术成功应用于Windows 7操作系统中。2009年，张博士创立微软亚洲研究院软件分析组 (Software Analytics Group)，带领团队在软件分析这一结合大数据分析、机器学习与软件系统学科的交叉研究方向上进行了开创性的研究和技术创新，多项研究成果已经成功转化到微软公司多项商业产品中。
人工智能离不开感知，而视觉是我们最主要的感知手段。深度学习近年来颠覆了图像/视频理解的进程。这要归因于大数据，大计算，和深度学习体系结构和方法的巨大进步和创新。这次演讲将讨论在视觉智能发展中深度学习技术的关键理念和主要进展，并基于一些实际用例简单阐明如何在这个令人兴奋的领域中开疆拓土，实现技术落地。本次演讲也将讨论一些未来技术趋势。
曾文军，博士，IEEE Fellow，微软亚洲研究院高级领导团队（SLT）成员，首席研究员、智能多媒体组负责人，西安交大-微软亚研院智能信息处理联合实验室主任，密苏里大学、中国科学技术大学、西安交大，天津大学等多所学校博士生导师。曾博士于1990年毕业于清华大学，1997年获普林斯顿大学博士学位。目前负责微软亚洲研究院视频分析和理解的研发，为微软认知服务, 微软云平台Azure 的媒体分析服务，Office, Dynamics,和Windows Machine Learning平台提供技术。担任多个IEEE期刊和杂志的副主编，多个IEEE国际会议(如ICME 2018、ICIP 2017等) 的大会共同主席或技术程序委员会主席。
生命是个复杂的生物过程，其包含无数个复杂的子系统。随着科技水平的提升，大量的生物数据被不断采集和积累。分析建模生物数据，从中获得科学洞见并应用于健康医疗，极富挑战但意义深广。在这个报告中，邵斌博士将从三个方面介绍他们团队在微软亚洲研究院开展的相关科研工作。基因组学方面，他将介绍基于深度学习的基因变异点识别；免疫组学方面，他将介绍利用机器学习解码免疫系统的相关项目；蛋白质结构方面，他将介绍利用计算方法预测蛋白质三维结构。
邵斌，博士，微软亚洲研究院机器学习组高级研究经理。主要研究领域包括计算生物学、机器学习、并行图处理和分布式系统等。邵斌博士于2010年复旦大学毕业后加入微软亚洲研究院。他的许多研究结果发表在相关领域顶级会议和期刊上，并广泛应用于微软的多个产品和服务中，比如微软知识图谱，Bing搜索，Xbox，微软认知服务等。
线上报告链接为：
https://meeting.tencent.com/s/5sEQcoy63d9c
如遇人满无法加入时，请使用直播模式（无法语音互动），直播链接为：
https://meeting.tencent.com/l/5L26Xwo9d885
西安交大微软联合培养博士生项目咨询群
关注官方微信
当前位置:
