京公网安备 11010802034615号
经营许可证编号:京B2-20210330
2015中国大数据技术大会将在京隆重召开
为了更好帮助企业深入了解国内外最新大数据技术,掌握更多行业大数据实践经验,进一步推进大数据技术创新、行业应用和人才培养,2015年12月10-12日,由中国计算机学会(CCF)主办,CCF大数据专家委员会承办,中国科学院计算技术研究所与CSDN共同协办的2015中国大数据技术大会(Big Data Technology Conference 2015,BDTC 2015)将在北京新云南皇冠假日酒店隆重举办。
中国大数据技术大会(Big Data Technology Conference,BDTC)是目前国内最具影响、规模最大的大数据领域的技术盛会。大会的前身是Hadoop中国云计算大会(Hadoop in China,HiC)。从2008年仅60人参加的技术沙龙到当下数千人技术盛宴,作为极具实战价值的专业交流平台,已经成功举办8届的中国大数据技术大会见证了中国大数据生态系统的建立、发展和演变。
2015中国大数据技术大会将为期三天,在大会主会之外,拟设立16个分论坛,涵盖技术实践、行业应用和热点讨论等多个方向。具体来看:
1. 五十周年,观察数据库衍变
今年是数据库诞生五十周年,前三十年的数据库研究主要围绕数据模型、事务机制、索引结构、查询处理等核心技术展开,学术研究和数据库产品系统密切关联,齐头并进。大数据时代,IT热点从“计算”衍变为“数据”,而“数据库”分论坛将总结历史,立足应用,博采众长。
2. 健壮蓬勃,体验大数据生态
在海量数据处理需求的刺激下,大量优秀和可靠的开源大数据处理框架应运而生,更有一些已经广为业界采用,比如Hadoop、Spark、Storm等。 “大数据生态系统”论坛,多家业内知名企业将分享大数据生态系统实践经验。
3. 借力产业,一览硬件平台技术
软件之外,硬件技术的提升对于大数据应用实践的重要性不言而喻。“大数据基础设施”汇聚顶尖硬件技术,为更多企业大数据实践提供经验借鉴。
4. 挖掘价值,推荐系统深入实践
大数据技术核心是人群分析,而推荐系统包括人群分析和数据变现等是大数据技术精华的体现。“推荐系统”论坛将囊括推荐系统原理、广告精准营销案例分析、内容推荐案例分析等内容。同时,怎样把推荐系统技术应用到传统行业,都将一一揭晓。
5.开放共赢,数据市场及交易
大数据分析和价值发挥离不了数据的供给,除了政府、大型互联网公司、电信运营商等数据富矿外,其他一些企业急需利用数据提升效率、获取新客户、增加销售额。但由于政策法规、市场机制等问题,数据流动一直不高效,从而阻碍了大数据价值的充分发挥,“数据市场及交易”论坛将集中讨论上述问题该如何解决。
6. 数据指导,探讨工业制造前景
经过多年的信息化建设,国内的工业企业在信息系统中存储了大量数据,但是,这些数据对生产的指导作用并没有得以充分发挥,比如用于优化生产流程、优化经营等。基于所存在的诸多挑战,“工业与制造业大数据”论坛旨在邀请大数据、工业控制、工业应用方面的专家,讨论工业大数据应用的前景和挑战。
7. 赋能创新,帮助新金融转型
对于金融业,如何衡量用户信用一直是个艰巨的挑战,因此大量的机构已经开启基于海量社交数据的用户信用评估探索。本次“金融大数据”论坛将通过实际的案例分析和场景来探讨金融大数据的颠覆和创新,分享“如何应用大数据技术来提升整体金融业务”、“如何应用开源大数据技术提升金融行业IT能力”等话题。
8.社会价值,医疗健康与生物大数据
到目前为止,有关医疗健康&生物大数据的研究在基础研究,临床应用、及新兴产业中发挥了不可替代的作用。在“医疗健康与生物大数据”论坛,诸多专家将探讨医疗健康&生物大数据在基础研究中的价值及面临的挑战,释放更多无法衡量的价值。
除此以外,2015中国大数据技术大会还将设置“深度学习”、“大数据安全”等技术论坛,“交通与旅游大数据”、“互联网大数据”、“教育大数据”、“网络与通讯大数据”、“政策法规和标准化”、“社会治理大数据”等技术实践、行业应用和热点讨论等分论坛,满足各行业在大数据实践路上的需求,让参会者满载而归。
中国大数据技术大会,以谈干货实料著称,分享内容覆盖面广,紧扣当前技术实践,获得业界一致好评。
•2007 Hadoop in China Salon:Hadoop使用经验心得研讨
•2008 Hadoop in China Salon(2nd HaCS):发扬开源精神促进Hadoop技术与应用
•2009 Hadoopin China:推广Hadoop实践心得体验云计算先进成果
•2010 Hadoopin China:分享Hadoop技术应用交流云计算实际需求
•2011 Hadoop与大数据技术大会:海量数据掘宝
•2012 Hadoop与大数据技术大会:大数据共享与开放技术
•2013 中国大数据技术大会:应用驱动的架构与技术
•2014 中国大数据技术大会:大数据技术与应用深度结合&落地实践
历届大会上,我们曾邀请到多位在国内外大数据领域的重量级专家到会进行过主题报告,其中包括:
•Doug Cutting,Hadoop之父,Cloudera的首席架构师
•Christophe Bisciglia,WibiData CEO &创始人,曾Cloudera副总裁兼联合创始人
•Ion Stoica,CEO and Co-Founder of Databricks
•Eric Baldeschwieler,Hortonworks CTO
•Michael Stack,Apache HBase项目管理委员会主席
预计数千名大数据行业精英、技术专家及意见领袖将齐聚2015中国大数据技术大会,分享最新技术与实践的洞察与经验,共商大数据时代发展之计。
在筹备阶段,组委会已经力邀多位全球顶级专家参会。除此以外,还将提供更多方便互动和社交的机会,通过主题展览、在线培训、创新大赛、微信调研等丰富的渠道,让与会嘉宾有更多的机会深入了解技术要点,提前与讲师及业内人士交流,相信本次大会最终将为推动中国大数据的产学研用作出重大贡献。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01