京公网安备 11010802034615号
经营许可证编号:京B2-20210330
随着互联网的广泛使用,我们迎来了一个信息爆炸的时刻。海量的信息带来了数不尽的财富,同时也给数据的有效和最大化利用带来了众多艰巨的挑战,比如大数据时代数据可视化所面临的带宽、安全、协作等问题。
美国加利福尼州大学戴维斯分校教授 马匡六
马匡六,美国加利福尼州大学戴维斯分校教授,现VIDI(Visualization and Interface Design Innovation)研究团队和美国能源部SciDAC研究所Ultra-Scale Visualization的负责人,马匡六的主要研究领域覆盖可视化、高性能计算及用户界面设计。
自1993年于Utah大学获得计算机博士学位,直至1999年,马匡六一直担任ICASE/NASA LaRC研究员,随后于1999年加入美国加利福尼亚大学戴维斯分校。出于其在并行可视化方面的贡献,马匡六于2000年被授予美国青年科学家最高荣誉——美国青年科学家及工程师总统奖(PECASE)。2001年,因在大规模数据可视化方面做出卓越贡献,马匡六荣获Schlumberger Foundation Technical Award。而在2007年期间,马匡六还被授予大学工学院Mid-Career Research Faculty Award奖项。
马匡六领导了一支包括20名研究员的队伍,在大规模数据可视化、信息可视化、可视化界面设计、艺术绘制和体视化(volume visualization)等领域均有建树。而在IEEE Visualization 2013上,为了表彰其在大规模数据可视化和新可视化技术上的杰出贡献,马匡六被授予2013 Visualization Technical Achievement Award。
除此之外,近年来,马匡六更是许多大型可视化会议的组织者,比如2005 NSF Workshop on Cyber Security、SC06和SC07 Workshop on Ultra-Scale Visualization。在2008年,马匡六更出席为IEEE Visualization Conference、Eurographics Symposium on Parallel Graphics and Visualization、IEEE Pacific Visualization Symposium和Workshop on Visualization for Security(VizSEC)等会议的论文主席。
同时,马匡六更是IEEE Computer Graphics and Applications和IEEE Transactions on Visualization and Graphics的编辑委员。盘点整个计算机领域,对科学可视化、信息可视化及可视化分析三个领域同时拥有重大贡献的科学家并不多,而马匡六正是其中之一——共发表250余篇论文,其中50余篇发表在可视化领域的顶级会议和期刊;引领和开创了多个可视化研究方向,提出的可视化算法引起了科研界的巨大反响,被广泛应用于生命医学、材料、天文物理、气候模拟等领域的数据分析。本文来自:CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07