第十届北京大学可视化暑期学校第一天的课程于2018年7月17日9点整准时开讲。
屈华民：数据可视化与可解释性人工智能
第一位讲者是来自香港科技大学的屈华民教授，课题为数据可视化与可解释性人工智能。首先，屈教授介绍了数据可视化的定义、目的、分类以及可视化上游和下游。其次，屈教授讲述了可视化的信达雅的标准，信即accuracy；达即intuitiven、efficentcy、effectiveness；雅即aesthetic。然后，屈教授讲述了什么是可解释性模型、为什么要做可解释性模型、以及如何去做可解释性模型。同时也给出了做可解释性模型时遇到的问题，并且提供了他们实验室已有的关于可解释模型工作的文章。最后，屈教授讲述了利用可视化与机器学习去应用于教育方向，主要通过慕课网的案例、教室监控案例、网上做题的案例来分析在教育方面下可视化与机器学习结合的作用。
下午的课程分为两个部分，分别由来自马里兰大学帕克分校的两位教授讲授。
第一部分是Hanan Samet教授介绍他近年来较为出色的工作，其中Reading News with Maps by Exploiting Spatial Synonyms获得了Computer Society Wallace McDowell Award，文章基于新闻数据和地理位置提取出传播模式、新闻聚类等相关信息，设计了一种全新的新闻阅读模式，让用户可以自由地在地图上漫游，浏览新闻，并且可以根据用户的兴趣点和兴趣地理位置进行相关筛选，解决了传统新闻阅读的地名混淆、被动接受的问题，可以让用户主动探索新闻。
Leila De Floriani：Topology-Based Methods for Spatial Data Analysis and Visualization
第二部分则是由Leila De Floriani介绍她在大空间数据拓扑分析方面的工作，重点讲授带有函数值的点数据：标量场（地形，2D或3D图像，非结构化体积数据集等）和多场，利用持久同源性和莫尔斯理论等拓扑方法可以非常简洁地提取数据的内部结构，进行进一步的可视化和模拟，从而实现分析和交互。
实验室小伙伴与会后与Hanan Samet老师的合影
今天的课程都由全球优秀的可视化学者进行讲授，教授们的课程开阔了我们的视野，令人受益匪浅，我们对明天精彩的课程非常期待。
