大会特邀报告 报告者1： 戴道清（中山大学） 报告题目： 面向疾病的数据分析集成策略 随着技术的进步，海量数据正在快速产生，这使得利用信息集成和建模解决复杂问题成为可能。精准医疗利用基因组、蛋白质组等组学数据及影像数据，可用于研究复杂疾病在不同层面上的遗传机制，从而精确寻找疾病的产生原因和治疗的靶点所在。 图1 精准医疗涉及不同类型的数据和计算机方法 报告首先从盲人摸象的典故引入数据集成的必要性，并介绍医学数据的特性对集成的影响。接着，引出了集成计算的若干挑战，如维度诅咒、数据异质性、数据缺失、可伸缩性问题等。然后，从数据特性、使用方法、 »
大会特邀报告 报告者1： ZhangAidong（弗吉尼亚大学） 报告题目： Meta Learning for Cancer Prediction 来自维吉尼亚大学的ZhangAidong教授带来了为题“Meta Learning for Cancer Prediction”的精彩报告。报告主要针对癌症预测中部分癌症类别存在数据样本少的问题，如何使深度学习在少量癌症样本上也能表现高性能。Zhang教授使用Meta-learning的模型，先在所有癌症样本数据上进行训练，学习相关数据（其他癌症样本）的先验知识，再使用少量的指定癌症类别的样本对模型进行微调，使得模型在样本量少的癌症类别也有较高表现。 »
本次报告由三位知名学者汇报，他们的报告分别是： 1）浙江大学，陈为教授：可视化与人工智能的融合； 2）清华大学，刘永进教授：非真实感绘制中的图像风格化； 3）中国科学技术大学，刘利刚教授：生活中的计算机图形学技术。 1 报告一 汇报人： 陈为 报告题目： 可视化与人工智能的融合 汇报人简介： 浙江大学教授，博导，计算机学院副院长，CAD&CG国家重点实验室副主任， »
课程： 科学数据可视化 讲师： 陶钧 讲师简介： 中山大学数据科学与计算机学院、国家超级计算广州中心副教授。于2015年获得密歇根理工大学计算机科学专业博士学位，2015年至2018年于圣母大学计算机科学与工程系任博士后研究员。其主要研究方向包括：科学可视化，尤其是信息论、优化方法和交互探索方法在流场可视化方面的应用；以及对时序数据和网络的可视分析和探索。 课程简介： 本次课程分别从标量场可视化和矢量场可视化方面介绍了科学数据可视化。 引入 科学数据可视化(SciVis)： 科学数据可视化是研究科学现象可视化的跨学科分支，包括通过可视化手段解释科学定义，验证科学猜想等。 图1 什么是科学数据可视化 课程设置： 1) »
课程： 可视化设计、变换与编码 讲师： 陈晴 讲师简介： 同济大学设计创意学院助理教授，曾任法国国家信息与自动化研究所博士后研究员，香港科技大学博士，研究方向包括信息可视化、大数据分析、在线教育、智慧医疗及智能设计，国际著名学术会议IEEE VIS学术委员会成员及分会主席。 课程简介： 本次课程主要介绍了可视化编码与变换，其中可视化编码旨在选取合适的标记与视觉通道以精准地表现出不同的属性，而可视化变换旨在合理地处理数据以更好地表达与获取用户所需的信息。 引入 人的感知流程： 如图1所示，人的感知流程由三个步骤组成。step1，感知视觉信号；step2， »