报告时间：2018年7月30日 9:30-11:30
报告地点：信息楼X321
熊辉教授是Rutgers, the State University of New Jersey正教授 (终身教授)、RBS院长讲席教授，中国科学技术大学大师讲席教授、百度商业智能实验室主任, 本科于1995年毕业于中国科学技术大学，博士于2005年毕业于美国明尼苏达大学。获得的部分荣耀包括ACM杰出科学家、中国国家基金委海外杰青B类（海外及港澳学者合作研究基金）、 IBM 创新奖、2017 IEEE ICDM Outstanding Service Award 、ICDM-2011最佳研究论文奖、美国罗格斯-新泽西州立大学最高学术奖—the Rutgers University Board of Trustees Research Fellowship for Scholarly Excellence (2009)。 主要学术成果包括：1本专著；3本编著，其中Encyclopedia of GIS（Springer）被评为最受欢迎前十名的Springer华人作者的计算机著作； 学术论文200余篇，其中有70余篇发表在包括 IEEE Transactions on Knowledge and Data Engineering、VLDB Journal、IEEE Transactions on Fuzzy Systems、Machine Learning、IEEE Transactions on Systems, Man, and Cybernetics - Part B、IEEE Transactions on Mobile Computing在内的顶级权威刊物上，有40篇发表在数据挖掘的顶级学术会议 ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)上。熊辉教授还曾在清华大学经济管理学院、长江商学院、中国科学技术大学管理学院、南京大学商学院、美国BSE企业家商学院、湖南大学工商管理学院、大连理工大学管理学院、厦门大学和大连高级经理学院讲授商务智能EMBA以及MBA课程，同时还被中国国家龙星计划作为海外名师邀请为数据挖掘专门授课老师，受到广泛好评。此外，熊辉教授还担任中国证券业协会互联网证券专业委员会、中国计算机学会大数据专家委员会委员和中国房地产评估协会顾问。
熊辉教授目前担任Encyclopedia of GIS (Springer)的共同主编，并担任Encyclopedia of GIS (Springer)的共同主编，以及IEEE Transactions on Data and Knowledge Engineering (TKDE)、 IEEE Transactions on Big Data (TBD)、 ACM Transactions on Knowledge Discovery from Data (TKDD) 和 ACM Transactions on Management Information Systems (TMIS)的副主编。担任ACM KDD-2012企业及政府主题的共同程序主席、IEEE-ICDM 2013的共同程序主席、IEEE-ICDM 2015的共同大会主席及ACM KDD 2018的研究专题程序委员会主席。
熊辉教授的研究工作被Forbes、Xinhua News Agency, the Economist、 Harvard Business Review、 and the Wall Street Journal等媒体广泛报道。其中，经济学人杂志（the Economist）在2016年专文重点介绍了熊教授利用大数据技术预防犯罪的研究工作 (Economist Article Title: Cutpurse capers)，同时哈佛商业评论在2016年也以专文重点介绍他的关于人力大数据分析的前沿工作。
报告摘要：
Recent years have witnessed the big data movement throughout all the business sectors. As a result, awareness of the importance of data mining for business is becoming wide spread. However, the big data are usually immense, fine-grained, diversified, dynamic, and sufficiently information-rich in nature, and thus demand a radical change in the philosophy of data analytics. In this talk, we introduce a set of scenarios for understanding and mining of business data in various business sectors. In particular, we will discuss the technical and domain challenges of big data analytics in business environments. The theme to be covered will include (1) the data mining problem formulation in different business applications, such as marketing, real estate, and mobile intelligence; (2) the challenging issues of data pre-processing and post-processing in business analytics; (3) how the underlying computational models can be adapted for managing the uncertainties in relation to big data process in a huge nebulous business environment. Finally, we will also show some promising research directions.
终审人：张志远