報告題目：自動化特征工程：填補特征工程與自優化之間的空白
報 告 人：劉鲲鵬 助理教授 Portland State University
報告時間：2023年4月27日 10:00-11:00
報告地點：數學樓第二報告廳
校内聯系人：程建華 chengjh@jlu.edu.cn
報告摘要：近年來，數據挖掘已經在許多應用場景中取得了巨大的成功。作為數據挖掘的基礎技術，特征工程在理解與感知數據的過程中有着不可替代的作用。理想的特征工程可以移除無關特征、生成信息量大的特征、提高模型表現、提高泛化性、提供更好的理解力和可解釋性。但是，在諸多的應用場景中，大多數從業者并不是特征工程的專家，因此，自動化特征工程，降低特征工程的使用門檻，成為一個不可忽視的需求。本次報告首先介紹自動化特征工程的重要性及其挑戰性；然後着重闡述：1. 自動化特征選擇；2. 自動化特征生成；最後，展望未來的智能化、可理解、可交互的自動化數據科學系統，并提出若幹發展方向。
報告人簡介：劉鲲鵬，波特蘭州立大學計算機系助理教授，研究興趣為數據挖掘與強化學習，研究方向集中在自動化數據科學系統及其在大數據問題上的應用，包括智能城市、機器學習隐私保護、可解釋的推薦系統、用戶行為分析。研究成果發表在KDD、TKDE、IJCAI、AAAI、WWW 等數據挖掘、機器學習的頂級會議、期刊上。多次擔任IJCAI高級程序委員會委員，并且在KDD、ICML、ICLR、NeurIPS、AAAI、WWW、CIKM、ICDM等國際頂級會議中常态化擔任程序委員會委員。
