报告题目：自动化特征工程：填补特征工程与自优化之间的空白
报 告 人：刘鲲鹏 助理教授 Portland State University
报告时间：2023年4月27日 10:00-11:00
报告地点：数学楼第二报告厅
校内联系人：程建华 chengjh@jlu.edu.cn
报告摘要：近年来，数据挖掘已经在许多应用场景中取得了巨大的成功。作为数据挖掘的基础技术，特征工程在理解与感知数据的过程中有着不可替代的作用。理想的特征工程可以移除无关特征、生成信息量大的特征、提高模型表现、提高泛化性、提供更好的理解力和可解释性。但是，在诸多的应用场景中，大多数从业者并不是特征工程的专家，因此，自动化特征工程，降低特征工程的使用门槛，成为一个不可忽视的需求。本次报告首先介绍自动化特征工程的重要性及其挑战性；然后着重阐述：1. 自动化特征选择；2. 自动化特征生成；最后，展望未来的智能化、可理解、可交互的自动化数据科学系统，并提出若干发展方向。
报告人简介：刘鲲鹏，波特兰州立大学计算机系助理教授，研究兴趣为数据挖掘与强化学习，研究方向集中在自动化数据科学系统及其在大数据问题上的应用，包括智能城市、机器学习隐私保护、可解释的推荐系统、用户行为分析。研究成果发表在KDD、TKDE、IJCAI、AAAI、WWW 等数据挖掘、机器学习的顶级会议、期刊上。多次担任IJCAI高级程序委员会委员，并且在KDD、ICML、ICLR、NeurIPS、AAAI、WWW、CIKM、ICDM等国际顶级会议中常态化担任程序委员会委员。
