第16届中国R会议暨2023X-AGI大会将于2023年11月25-30日在中国人民大学召开，本次会议由中国人民大学统计学院、中国人民大学应用统计科学研究中心、统计之都、原灵科技和中国商业统计学会人工智能分会（筹）主办，由中国人民大学统计学院数据科学与大数据统计系承办，得到宽德投资、明汯投资、和鲸科技、子博设计赞助支持，将以线上会议和线下会议相结合的方式举办。
欢迎进入中国R会议暨2023X-AGI大会官网，获取更多会议信息！
  • 链接：https://china-r.cosx.org/bj2023/index.html
  • 更多详情：统计之都公众号菜单栏点击“最新活动”->“最新R会”
下面为您奉上本次中国R会议暨2023X-AGI大会大模型产业实践专场（二）演讲介绍，本会场主席为王小宁。

大模型产业实践专场（二）

时间：2023年11月25日下午 15:30-17:30
会议地点：
  • 线下：中国人民大学立德楼810
  • 线上：点击阅读原文或扫描下方二维码

会场内容介绍

人工智能时代调研如何智能化
姚凯
个人简介：
姚凯，中央财经大学商学院副教授，Credamo见数创始人，博士毕业于北大光华管理学院营销建模方向，美国宾大沃顿商学院联合培养博士，本科和硕士分别毕业于北师大和北大计算机系。研究领域包括：互联网营销、大数据营销、社会网络分析，论文发表于《营销科学学报》、《管理科学》、《Journal of Business Ethics》、《Enterprise Information Systems》等，曾主持和参与多个国家自然科学基金项目，同时负责市策大赛、心理精英赛两个全国性比赛的运营与执行工作。
报告摘要：
在人工智能时代，新兴技术在不同应用场景得到了广泛应用。市场调研作为消费者洞察与管理决策的核心工作，人工智能与调研的深入结合将使调研效率得到飞速提升。同时，利用人工智能技术也将对调研行业发展和人才培养起到重要的影响。该报告将介绍如何利用人工智能技术提升市场调研效率，并且调研行业人才培养如何能够进一步提升质量。
WealthGPT——让投资更简单
殷磊
个人简介：
殷磊博士现任微众银行资深室经理，智能资管负责人，负责基于AI与另类数据驱动的资产管理和风险管理。殷磊博士带领团队获得2021年彭博量化大赛特等奖；同时，其带领研发的新一代ESG投资平台“揽月”荣获《哈佛商业评论》中国新增长创新实践榜单，2020年证券期货业金融科技研究发展中心（深圳）2020年度研究课题一等奖。殷磊博士之前曾任百度慧眼负责人，去哪网技术总监，简普科技风控技术负责人。
报告摘要：
投资是一项具有挑战性的任务。然而，随着科技的飞速发展，我们有了更多机会利用最新的技术来改进投资决策过程。本次演讲将介绍一个为投资而生的大模型WealthGPT，以及其在宏观市场判断、板块轮动分析、个性化投资建议层面的应用。同时，演讲还会剖析WealthGPT如何帮助机构构建ESG评级体系，促进社会责任投资和绿色主题基金的发展。
面向落地的数据分析：让“可能”变成了“可行”
张丹
个人简介：
张丹，R语言实践者，北京青萌数海科技有限公司CTO，微软MVP。
10年以上互联网应用架构经验，在R、大数据、数据分析等方面有深厚的积累。精通量化投资交易策略，熟悉中国金融二级市场、交易规则和投研体系。熟悉数据学科方法论，在海关、药监、外汇等监管科技领域均有落地项目。
著有《R的极客理想：量化投资篇》、《R的极客理想：工具篇》、《R的极客理想：高级开发篇》，图书英文版被CRC出版集团引进，在美国发行。个人博客：http://fens.me 。
报告摘要：
现在我们正处于大数据时代，处处都产生数据，大部分数据已经不在稀缺，分析方法和算法模型都也写在了教课书中。如何挖掘出数据的价值，让数据分析落地，把数据价值转换为自身价值，是数据分析师核心要考虑的。
数据分析要解决实际业务场景问题，伪需求、不清晰的目标，都会造成项目失败。数据分析不只是指标体系、更不是指标堆积，市场在变，数据也在变，我们的知识结构也要跟着变化。数据分析是跨学科的工作，对人的要求也越来越高，调包侠的时代已过。要以新的视角，看数据、看业务、看技术发展、看我们自己，适应变化，才能把项目做好、落地。
以我多年的对数据分析的实际经验，借助R语言让“可能”变成“可行”。
基于神经网络的统计文献引用数预测
高天辰
个人简介：
高天辰，厦门大学数理统计博士在读，研究兴趣包括：复杂网络数据的统计建模，大数据营销，进化博弈论与生物统计。在《Expert Systems with Applications》、《Journal of the Royal Statistical Society Series C Applied Statistics》，《Statistics and Its Interface》、《经济管理学刊》等期刊发表或被接受论文5篇，参加编著《网络结构数据分析与应用》等教材。
报告摘要：
Citation counts is a crucial factor in evaluating the quality of research papers. Therefore, it is vital to accurately predict citation counts and explore the mechanisms underlying citations. In this study, we focus on predicting the citation counts in the field of statistics. We collect 55,024 academic papers published in 43 statistics journals between 2001 and 2018. Furthermore, we collect and clean a high-quality dataset and then construct multi-layer networks from different perspectives, including journal networks, author citation networks, co-citation networks, co-authorship networks, and keyword co-occurrence networks. Additionally, we extract 77 factors for citation counts prediction, including 22 traditional and 55 network-related factors. To address the issues of zero-inflated and over-dispersed citation counts, a neural network model is designed to achieve high prediction accuracy. Furthermore, we adopt a leave-one-feature-out approach to investigate the importance of these factors. The proposed neural network model achieves an MAE value of 7.352, which outperforms other machine learning models in the comparison. Thus, this study provides a useful guide for researchers to predict citation counts and can be easily extended to other research fields.
线下参与
本会场将线上线下同步进行，线下会场位于中国人民大学，线上会场为学说直播平台。线下参会者需要扫描下方二维码报名。欢迎各位线上线下的朋友共同参会！

关于会议

主办方：
  • 中国人民大学统计学院
  • 中国人民大学应用统计科学研究中心
  • 统计之都
  • 原灵科技
  • 中国商业统计学会人工智能分会（筹）
赞助方：
  • 宽德投资
  • 明汯投资

  • 和鲸科技
  • 子博设计

联系方式

统计之都：专业、人本、正直的中国统计学社区。
关注方式：扫描下图二维码。或查找公众号，搜索 统计之都 或 CapStat 即可。
往期推送：进入统计之都会话窗口，点击右上角小人图标，查看历史消息即可。
继续阅读
阅读原文