主讲人: 迈克尔•乔丹
标题：论计算思维、推理思维与数据科学
概要:
科技领域数据集的规模和范围的快速增长为融合了推理和计算科学的数据分析的新基本观点创造了需求。这些领域的经典观点从他们本质上的尖锐分歧来看显然都不足以解决“大数据”出现的问题——在计算机科学中数据量的增长是“复杂”的源头，其必须通过算法或硬件来解决。然而在统计中，数据量的增长是“简单”的源头，因为推论通常更强并且渐近结果可以被调用。在正式的层面，由于在核心统计理论中缺乏如“运行时间”这样的概念，以及在核心计算理论中缺乏如“风险”这样的概念，两者之间的差距是显而易见的。本讲座呈现的几个研究短文旨在缩小计算和统计之间的差异，包括隐私和通信限制下的问题推理以及交易速度和准确性的推理方法。