个人介绍：杨新，博士，教授，博士生导师，西南财经大学计算机与人工智能学院副院长，中国计算机学会（CCF）成都分部执委、YOCSEF 成都学术委员会（22-23）主席、高级会员，主要研究方向是多粒度学习、持续学习与智能金融等，主持/主研国家级和省部级等科研项目10余项，已在高水平国际期刊和国际会议等发表学术论文70余篇，主/参编专著2部、教材4部。

个人介绍：刘盾，博士，西南交通大学经济管理学院教授、博士生导师；计算机与人工智能学院兼职硕导，中国计算机学会(CCF)和中国人工智能学会(CAAI)高级会员。主要研究方向是粒计算与知识发现、不确定人工智能。主持国家自然基金4项，入选全球前2%顶尖科学家终身成就榜；四川省杰出青年科技人才；四川省学术和技术带头人后备人选；西南交通大学“雏鹰学者”和扬华学者A类人才计划等。已在高水平国际期刊和国际会议等发表学术论文160余篇；主编专著2部；获省部级社会科学优秀成果二等奖2项，三等奖2项。

报告题目：Venture Capital Investment: From Rule of Thumb to Data Science

报告摘要：Recent years have witnessed a venture capital boom. By offering capitals and mentoring, venture investors would receive high returns if their portfolio companies successfully exit, namely being acquired or going Initial Public Offering (IPO). However, the screening and evaluation of startups for investment largely depends on the investors’ personal experiences, social relationships, and qualitative evaluation on firms. The entrepreneurial finance industry thus has a strong call for the methodologically sound, quantitative study of venture capital deals. In this talk, we first introduce a personalized portfolio strategy for assisting investors to target the right startups and determine the proper amount of capital to fund. Moreover, from both financial and managerial perspectives, decision-making process and successful rates of venture capital (VC) investments can be greatly improved if the investors well know the team members of target startups. However, much less efforts have been made on understanding the impact of prominent social ties between the members of VC firms and start-up companies on investment decisions. To this end, we propose to study such social relationship and see how this information can contribute to foreseeing investment deals.

个人介绍：熊辉，现为香港科学技术大学（广州）人工智能学域主任，讲座教授（Chair Professor）。长期从事数据挖掘与人工智能方面的科研工作，在Nature Communications、TKDE、TOIS、KDD、VLDB、AAAI、IJCAI、NeurIPS等国际顶级期刊和会议上发表论文300余篇。学术休假期间曾担任百度研究院副院长并主管5个实验室。他获得的部分荣誉包括AAAS Fellow、IEEE Fellow、ACM杰出科学家、中国教育部长江讲座教授、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）、哈佛商业评论2018年“拉姆.查兰管理实践奖”-全场大奖、2017 IEEE ICDM Outstanding Service Award、ICDM-2011最佳研究论文奖、和AAAI-2021最佳论文奖。

报告题目：可信联邦学习

报告摘要：联邦学习是人工智能和隐私计算的重要交集。如何使联邦学习更加安全可信和高效是今后产业和学界关注的重点。本报告将系统回顾联邦学习的进展和挑战，并展望几个重要发展方向。

个人介绍：范力欣博士是微众银行人工智能首席科学家，他的研究领域包括机器学习和深度学习，隐私计算和联邦学习，计算机视觉和模式识别，图像和视频处理，3D大数据处理，数据可视化和渲染，增强和虚拟现实，移动计算和普适计算以及智能人机界面。范博士是70多篇国际期刊和会议文章作者，范博士曾在诺基亚研究中心和欧洲施乐研究中心工作。 范博士长期参加NIPS/NeurIPS，ICML，CVPR，ICCV，ECCV，IJCAI等顶级人工智能会议并担任AAAI领域主席，主持举办了各个技术领域的研讨会。他还是在美国，欧洲和中国提交的近百项专利的发明人，和IEEE可解释人工智能标准制定组主席。

报告题目：机器学习可解释性研究现状与思考

报告摘要：机器学习是人工智能诸多领域的共性基础与关键技术，机器学习理论、模型与算法的可解释性关乎到人们可否可信有效地使用人工智能。随着深度学习的兴起，机器学习的可解释性研究成为了人工智能科学家广泛关注的焦点。通过对统计机器学习与深度学习的剖析，可解释性可从语义可解释性与原理可解释性进行归纳。然而，在基于机器学习进行决策时，由于受到数据噪音、标注偏好等复杂因素影响，或由于缺乏足够证据和先验知识，决策结果与真实情况由于随机产生的一致性时有发生。此随机一致性将导致决策缺乏客观性与可重复性，给机器学习理论与模型的可信性造成解释性灾难，给经典可学习理论与方法带来了挑战。为此，如何重构具有原理可解释性的可学习理论成为了人工智能的一个基本科学问题。报告在总结归纳机器学习可解释性研究的基础上，汇报近年来针对该问题进行的一些尝试性探索，以期引起人工智能领域的一些学术思考与战略思考。

个人介绍：钱宇华，博士，教授、博士生导师，国家高层次人才入选者，山西大学大数据科学与产业研究院院长，计算智能与中文信息处理教育部重点实验室副主任。主持国自然重点、优青、重点研发等项目10余项；在AI、ACM TOIS、JMLR、ML、IEEE TPAMI、IEEE TKDE等国际期刊发表论文100余篇。成果广泛应用于国防科技服务、遥感图像分析、医疗诊断分析、生物数据挖掘、社会网络分析等领域。曾获山西省自然科学奖一等奖，CCF 优博，百篇优博提名奖，2018-2021年全球高被引科学家。

报告题目：可信图神经网络及其应用

报告摘要：近年来，研究人员开始研究如何将神经网络应用到图数据上，形成了图神经网络的研究热潮。图神经网络不仅成为人工智能的热点技术方向，而且广泛应用在金融、电商、生物医药等众多领域。随着图神经网络模型的广泛应用，模型的可信性受到越来越多的关注，也成为图神经网络进一步应用到关键领域的重要制约因素。本报告将系统介绍可信图神经网络概念内涵，并重点介绍我们在公平性，去偏差和鲁棒性等方面的初步工作，以及在金融等领域的应用。

个人介绍：石川，北京邮电大学计算机学院教授、博士研究生导师、智能通信软件与多媒体北京市重点实验室副主任。主要研究方向: 数据挖掘、机器学习、人工智能和大数据分析。近5年以第一作者或通讯作者在CCF A类期刊和会议发表论文50余篇，中英文专著五部，授权发明专利20余项，相关研究成果应用于阿里巴巴、腾讯、华为、美团等公司。获得ADMA2011/ AMDA2018最佳论文奖和WWW2019最佳论文候选，2020/2021年爱思唯尔中国高被引学者。研究成果获得省部级奖励5项，包括北京市和CCF科学技术奖自然科学二等奖（第一）和吴文俊人工智能科技进步一等奖（第三），获得北京市高等学校青年英才和师德先锋等称号。

报告题目：人工智能与证券市场风险

报告摘要：随着人工智能的兴起，智能技术在诸多领域都取得了一系列突破性进展。在此，我们首先将对人工智能技术的发展历史做一个简单的回溯，把握目前智能技术发展的状况，以及探寻如何将其与传统的金融学理论与实战相结合，探索一条金融智能的发展道路。其次，我们将以AI与证券市场风险研究为例，通过介绍自主研发的QuanPlus和Stock++系统，来阐述如何使用智能技术从大数据分析的角度来探析证券市场的波动， 并对该领域的研究热点和主流技术方案做一个简单的综述。最后，将展望一下智能技术在金融领域的应用前景。

个人介绍：李庆，教授，博导，金融智能与金融工程四川省重点实验室主任，西南财经大学数字经济与交叉科学创新研究院副院长，美国亚利桑那大学客座教授，加州大学伯克利分校CDAR董事，入选多项省部级高层次人才支持计划，关注人工智能、自然语言处理、智慧金融、数字经济等领域，翻译出版了亚马逊畅销书《金融科技-技术驱动金融服务变革》一书。迄今，发表国际学术论文80余篇，包括 ACM TOIS，IEEE TKDE，AAAI，ACL，SIGIR，WWW等。主持国家级课题10余项，包括3项自科基金，1项美国NSF基金。担任3个SCI国际期刊编委和多个学术会议主席和委员，包括亚太信息系统年会（PACIS）主席，ACL 、SIGIR、CIKM、AAAI等国际学术会议委员。其主讲的“金融智能”课程入选教育部－IBM 综合教改课程。2017年7月，其金融智能团队正式加入国际风险数据分析联盟（http://cdar.berkeley.edu）。CDAR由加州大学伯克利分校经济系著名教授Robert Anderson 牵头组建，是以加州大学伯克利分校和斯坦福大学为核心建立的高水平国际合作平台，该平台致力于研究最先进的数据分析技术来解决商业与金融风险问题。

报告题目：人工智能基础构架解决方案