11月19日晚，北京大学元培学院院长、美国普林斯顿大学教授、中国科学院院士鄂维南做客才斋讲堂，围绕“数据科学”的主题，结合自己对大数据的研究实例，带领大家进入了“大数据”的世界。本次讲座由研究生院副院长高岱主持。

鄂维南以全球最大的搜索引擎谷歌为例，分析了数据计算在广告推送领域中的应用。谷歌自成立以来，一直面临着搜索引擎同行的激烈竞争，但其依然在不到 十年的上市时间内实现了市值增加十倍的壮举。搜索引擎面对的是庞杂的网络数据，如何探索出合理的算法，从而准确、高效地从中提取有效信息，促使搜索行业将目光纷纷转向大数据背景下的“云计算”。谷歌也不例外，但其在不断发展完善搜索功能的同时，独辟蹊径地将广告推送与用户搜索偏好相结合，在2012年就实 现了搜索广告3.47%的点击率和5.63%的转换率，从而获得了每天一亿美元的广告收益。谷歌这一将数据计算与广告推送相结合的策略甚至催生了一门新的 学科––计算广告学。

在网络时代之前，数据计算早就已经在许多领域大展身手了。17世纪，德国天文学家开普勒发现了“行星运动三大定律”，这些定律的发现，正是建立在对 前人观察、搜集到的大量天文资料进行数据计算的基础上。后来，牛顿利用他的第二定律和万有引力定律，在数学上严格地证明了开普勒定律，也让人们了解了其中的物理意义，做到了“不仅知其然，而且知其所以然”。

图像数据处理与识别技术是目前的研究热门，这种技术同样是数据计算在现实领域中的应用。鄂维南指出，图像识别技术更多依赖的是基于模型的数学运算，而非面向对象的计算机算法。可惜的是，目前的图像识别与搜索技术仍然“没有超过谷歌出现之前网页搜索的水平”。

专家推荐系统是数据计算应用的另一个主要方向，鄂维南通过在线影片租赁提供商Netflix的例子来说明这一点。Netflix公司会记录并分析用 户的观影习惯，并利用精妙复杂的算法对用户数据进行分析计算，进而根据用户偏好进行细致、个性化的视频推荐，用户可以通过PC、TV或者移动终端如 iPad、iPhone收看“量身打造”的视频节目。除了在线影片租赁外，购物网站如Amazon、淘宝网等，以及婚恋网站如世纪佳缘等也依赖于专家推荐 系统。

除此之外，大数据还在视频处理、社交网络分析和舆情分析上大有建树。

讲座现场

最后，鄂维南介绍了数据科学相关的基本概念。数据科学需要解决的基本问题是根据给定数据，找出产生数据的模型，所以说数据分析的本质是反问 题。网络时代，数据庞杂纷繁、噪音充斥，那么如何为这些数据建立模型呢？鄂维南给出了方案––针对数据点集，贝叶斯（Bayes）模型、高斯混合模型 （Gaussian mixture model）等可以帮助解决；对于广义的时间序列数据，如文本和生物大分子等，可以使用隐式马尔可夫模型（hidden Markov model）来计算；诸如图像之类的二维场数据，可以使用条件随机场的模型进行解决。鄂维南将这种方案总结为“极大似然估计，极大后验概率估计”。

计算科学的基本方法有三个维度：赋予数据数学结构、建立统计模型、寻找算法。鄂维南特别强调，计算数学是针对函数的算法，也就是针对连续的问题的算 法，有函数逼近、微分、积分、优化、微分方程和数值代数等算法；而计算机科学是针对计算机系统（包括网络）的算法，是通过数值和矩阵运算、网络算法、排序和组合优化的方法进行计算的。数据的算法居于以上两者中间，集中了两者的优势。

数据的普遍性和复杂性赋予了数据科学问题多、困难大的特点。数据科学还具备跨学科性：一方面，数据科学涉及到很多学科，如统计、机器学习、生物信息 学、天体信息学、计算广告学和计算社会学等；另一方面，不同的学科之间又有统一性，例如自然语言处理和基因序列分析都用到隐式马尔可夫模型。北京大学已经设立了数据科学本科和研究生的专业。

“大数据”是近来媒体争论不休的话题之一，也被广泛运用到各行各业中，惠及寻常百姓，但如何才能使“大数据”落地，仍然是需要社会各界思考的问题。 鄂维南指出，只有建立和完善数据科学学科，并和实体产业密切配合，才能最终实现“大数据”落地，真正把握住“大数据”时代的历史机遇。

听众提问

讲座结束后，鄂维南与现场师生关于数据科学的话题进行了热烈的互动

主讲人介绍：

鄂维南，北京大数据研究院院长，北京大学元培学院院长，中国科 学院院士，美国数学学会、美国工业与应用数学学会会士，北京国际数学研究中心和北大数学科学学院教授，普林斯顿大学数学系和应用数学研究所教授、运筹和金融工程系兼职教授。鄂维南主要从事计算数学、应用数学及其在大数据、力学、物理、化学和工程等领域中的应用等方面的研究。他于1996年获首届美国总统青年科学家与工程师奖，2003年获国际工业与应用数学协会科拉兹奖，2009年获美国工业与应用数学学会克来曼奖，2014年获美国工业与应用数学学会卡 门奖。鄂维南现任中国计算数学学会第九届理事会理事长、国家973计划项目“非结构数据的统计学习：数学基础及算法”首席科学家、中国大数据专家委员会副 主任委员、中国计算机学会大数据专家委员会委员、中关村大数据产业联盟顾问。