2023年6月13日下午，新加坡国立大学何丙胜教授和香港科技大学（广州）文泽忆助理教授应邀来访信息科学与工程学院，并于学院201报告厅分别展开了题为《联邦学习系统：数据孤岛上的有效和高效机器学习系统》和《基于CPU和GPU加速的高效机器学习系统》的学术讲座。讲座由副院长蒋洪波教授主持，学院师生参加了本次讲座。

何丙胜教授首先深入剖析了联邦学习的发展趋势，强调了联邦学习系统中隐私保护的重要性和潜在挑战，结合大数据和云计算等热门领域中联邦学习系统的应用前景和困难，阐述了联邦学习系统的系统设计要求及重要特征，最后，对现有的联邦学习系统进行了系统比较，总结了未来的研究机会和方向。随后，文泽忆助理教授具体介绍了如何利用CPU和GPU并行加速贝叶斯网络、梯度提升决策树和支持向量机，以期用可解释的白盒模型获得与基于深度神经网络的方法相媲美的预测准确度，这在医疗、金融等领域意义重大。

讲座提问环节，何丙胜教授、文泽忆助理教授与现场的老师、同学展开了讨论，现场气氛轻松活跃。本次讲座为我院师生提供了一次重要的学习交流机会。

主讲人介绍：

何丙胜博士，新加坡国立大学计算机学院教授、副院长 (研究)。2010-2016年曾任新加坡南洋理工大学教师，2008-2010年在Microsoft Research Asia系统研究组担任研究职位，负责为Microsoft构建高性能云计算系统。何丙胜博士于上海交通大学获得学士学位（1999-2003年），并于香港科技大学获得博士学位（2003-2008年）。他目前的研究方向包括云计算、数据库系统和高性能计算。他曾获得Microsoft / NVIDIA / Xilinx / Alibaba的行业教师奖，在SIGMOD 2008、VLDB 2013、IEEE / ACM ICCAD 2017、PACT 2018、IEEE TPDS 2019和FPGA 2021等顶级论坛上获得了“最佳论文”提名或奖项。自2010年以来，他（共同）主持了多个国际会议和研讨会，包括IEEE CloudCom 2014/2015、BigData Congress 2018和ICDCS 2020。他还担任多个国际期刊的编辑委员会成员，包括IEEE Transactions on Cloud Computing（IEEE TCC）、IEEE Transactions on Parallel and Distributed Systems（IEEE TPDS）、IEEE Transactions on Knowledge and Data Engineering（TKDE）、Springer Journal of Distributed and Parallel Databases（DAPD）和ACM Computing Surveys（CSUR）。他是ACM杰出会员（2020年）。

文泽忆博士，香港科技大学（广州）助理教授。博士毕业于澳大利亚墨尔本大学，曾任西澳大利亚大学讲师、新加坡国立大学和墨尔本大学博士后。主要从事机器学习系统、高性能计算等相关领域研究。他是并行及分布式计算期刊IEEE TPDS 2019年的“最佳论文奖”获得者，是现任机器学习期刊Journal of Machine Learning Research（JMLR）的编委，负责开源机器学习系统软件区。