friends useR

第六届中国 R 语言会议流水帐

预热

5月16日(周四),西直门

到达西直门已经是八点多,见到舰哥已经是快九点,但是还是兴致勃勃地畅谈了国内R语言发展和商业化问题, 以及国内比较奇葩的数据环境,包括国内某xx所在将SAS换代为R的种种“事迹”,各种吐槽各种感慨……

又简单聊了聊中文环境下的文本挖掘,准备和舰哥合作写一个,争取后半年空出时间来做。

5月17日(周五),人民大学明德楼

当我到的时候,统计之都成员几乎悉数到齐,美帝的分舵的,上海分舵的、北京总部,新人旧友难得的大聚,我还琢磨着如果房间里丢个炸弹,统计之都 就差不多就会彻底从地球上抹掉了。

接着就是周扬牛掰的可视化展示,各位观众的热情一次又一次的被点燃,各种膜拜,各种掌声,这产品要早出来几年必然完爆Rosling的气泡图。

接着是李舰的关于芒果中国的案例分享,详细介绍了R语言在英国应用的成功经验,以及R和SAS在制药领域的地位,以及R在定量药理学的成绩,让人大开眼界。

R语言会议 Day 1 Morning

本次R会议报名人数超过600+,可怜国学院的教室只有150,会议筹备组只好又协调了一个镜像教室做同步。等我到的时候,主会场已经人山人海, 所有的工作人员只好全部外面站立,我听完老吴和赵院长的致辞后也只好先行闪到镜像教室。

接下来是重点,关于R会议:

谢益辉 - 我的第8个R包

实话说,益辉从第一个包animation起,我就在琢磨是不是自己也写个R包,后来发现比较分散,函数不少,但不成体系,只好作罢。 益辉的knitr非常有用,像我这种用 Sweave 的老古董慢慢也开始使用 knitr + Rstudio 的模式了。

Graham Williams - Data Mining with Rattle and R

Rattle这个包是我以前做数据挖掘项目必装的一个包,虽说几乎没有用过 rattle 的 Gnome 界面,但必须承认:

rattle 是一个非常优秀的数据挖掘方法集合体

rattle 在R语言上有了更多的数据挖掘的二次开发以及封装,在实际的挖掘项目中能够有效的提高项目的速度。Graham Williams 敬仰已久,但无奈E文有限, 并没有主动过去聊天。

谢邦昌、刘思喆 - DataMining 云端决策平台 CDMS Smart Score II

谢老师的这个演讲颇有一波三折的味道:三月底第十届海峡两岸数据挖掘研讨会,会议间隙大家闲聊到R会议,谢老师惊奇的发现5月18、19日居然有时间! 于是定下要来R会议做主题演讲。不过不巧的是,在会议前1周临时有要事须去美国,因此由我来代讲。

自我评价:中规中矩,95页的幻灯片,时间稍稍有点超

材料中提到的 Smart Score II 这款产品大家可以在这里测试与使用 http://120.125.85.66/mining/index.php

帐号和密码同为:test

John Maindonald – Rethinking Data Analysis and Data Analysis Tools

Maindonald 老爷子是统计之都的老朋友,在第一届R语言会议就通过Skype远程连线了国内会场(不过当时效果较差,只好中断)。 老爷子现在已经退休,但是还是非常热爱统计,对我们这些统计后辈非常关照。这次的演讲站在了一个比较高的角度诠释了R语言, 不过 Rethinking Data Analysis 的时候时间不太充裕,按时停止了分享, 让我颇感自责和遗憾(我超时了3分钟,老爷子就少了3分钟)。

R语言会议 Day 1 Afternoon

李舰、周扬 - 禽流感分析中的R

估计李舰和周扬头一天晚上分享了一遍,当天的演讲有所保留。但那已足够让全场认识到 R 语言在动态图形上的强大, 尤其大部分可视化产品都是从一个有情怀的 R 语言程序员的手中诞生。实话说,我一直期待 R 语言的可视化引擎什么时候可以方便嵌入到商业 BI 项目上, 那对业务人员对 BI 的认识是个极大的冲击。

期待 Mango-solution 的强大的 mangochart 包的开源

张晓华 - displayHTS

张老师的这个包虽说和自己关系不大,但我还真见过!最惊讶的是默克的司训,和统计之都、以及自己的原则非常相似。内容的话,隔行如隔山,不多做评论。

张常有 - Julia 语言和并行计算

Julia 是最近几年新兴的数据分析语言,标志是媲美C的速度。虽然她的理念要比R语言要新,但个人认为 Julia 还需要很长的时间才能够走到今天R的地步。 后来张老师同事负责开发的OpenBlas是我一直想尝试的库,这个库在某些场景下可以有效提高代数运算速度。 像 Oracle R Enterprise 即调用了 Intel 的MKL BLAS,因此速度才有显著的提高。

肖楠 - Web Scraping with R

统计之都的黑客,没有之一!详细的讲述了定向爬虫如何在R语言架构下的使用,非常全面。杀人越货,居家旅行必备之良器。

R语言会议 Day 2 Morning

这半天的5位嘉宾都是本领域的绝对专家,我的几位同事都向反映看到他们几个都感觉压力太大,哈哈。

庄宝童 - 机器学习在互联网广告中的应用

宝童的报告水平很高,属于多年的经验汇总,不但总结了各大平台的广告系统特点,甚至算法也有总结。 有些机器学习方法,虽然有些了解,但对于在工业界应用估计很多人也是第一次听闻。虽然超时15分钟,但意犹未尽,不忍释怀。

潘佳鸣 李忠 - eBay 大数据分析中的应用

eBay 的数据应用去年在上海就有见识,整个公司以数为据,着实让我感到了国际一流跨国公司的企业文化。李忠大哥的报告从用户的多角度展示了 Ebay 在使用R语言的案例,各种ggplot2的绘图,业务和统计高度结合,让人目不暇接。

潘佳鸣的报告就更有意思了,日志分析这么枯燥无聊的事情也使用R做了文本分析,甚至做了LDA的主题模型,并做分类识别算法,想法非常赞!

个人觉得赵扬去了eBay 而没有选择京东是更好的选择

阿稳 - R 的工程实践和Data Scientist

阿稳的报告中有太多的亮点,不多讲,枚举几例:

  • Spark -> Rpark
  • 向量化编程
  • 关于数据科学的定义

上述几项,如果没五年以上”扎实”的数据挖掘项目的沉淀,根本不可能有如此的领悟。

阿稳确实是国内数据挖掘领域顶级的工程师。

王浩 - 基于机器学习的互联网内容质量评价与智能排序

和王浩在微博上神交已久,终于请到了本人来 R 会议,非常荣幸。王浩做的项目非常有意思,记得有张妈妈们在不同时期搜索的关键词, 真是一图胜千言。回头大家翻翻王浩的幻灯片,信息量非常大。正如微博所描述:数据挖掘、用户行为分析和推荐算法方面的研究实践者。 所有的工作都凝结了王浩博士的思考,实在佩服!

看这条微博,限18岁以上 http://weibo.com/1658771391/zqiBopM0g

一句话总结:没听够就结束了

R语言会议 Day 2 Afternoon

王汉生 - On the ultrahigh dimensional linear discriminant analysis problem with a diverging number of classes

王老师是一个值得尊敬的前辈,不但学术做的好,业界应用也做的好,是我们的榜样。记得王老师最早在微博上反思大数据时代给统计界带来的 挑战时,我就在暗暗佩服。不为别的,单这种气场就不是一般学者能释放出来的。

手写识别这事儿没仔细研究过理论,欧式距离肯定不如马氏距离好用,但这里的 lda 中方差阵 Sigma 的逆(稠密阵)确实不太好好算。 但我估计做 low-rank appropriation 应该是这个问题的更好解决方向(空间变换后的低维度空间的相似问题),但没实际操作,只是猜想。

周庭锐 - 移动应用里的线上行为:一个 R 的尝试

认识周老师还真有点奇遇的意思,早年和 Sweave 的作者 Friedrich 有些关系,后来 Friedrich 写了一个很牛的包叫做 flexmix,专门做有限混合模型, 某天突然发现国内有位教授在一个叫做”风住沉香”的博客上有详细的写了 flexmix 的应用案例,果断翻看了博客里的所有内容。 得知周老师不但是台湾市场营销系的创系教授,还曾在机场用R编写了易经占卜软件。市场营销 + R 语言,这个组合有点超出我的理解,呵呵

周老师的台风实在有趣,高深的理论在听众的笑声中消化的无影无形,厉害!

周老师在收得邀请后随即表示非常乐意参与,接触的过程,谦逊的品质在时时刻刻都在感染着我,是我追随的轨迹。

李欣海 - 用 R 和WinBUGS 实现贝叶斯分级模型

李老师在本领域应用统计的功底非常深,还清晰地记得以前一起兴高采烈讨论随机森林的场景。不过这次的分级模型(Hierarchical modeling)利用了WinBUGS软件, 暂时超过我的研究领域,暂且不评论。

李老师最后一页是朱鹮展翅翱翔的照片。那时、那景,不知为何眼眶湿润了。是为那濒临的朱鹮,还是为寂寞的统计人,还是为那翱翔的梦?

王贺 - 基于R 语言的网络文本挖掘与数据可视化

师弟很强,尤其是才刚刚大三。各种绚丽的展示,深刻的思考。让台下某为的一位朋友按耐不住,都想直接现场挖人了。

有这么多优秀的师弟师妹也是件很幸福的事情,比如怡轩也是从大三看到今天的,当年就展示了极具张力的才华,我们只有羡慕嫉妒恨的份了。 未来还会看到更多的有为的学弟学妹。

关菁菁 - Data cloning

还没来得及看相关论文,反正我是理解成Two stage prediction 问题了。菁菁是我院的才女,当年(貌似也是大三)就以一篇 ensemble model 的演讲 在 R 会议上技惊四座,前途无可限量啊~


太多老朋友没时间一一叙旧:

施涛老师, @rickjin, @张磊IDMer, @大数据皮东, lyxmoo, @road2stat ……

以及从上海、西安、天津、武汉等地的朋友们、学弟学妹们,向你们的热情致敬!

还有高涛、太云、陈昱、Manqi, 晓矛, 建冲, 展航, 冷静, 陈森,还有几位叫不上名字的师妹,感谢你们的努力!


最后补一张往届留作纪念的 R 会议胸牌: