【内网】社科院、科研院关于申报重大交叉项目的通知

2023-06-12

各有关单位、老师：为落实第五次文科大会精神，以学科交叉融合构筑创新高峰，实现学术研究的跨越式发展，经研究决定，启动“重大交叉项目”申报工作。现将有关事项通知如下：一、总体目标围绕服务国家战略目标、探索国际科学前沿、支撑区域重大需求，充分发挥学校综合交叉优势，促进学科领域间会聚造峰，产出一批国家级、重量级成果和项目，面向未来培育世界领先的研究成果和新兴学科。二、资助额度2023年资助经费不低于10万元/项，后续经费支持力度视项目执行情况确定。三、申报要求1.项目须围绕专题展开，并制定具体研究任务，每个项目下设任务数量一般不超过5个，每个专题至多只立项1项重大项目。专题范围参考附件1，欢迎申报团队自拟专题。2.项目采用团队负责制。原则上要求文理交叉，主要负责人须来自人文学部或社科学部，团队成员应有明确的研究任务。3.项目实施团队应在相关交叉研究领域具有较强的研究实力和研究积累，有望在解决重大理论和现实问题、促进文科研究范式变革、形成新的学科增长点、推动社会进步等方面取得显著突破。经过建设后，能够承担更多的重大项目，产出更多原创性标志性成果，或在技术研发方面有所突破，或为政府提供重要的决策支持。4.预期研究成果应科学合理，能够在近几年获得国家级重大项目。5.本年度有中央高校基本科研业务费资助项目在研的老师不得再以主要负责人名义申报本项目。四、申报安排1.项目由学院（系）初审、推荐，由社科院组织专家最终评审。每学院原则上只推荐一项项目。2.社科院根据各学院（系）推荐情况，组织专家评审，确定拟建设创新团队名单。五、申报材料填写《浙江大学重大交叉项目申报书》（见附件），纸质件一式1份于2023年6月21日前递交社科院（紫金港校区成均苑3幢南面709室），同时发送电子文本至luxinchen@zju.edu.cn。六、其他1.项目完成时间一般在三年内。在研期间应接受年度检查，按要求提交年度进展报告。社科院组织中期检查和结题验收。项目中期检查和结题验收注重标志性成效考核。突出项目实施中的重大创新、重大突破，能用典型案例的形式展现。2.项目研究成果应标注“中央高校基本科研业务费专项资金资助”（supported by the Fundamental Research Funds for the Central Universities）。  联系人：陈璐馨、赵怡联系电话：88981910电子邮箱: luxinchen@zju.edu.cn附件2 浙江大学重大交叉项目申报书.docx 社会科学研究院科学技术研究院2023年6月9日 附件12023年重大交叉项目选题 一、新一代人工智能专题围绕类ChatGPT人工智能技术与社会治理创新、信息传播变革、教育变革，以及生成式人工智能的法律规制、价值挑战等问题开展研究。二、中华文明专题围绕推动文化繁荣、建设文化强国、建设中华民族现代文明的新时代文化使命，对中华文化传承发展的重大理论和现实问题开展深入研究阐释，推动中华优秀传统文化创造性转化、创新性发展。三、“中国历代绘画大系”深化研究专题基于“中国历代绘画大系”，开展大跨度交叉的深化研究工作，可以包括但不限于书画大数据平台研究、文物数字化保护平台研究、AI辅助鉴别平台研究、生物元素大数据平台等内容。四、亚运会专题    围绕亚运会和后亚运时代相关问题，开展“智能亚运”“绿色亚运”等研究，可以包括但不限于基于深度学习技术的运动员比赛技战术分析研究、基于大数据技术的亚运宣传传播新路径研究、基于区块链技术的亚运会数据管理与保护、智能医疗与运动员健康保障、后亚运时代杭州经济发展与城市形象提升研究、亚洲体育文化特质与文明交流互鉴等内容。

【内网】科研院关于转发省科技厅 省基金办关于组织申报2024年度浙江省基础公益研究计划第一批项目的通知

2023-06-12

各有关院、系（校设机构），各相关老师：根据《浙江省人民政府办公厅关于改革完善省财政科研经费管理的实施意见》（浙政办发〔2022〕22号）、《浙江省自然科学基金项目管理办法》（浙科金发〔2020〕3号，以下简称《管理办法》）等有关规定和年度工作计划，省科技厅省基金办组织开展2024年度浙江省基础公益研究计划第一批项目申报工作，现将有关事项转发通知如下：一、组织方式遵循科研发展规律，坚持自由探索和需求牵引系统部署，聚焦“315”科技创新体系，深入实施“尖峰计划”，推进基础研究、应用基础研究和技术创新融通发展，全方位谋划基础学科人才培养，采取宏观引导、自主申请、平等竞争、同行评审、择优支持的资助机制，项目申请采取省自然科学基金依托单位审核推荐制。二、受理类型（一）2024年度省基础公益研究计划第一批项目按照自然科学基金杰出青年科学基金项目（以下简称“杰青”）、重点项目、探索项目、联合基金四个类别组织申报，申请“杰青”、重点项目和联合基金重大（点）项目的负责人需具备重点实验室等省部级或国家级科创平台支撑条件。（二）省自然科学基金与杭州中美华东制药有限公司冠名设立华东医药企业创新发展联合基金，与白马湖实验室冠名设立白马湖实验室区域创新发展联合基金，与浙江省水利厅、浙江省气象局、丽水市人民政府、北京中卫生物科研转化研究中心等联合资助方设立区域创新发展联合基金，引导和整合社会资源投入基础研究和应用基础研究，解决相关领域、行业、区域和企业创新发展面临的实际问题（详见附件3）。（三）自然科学基金重大项目和杭州、衢州联合基金项目将纳入第二批项目，申报通知另行发布。三、申报要求申请人应符合《管理办法》第十二条至第十六条相关条件和申请通知有关要求，依托单位要做好项目申请的服务指导和择优审核。（一）聚焦重点领域。围绕“315”科技创新体系重点领域和基础学科研究领域申请数一般不少于80%。（二）突出需求导向。联合基金项目应对照申报指南中明确的研究内容或资助方向、绩效目标和学科代码等进行申报。（三）积极培育青年科研人员。基金重点项目的申请人中应有一定比例为40周岁以下的科研人员；根据《关于鼓励和支持女性科技人才更好发挥作用的若干措施》（浙科发规〔2023〕13号）有关要求，“杰青”、探索青年项目的女性科研人员申请年龄放宽到不超过42周岁；有博士后流动站或工作站的依托单位可审核推荐符合条件的博士后申请探索项目；探索公益项目的40周岁以下申请人比例一般不少于50%。（四）实行限额推荐。基金重点、探索项目、杰青项目由我校在择优遴选的基础上限额推荐，申请限额数后续将邮件通知各学院系科研科。（五）严格遵守科研伦理和保密规定。落实《中共中央办公厅 国务院办公厅关于加强科技伦理治理的意见》，项目实施过程中凡涉及人体被试和人类遗传资源、病原微生物、实验动物等科学研究，须严格执行《涉及人的生物医学研究伦理审查办法》《中华人民共和国人类遗传资源管理条例》《病原微生物实验室生物安全管理条例》《浙江省实验动物管理办法》等相关规定。申报材料和相关证明材料不得包涵法律禁止公开的秘密内容或申请人要求保密的内容，如涉密需脱密后提交。（六）强化科研诚信。申请人应如实填写申报材料，如发现弄虚作假、多头或重复申报等科研诚信问题，依据有关规定严肃处理，记入浙江省科研诚信信息数据库。经委托第三方专业机构开展申请书相似度审查，对相似度30%以上（含）的取消申报资格，按形式审查不通过处理，存在科研失信行为的根据有关规定予以处理。四、申报方式和时间安排（一）省自然科学基金属于限项申报，我校作为依托单位，受理各院系在限项名额内的项目申报。请有意向申报的校内科研人员，及时与所在学院沟通，进行预申报登记。（二）因项目实行限额申报，学校将依据意向报送情况进行调整，逾期不予受理。请科研科老师将本院系拟申报人员及项目信息收集：1．申报探索公益类项目（分析测试）。请填写2024年度浙江省基础公益研究计划项目申报信息统计表（见附件5），于2023年6月21日中午12:00前将统计表电子版及加盖院系公章后的扫描版报送至shenry@zju.edu.cn。2．申报探索公益类项目（除分析测试），请填写2024年度浙江省基础公益研究计划项目申报信息统计表（见附件5），于2023年6月21日中午12:00前将统计表电子版及加盖院系公章后的扫描版报送至jingwen0531@zju.edu.cn。3．申报浙江省自然科学基金（除探索公益），请填写2024年度浙江省基础公益研究计划项目申报信息统计表（见附件5），于2023年6月21日中午12:00前将统计表电子版及加盖院系公章后的扫描版报送至kyyjcb@zju.edu.cn。（二）网络申报。2024年度省基础公益研究计划第一批项目采用网络在线填报方式，申请人请通过浙江省政务服务网进行网络申报（网址：https://www.zjzwfw.gov.cn/zjservice/item/detail/index.do?impleCode=ff8080815d551320015d58a5a2f200222331001216001&webId=1），点击“在线办理”，用政务服务网账号登录申报项目。申报须知请参看《附件1：2024年度省基础公益研究计划第一批项目申请须知》。（三）审核推荐。各院系科研科应做好项目申报的服务指导，并对项目进行审核，在规定时间内做好组织申报和审核上报工作。（四）填报时间。本次网上申报从2023年6月12日开始，请各申请人于2023年6月30日下午17：30前，在省基金系统完成填报。请各院系科研科认真对照申报须知进行前期的形式审查工作于2023年7月4日下午17：30前，在省基金系统完成审核。五、咨询方式省基金办1．依托单位管理胡禾，0571-888678162．信息管理系统支持及会员注册郑圣彪、高敏，0571-85214970、281708823．政策咨询陈文强、陈心怡，0571-86964972、281708864．学科咨询工程与材料科学：刘君，0571-85119257李金霞（协管材料科学），0571-85117948孔宇豪（协管工程科学），0571-28178386信息科学：宣晓冬，0571-88217337顾欣星（协管信息科学），0571-28170885化学科学：顾欣星，0571-28170885生命科学：李金霞，0571-85117948医学科学（药学）：徐敏，0571-88212789医学科学（医学）、管理科学：钱昊，0571-88212603地球科学、数理科学：叶璟，0571-281708875．探索公益陈文强，0571-869649726．省自然科学基金联合基金基金办：李金霞、刘君，0571-85117948、85119257杭州中美华东制药有限公司：金美英，0571-89908852白马湖实验室：雪小峰，0571-89920067浙江省水利厅：陶洁，0571-87826556浙江省气象局：刘洁，0571-87070822丽水市科学技术局：吴彦勋，0578-2138609北京中卫生物科研转化研究中心：王晶晶，0571-85333229 科研院1.浙江省自然科学基金（除探索公益类项目）基础研究与海外项目部 覃莉茜 吴尘奕  889810802.探索公益类项目医疗健康、生态环境、公共安全、现代农业、实验动物领域农业与社会发展部马婧雯  88981063分析测试领域 高新技术部沈如怡  88981187 附件1：2024年度省基础公益研究计划第一批项目申请须知.rar附件2：2024年度省基础公益研究计划项目申报操作说明.pdf附件3：2024年度浙江省自然科学基金联合基金第一批项目指南.pdf附件4：2024年度第一批省基础公益研究计划项目申请相关附件模板.rar附件5：2024年度浙江省自然科学基金项目申报信息统计表.xlsx                                                                                         科学技术研究院2023年6月8日

Consistent Selection of the Number of Groups in Panel Models via Sample-Splitting

2023-06-08

浙江省之江教育信息化研究院教育数据应用研究实验室

2023-06-08

浙江省之江教育信息化研究院教育数据应用研究实验室浙江省之江教育信息化研究院教育数据应用研究实验室成立于2023年4月19日，该实验室由省教育技术中心、浙江大学数据科学研究中心、中国电信浙江分公司共同发起，旨在搭建政用产学研平台，推进成果转化。实验室将开展教育数据标准研究、教育数据模型研究、教育数据服务产品研发、发布教育数据价值分析报告等，推动教育数据行业企业生态发展。

浙江大学国际校区大数据科学国际研究中心

2023-06-08

浙江大学国际校区大数据科学国际研究中心为适应对大数据创新理论方法以及高层次人才培养的目标，发挥国际校区和数据科学研究中心的学科融合整体优势，浙江大学国际校区大数据科学国际研究中心于2023年6月2日成立，国际研究中心将依据国家重大需求，面向国际前沿，充分利用学科综合优势，成立商业大数据、医疗大数据和工业大数据三个交叉研究创新平台，并且设立大数据教育与教学平台。研究中心的核心目标：成长为国际大数据交叉研究的创新者和引领者，培养具有高度竞争力和创新能力的交叉复合型人才，为浙江省和国家发展数字经济提供有力支撑。揭牌仪式现场（左起：贲圣林、孙文光、蔡天文、林正炎、何莲珍、屈利娟、黄春华）

【ZJU-CDS Short Courses (2023 Summer)】Selected Topics in Causal Inference

2023-06-06

在大数据时代，观察性研究（observational studies）已经成为科学研究中推断因果关系的重要数据来源。观察性数据中往往存在未观测混杂因素（unmeasured confounder）和缺失数据，这会导致因果推断的偏差和决策的错误。工具变量方法是调整未观测混杂因素的最为有效的方法之一，被广泛用于经济、金融、医学和生物研究。然而，工具变量的有效性无法从观测数据验证，基于工具变量的因果推断经常受到质疑。本次短期课程将回顾观察性研究的几个基础方法，并介绍新的有效工具变量方法、代理推断、非随机缺失数据分析方法，及其在生物医学、流行病学和社会经济中的应用案例。主讲人：郭子剑，副教授，Rutgers University苗旺，助理教授，北京大学时间：6月24日至6月27日，9:00-12:00，共四次课，地点：浙江大学数据科学研究中心，行政楼1417本次短期课程计划从以下方面讨论有关观察性研究的因果推断：第一部分：因果推断基础，工具变量，弱和无效工具变量1.因果推断的基础：从potential outcome 和 structural equation model 介绍 unmeasured confounder bias 以及其影响。2.工具变量的基础：工具变量的假设以及two stage least square estimator，control function。 (Chapter 5 of 【1】 and 【2】)3.弱工具变量（weak instrumental variable）的统计推断【3】：concentration parameters，Anderson-Rubin test, Conditional Likelihood Ratio test。4.在存在无效工具变量（invalid instrumental variable）时进行有效推断【4】5.工具变量选择导致的post-selection inference 及其解决办法【5】6.高维内生变量相关的统计推断【6】7.机器学习方法在观察性研究下的有效使用【7】8.工具变量方法在经济学和医学中(包括但不限于孟德尔随机化)的具体应用以及软件使用【8，9】第二部分：代理推断，合成对照和缺失数据分析1．完全观测的混杂因素的调整2. 重差法与合成对照 [10]3. 代理推断 [11-13]4. 基于代理推断的合成对照、阴性测试设计[14-15]5. 非随机缺失数据的识别性和双稳健推断[16-18]References[1] Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. MIT press.[2] Guo, Z., and Small, D. S. (2016). Control function instrumental variable estimation of nonlinear causal effect models. Journal of Machine Learning Research, 17(100), 1-35.[3] Stock, J. H., Wright, J. H., & Yogo, M. (2002). A Survey of Weak Instruments and Weak Identification in Generalized Method of Moments. Journal of Business & Economic Statistics, 20(4), 518-529.[4] Guo, Z., Kang, H., Cai, T. T., and Small, D. S. (2018). Confidence Interval for Causal Effects with Invalid Instruments using Two-Stage Hard Thresholding. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 80(4), 793-815.[5] Guo, Z. (2021). Causal Inference with Invalid Instruments: Post-selection Problems and A Solution Using Searching and Sampling. Journal of the Royal Statistical Society: Series B (Statistical Methodology), to appear.[6] Guo, Z., Cevid, D., and Buhlmann, P. (2022). Doubly Debiased Lasso: High-Dimensional Inference under Hidden Confounding. Annals of Statistics, 50 (3), 1320 - 1347.[7] Guo, Z. and Buhlmann, P. (2022). Causal Inference with Invalid Instruments: Exploring Nonlinear Treatment Models with Machine Learning. arXiv preprint arXiv:2203.12808.[8] Yao, M., Guo, Z., and Liu, Z. (2023). Selecting Valid Genetic Instruments and Constructing Robust Confidence Intervals for Two-sample Mendelian Randomization Using Genome-wide Summary Statistics. medRxiv, 2023.02. 20.23286200.[9] Koo, T., Lee, Y., Small, D. S., and Guo, Z. (2023). RobustIV and controlfunctionIV: Causal Inference for Linear and Nonlinear Models with Invalid Instrumental Variables. arXiv preprint arXiv:2301.04412.[10] Abadie, A., Diamond, A., and Hainmueller, J. (2010). Synthetic Control Meth- ods for Comparative Case Studies: Estimating the Effect of California’s To- bacco Control Program. Journal of the American Statistical Association, 105(490):493–505.[11] Miao, W., Z. Geng, and E. Tchetgen Tchetgen (2018). Identifying causal effects with proxy variables of an unmeasured confounder. Biometrika 105, 987–993[12] Shi, X., W. Miao, J. C. Nelson, and E. Tchetgen Tchetgen (2020). Multiply robust causal inference with double negative control adjustment for categorical unmeasured confounding. Journal of the Royal Statistical Society: Series B 82, 521–540[13] Cui, Y., H. Pu, X. Shi, W. Miao, and E. Tchetgen Tchetgen (2023). Semiparametric proximal causal inference. Journal of the American Statistical Association,[14] Li, K. Q., X. Shi, W. Miao, and E. Tchetgen Tchetgen (2023). Double negative control inference in test-negative design studies of vaccine effectiveness. Journal of the American Statistical Association[15] Shi, X., W. Miao, M. Hu, and E. Tchetgen Tchetgen (2022). Theory for identification and Inference with Synthetic Controls: A Proximal Causal Inference Framework.[16] Miao, W., P. Ding, and Z. Geng (2016). Identifiability of normal and normal mixture models with nonignorable missing data. Journal of the American Statistical Association 111, 1673–1683[17] Miao, W. and E. Tchetgen Tchetgen (2016). On varieties of doubly robust estimators under missingness not at random with a shadow variable. Biometrika 103, 475–482[18] Miao, W., X. Li, and B. Sun (2022). A stableness of resistance model for nonresponse adjustment with callback.

【内网】【ZJU-CDS Short Courses (2023 Summer)】Selected Topics in Causal Inference

2023-06-06

在大数据时代，观察性研究（observational studies）已经成为科学研究中推断因果关系的重要数据来源。观察性数据中往往存在未观测混杂因素（unmeasured confounder）和缺失数据，这会导致因果推断的偏差和决策的错误。工具变量方法是调整未观测混杂因素的最为有效的方法之一，被广泛用于经济、金融、医学和生物研究。然而，工具变量的有效性无法从观测数据验证，基于工具变量的因果推断经常受到质疑。本次短期课程将回顾观察性研究的几个基础方法，并介绍新的有效工具变量方法、代理推断、非随机缺失数据分析方法，及其在生物医学、流行病学和社会经济中的应用案例。主讲人：郭子剑，副教授，Rutgers University苗旺，助理教授，北京大学时间：6月24日至6月27日，9:00-12:00，共四次课，地点：浙江大学数据科学研究中心，行政楼1417本次短期课程计划从以下方面讨论有关观察性研究的因果推断：第一部分：因果推断基础，工具变量，弱和无效工具变量1.因果推断的基础：从potential outcome 和 structural equation model 介绍 unmeasured confounder bias 以及其影响。2.工具变量的基础：工具变量的假设以及two stage least square estimator，control function。 (Chapter 5 of 【1】 and 【2】)3.弱工具变量（weak instrumental variable）的统计推断【3】：concentration parameters，Anderson-Rubin test, Conditional Likelihood Ratio test。4.在存在无效工具变量（invalid instrumental variable）时进行有效推断【4】5.工具变量选择导致的post-selection inference 及其解决办法【5】6.高维内生变量相关的统计推断【6】7.机器学习方法在观察性研究下的有效使用【7】8.工具变量方法在经济学和医学中(包括但不限于孟德尔随机化)的具体应用以及软件使用【8，9】第二部分：代理推断，合成对照和缺失数据分析1．完全观测的混杂因素的调整2. 重差法与合成对照 [10]3. 代理推断 [11-13]4. 基于代理推断的合成对照、阴性测试设计[14-15]5. 非随机缺失数据的识别性和双稳健推断[16-18]References[1] Wooldridge, J. M. (2010). Econometric analysis of cross section and panel data. MIT press.[2] Guo, Z., and Small, D. S. (2016). Control function instrumental variable estimation of nonlinear causal effect models. Journal of Machine Learning Research, 17(100), 1-35.[3] Stock, J. H., Wright, J. H., & Yogo, M. (2002). A Survey of Weak Instruments and Weak Identification in Generalized Method of Moments. Journal of Business & Economic Statistics, 20(4), 518-529.[4] Guo, Z., Kang, H., Cai, T. T., and Small, D. S. (2018). Confidence Interval for Causal Effects with Invalid Instruments using Two-Stage Hard Thresholding. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 80(4), 793-815.[5] Guo, Z. (2021). Causal Inference with Invalid Instruments: Post-selection Problems and A Solution Using Searching and Sampling. Journal of the Royal Statistical Society: Series B (Statistical Methodology), to appear.[6] Guo, Z., Cevid, D., and Buhlmann, P. (2022). Doubly Debiased Lasso: High-Dimensional Inference under Hidden Confounding. Annals of Statistics, 50 (3), 1320 - 1347.[7] Guo, Z. and Buhlmann, P. (2022). Causal Inference with Invalid Instruments: Exploring Nonlinear Treatment Models with Machine Learning. arXiv preprint arXiv:2203.12808.[8] Yao, M., Guo, Z., and Liu, Z. (2023). Selecting Valid Genetic Instruments and Constructing Robust Confidence Intervals for Two-sample Mendelian Randomization Using Genome-wide Summary Statistics. medRxiv, 2023.02. 20.23286200.[9] Koo, T., Lee, Y., Small, D. S., and Guo, Z. (2023). RobustIV and controlfunctionIV: Causal Inference for Linear and Nonlinear Models with Invalid Instrumental Variables. arXiv preprint arXiv:2301.04412.[10] Abadie, A., Diamond, A., and Hainmueller, J. (2010). Synthetic Control Meth- ods for Comparative Case Studies: Estimating the Effect of California’s To- bacco Control Program. Journal of the American Statistical Association, 105(490):493–505.[11] Miao, W., Z. Geng, and E. Tchetgen Tchetgen (2018). Identifying causal effects with proxy variables of an unmeasured confounder. Biometrika 105, 987–993[12] Shi, X., W. Miao, J. C. Nelson, and E. Tchetgen Tchetgen (2020). Multiply robust causal inference with double negative control adjustment for categorical unmeasured confounding. Journal of the Royal Statistical Society: Series B 82, 521–540[13] Cui, Y., H. Pu, X. Shi, W. Miao, and E. Tchetgen Tchetgen (2023). Semiparametric proximal causal inference. Journal of the American Statistical Association,[14] Li, K. Q., X. Shi, W. Miao, and E. Tchetgen Tchetgen (2023). Double negative control inference in test-negative design studies of vaccine effectiveness. Journal of the American Statistical Association[15] Shi, X., W. Miao, M. Hu, and E. Tchetgen Tchetgen (2022). Theory for identification and Inference with Synthetic Controls: A Proximal Causal Inference Framework.[16] Miao, W., P. Ding, and Z. Geng (2016). Identifiability of normal and normal mixture models with nonignorable missing data. Journal of the American Statistical Association 111, 1673–1683[17] Miao, W. and E. Tchetgen Tchetgen (2016). On varieties of doubly robust estimators under missingness not at random with a shadow variable. Biometrika 103, 475–482[18] Miao, W., X. Li, and B. Sun (2022). A stableness of resistance model for nonresponse adjustment with callback.

“浙江大学国际校区大数据科学国际研究中心”正式揭牌

2023-06-05

6月2日下午，浙江大学数据科学青年学者论坛暨浙江大学国际校区大数据科学国际研究中心揭牌仪式在浙江大学海宁校区举行。为适应对大数据创新理论方法以及高层次人才培养的目标，发挥国际校区和数据科学研究中心的学科融合整体优势，浙江大学数据科学研究中心和浙江大学国际联合学院双方共同筹建了“大数据科学国际研究中心”。浙江大学副校长、国际联合学院（海宁国际校区）党委书记、院长何莲珍、美国宾夕法尼亚大学沃顿商学院Daniel H. Silberberg讲席教授、世界统计学考普斯奖（COPSS Presidents' Award)获得者蔡天文为研究中心揭牌。揭牌仪式现场（左起：贲圣林、孙文光、蔡天文、林正炎、何莲珍、屈利娟、黄春华）浙江大学数据科学研究中心主任、浙江大学求是讲席教授孙文光代表数据科学研究中心在揭牌仪式上致辞，他提到，大数据与人工智能的时代已经到来。数据科学有广泛而巨大的前景，将成为新世纪国际竞争和科技发展的全新动力。国际研究中心将依据国家重大需求，面向国际前沿，充分利用学科综合优势，成立商业大数据、医疗大数据和工业大数据三个交叉研究创新平台，并且设立大数据教育与教学平台。在未来的建设中使中心成长为国际大数据交叉研究的创新者和引领者，培养具有高度竞争力和创新能力的交叉复合型人才，为浙江省和国家发展数字经济提供有力支撑。数据科学研究中心期待与国际校区，特别是与国际商学院展开紧密和深入的合作，取得丰硕成果，为推动我校大数据相关领域的学科发展和人才培养做出重要贡献。孙文光 教授致辞浙江大学国际联合学院（海宁国际校区）党委常务副书记、副院长屈利娟代表浙江大学国际联合学院对“大数据科学国际研究中心”成立表示热烈祝贺。屈利娟 副书记致辞揭牌仪式后，浙江大学数据科学青年学者论坛正式开始。五位学者分享各自领域内的前沿研究成果，获得在场师生的阵阵掌声。李超，浙江大学大数据科学国际研究中心海纳百人计划研究员王一苇，浙江大学国际联合商学院助理教授Andre Python，浙江大学数据科学研究中心研究员、博士生导师周闻宇，浙江大学国际联合商学院助理教授苗晓晔，浙江大学数据科学研究中心百人计划研究员、博士生导师  

浙江大学数据科学青年学者论坛暨 浙江大学国际校区大数据科学国际研究中心揭牌仪式

2023-06-01

2023年浙江大学数据科学研究中心“数据科学与工程”项目优秀大学生夏令营报名通知

2023-05-31

浙江大学数据科学研究中心将于2023年7月13日-15日与浙江大学国际联合商学院（ZIBS）联合举办线下“数据科学与工程”项目（海宁国际校区）优秀大学生夏令营。为优秀学子搭建交流平台，增进对浙江大学数据科学研究中心、浙江大学国际联合商学院和数据科学与工程硕士（international Master of Data Science，简称iMDS）项目的了解，共话大数据等前沿热点话题。一、申请资格1.全国优秀院校本科三年级在校学生(2024年6月应届毕业生)，预期获得本科所在学校推免资格。本科专业为电子信息、统计学、计算机、数学、经济学等相关专业，或专业为管理学、生命科学、医学等相关专业，并辅修以上专业之一；2.专业排名：综合素质突出，本专业成绩优秀，本科前三年（或前5学期）综合成绩排名原则上在本专业前10%；对有出色学术成果者，学习成绩标准可以适当放宽；3.英语水平要求：英语水平良好，达到英语六级500分及以上，或托福90分，或雅思6.5分及以上（雅思、托福等成绩需在有效期内）；4. 身心健康，在校期间无违纪行为、未受过处分。二、申请方式夏令营申请起止时间：6月1日起至6月25日23:59，申请步骤如下： Step 1 填写线上信息汇总表https://docs.qq.com/form/page/DWFFqR3dKSU1aZmpq Step 2 邮件发送申请资料包     将以下文件按顺序扫描汇总成一份PDF文件，文件及邮件命名格式：申请人姓名_IMDS_ZIBS 2023夏令营。同步发送到以下两个邮箱： cds@zju.edu.cn 和 zibs-imds@intl.zju.edu.cn需要打包发送的材料包括：1、附件1.2023年浙江大学国际联合商学院优秀大学生夏令营申请表2、个人简历；3、本科阶段成绩单1份，修读第二学位的学生需同时附第二学位成绩单1份（注明前五个学期总评成绩的专业排名和专业总人数，须由所在院系教务部门盖章）;4、在有效期内的英语水平证明材料（雅思、托福、六级等）；5、学术成果证明材料（能够体现自身学术水平的代表性学术论文或原创性工作成果；6、专家推荐信1封（学术或行业专家推荐，可选）；7、其他证明材料（如各类获奖或资格证书、已发表论文或已录用论文提纲复印件等）。     Step 3 网上系统报名登陆2023年浙江大学夏令营网报入口（https://yjsy.zju.edu.cn/grsinfo/zs/user/login），选择“国际联合学院（海宁校区）-国际联合商学院-数据科学与工程”进行填写相关信息，请注意：系统填报截止到6月25日23：59。特别注意：申请人需同时完成上述三项工作：一是填写信息汇总，二是递交申请材料电子版至指定邮箱，三是完成网上报名。未全部完成上述三项要求者，不予受理。系统填报信息必须与申请材料内容一致，否则视为无效报名。三、审核录取    本次夏令营拟录取营员约拟录取营员30名左右。夏令营组委会将对申请材料进行审核，择优录取，拟录取名单将于6月底在学院官网（https://zibs.zju.edu.cn/）公布，并通过邮件通知。拟录取营员需确认是否参加，逾期未确认视为放弃资格；未入选者将不另行通知。四、夏令营日程具体日程及方案另行公布 五、联系方式联系人：赵老师、苏老师ZIBS电话：0571-8757 2639；数据科学研究中心电话：0571-8820 8268邮箱：zibs-imds@intl.zju.edu.cn和cds@zju.edu.cn导师介绍：http://cds.zju.edu.cn/a/zsxx/2424.html项目介绍：http://cds.zju.edu.cn/a/zsxx/2417.html浙江大学数据科学研究中心2023年5月31日

“数据可视化的艺术表现形式” 交叉学科教育课堂

2023-05-23

Robust Mallows-type model averaging approach

2023-05-08

Statistical properties of deep generative models

2023-04-28

各类报销空表下载

2023-04-25