中国人民大学重点实验室举办数据理工科学术报告。本报告旨在更好地了解工业界的实际需求和平台的使用情况，加强同行之间的学术交流，促进中国人民大学计算机科学的发展。邀请了滴滴大学数据和数据挖研院四位青年学者，苏州大学李、、刘安副教授授课。中国人民大学信息学院设有经济信息管理系、计算机科学与技术系、数学系数据工程与知识工程学院、管理科学与工程学院，其中数据工程与知识工程学院为教育部重点实验室。
同时也对大数据的热门处理平台Hadoop和Spark以及各自的生态系统进行了系统的介绍。此外，他还介绍了滴滴出行在大数据技术方面面临的机遇和挑战。最后，李沛博士根据自己在卑诗大学的博士经历，向同学们推荐了经典教材《-1》和机器学习，并对他们今后的求职提出了一些中肯的建议。
7、大 数据发展的前景怎么样?Da 数据分析已经成为收集商业情报的重要组成部分。很多企业，尤其是线上企业，认为大数据是主流标准。这些企业都在不断研究新的工具和模式来提高自己的大数据利用率。比如汽车行业，汽车行业数据，驾驶行为数据，汽车感知数据，外部环境数据，交通数据，人类社会/。
8、SAS与R优缺点讨论从 工业界到学界关于SAS和R的优缺点的讨论:From 工业界对于学术界来说，虽然在工业界中仍然以SAS为主，但是R在学术界的应用非常广泛，因为它的免费和开源性质使得用户可以编写和共享自己的应用。我们的目的是把这两种差异很大的语言各自的优势展示出来，共同发挥优势。同时也要指出一些多年没用SAS，现在在用R语言的人的误解和偏见，因为他们很少关注SAS的发展和进步。
现在我们注意到了一个不好的现象，就是学术界大量使用R的用户认为R在工业界被SAS占据的位置上有相当大的优势，但是熟练掌握这两个软件对于想在数据 analysis上小有成就的年轻人来说至关重要。SAS经常会有一些更新，非SAS程序员往往不知道，因为没有技术跟进。SAS绘图模块是一个快速发展和增长的例子。然而，许多人并没有注意到这些升级，以至于他们仍然顽固地使用R绘图。
9、 数据科学, 数据挖掘, 数据工程和大 数据之间有什么关系?它们之间的关系如下:数据 Mining和数据 Science基本上是一回事。数据挖是30年前说的，现在叫更高。以前数据挖掘主要是基于统计理论和算法。近年来，在理论上，逐渐引入了大量的数学物理理论和算法，如流型、热力学熵等。总的来说，这两个是一回事。数据项目是用数据科学理论解决实际问题。就像理论核物理和核工程的区别一样。在实际项目中，要解决数据的清洗、提取和转换。
但大部分时候可能是数据清洁转换这种比较低端的工作。算法都是工业界现成的，只是调整参数而已，数据科学，这个概念应该是最大的，所有与数据相关的都可以算作数据科学的范畴。刚开始兴起的时候，也是从国外开始的，在中国，通常有一种说法是数据科学和大数据技术，数据科学是一门学科，大数据技术是研究-1。
