主題

? ? ? ?運(yùn)籌學(xué)與人工智能在業(yè)界的前沿應(yīng)用

主辦方

? ? ? ?浙江大學(xué)管理學(xué)院

承辦方

? ? ? ?浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心

? ? ? ?運(yùn)籌OR帷幄

地點(diǎn)

? ? ? ?浙江省杭州市浙江大學(xué)（紫金港校區(qū)）管理學(xué)院C座一樓金色大廳

會議時間

? ? ? ?2023年8月12日-13日

? ? ? （8月11日18:00-20:00簽到）

形式

? ? ? ??Hybrid（線上線下融合）

2023.08.12-13，『運(yùn)籌OR帷幄』聯(lián)合浙江大學(xué)管理學(xué)院， 在浙江大學(xué)（紫金港校區(qū)）舉辦第二屆“運(yùn)籌學(xué)與人工智能在業(yè)界的前沿應(yīng)用”Workshop，邀請業(yè)界人士暢談運(yùn)籌學(xué)與人工智能在業(yè)界的前沿應(yīng)用。

屆時，國內(nèi)外運(yùn)籌學(xué)應(yīng)用前沿的知名企業(yè)家、專家、學(xué)者將匯聚一堂。來自不同領(lǐng)域的16位重磅嘉賓，愿與大家分享和探討大數(shù)據(jù)背景下的運(yùn)籌學(xué)算法的實(shí)際應(yīng)用，為廣大學(xué)者和大數(shù)據(jù)從業(yè)者提供一場“運(yùn)籌學(xué)盛宴”~

本次活動為期2天，活動分為4個半天，每半天中間安排一次茶歇(含: 企業(yè)展示&招聘)，給你充分的機(jī)會social和network行業(yè)大佬，投出簡歷~

日程安排

2023年度OR企業(yè)評選詳細(xì)信息，參見:

網(wǎng)絡(luò)投票：選出你心中的年度OR企業(yè)！| 完整參選企業(yè)名單

演講嘉賓

嘉賓概覽

按字母順序排列

演講人：David Simchi-Levi

簡介：David Simchi-Levi?is a Professor of Engineering Systems at MIT and serves as the head of the MIT Data Science Lab. ?He is considered one of the premier thought leaders in supply chain management and business analytics.

His Ph.D. students have accepted faculty positions in leading academic institutes including U. of California Berkeley, Carnegie Mellon U., Columbia U., Cornell U., Duke U., Georgia Tech, Harvard U., U. of Illinois Urbana-Champaign, U. of Michigan, Purdue U. and Virginia Tech.

Professor Simchi-Levi is the current Editor-in-Chief of?Management Science, one of the two flagship journals of INFORMS. He served as the Editor-in-Chief for?Operations Research (2006-2012), the other flagship journal of INFORMS and for?Naval Research Logistics?(2003-2005).

In 2023, he was elected a member of the National Academy of Engineering. In 2020, he was awarded the prestigious INFORMS Impact Prize for playing a leading role in developing and disseminating a new highly impactful paradigm for the identification and mitigation of risks in global supply chains.

He is an INFORMS Fellow and MSOM Distinguished Fellow and the recipient of the 2020 INFORMS Koopman Award given to an outstanding publication in military operations research; Ford Motor Company 2015 Engineering Excellence Award; 2014 INFORMS Daniel H. Wagner Prize for Excellence in Operations Research Practice; 2014 INFORMS Revenue Management and Pricing Section Practice Award; and 2009 INFORMS Revenue Management and Pricing Section Prize.

He was the founder of LogicTools which provided software solutions and professional services for supply chain optimization. LogicTools became part of IBM in 2009. In 2012 he co-founded OPS Rules, an operations analytics consulting company. The company became part of Accenture in 2016. In 2014, he co-founded Opalytics, a cloud analytics platform company focusing on operations and supply chain decisions. The company became part of the Accenture Applied Intelligence in 2018.

報告題目：Reinventing Operations Management’ s Research and Practice with Data Science

報告摘要：Machine learning is playing increasingly important roles in decision making, with key applications ranging from dynamic pricing and recommendation systems to personalized medicine and clinical trials. While supervised machine learning traditionally excels at making predictions based on i.i.d. offline data, many modern decision-making tasks, in particular in operations management, require making sequential decisions based on data collected online. Such discrepancy gives rise to important challenges of bridging offline supervised learning and online interactive learning to unlock the full potential of data - driven decision making.The presentation will focus on the integration of online and offline learning to improve decision making in operations management. We highlight three examples. In the first, we consider the challenges of reducing difficult online decision-making problems to well-understood offline supervised learning problems. In the second, we show the impact of offline data on online decision making. Finally, in clinical trials, we show how to convert offline randomized control trials into adaptive, online, experimental design.

演講人：胡浩源

簡介：菜鳥人工智能部負(fù)責(zé)人，主導(dǎo)建設(shè)了greed solver大規(guī)模決策優(yōu)化求解平臺和朱雀大語言模型應(yīng)用平臺。

報告摘要：介紹運(yùn)籌優(yōu)化在物流領(lǐng)域的應(yīng)用點(diǎn)，包括技術(shù)課題的展開和應(yīng)用實(shí)踐的場景。以及大語言模型在管理科學(xué)中的實(shí)踐。

演講人：梁哲

簡介：現(xiàn)任同濟(jì)大學(xué)經(jīng)管學(xué)院教授、同濟(jì)廈航算法聯(lián)合實(shí)驗(yàn)室主任。本科畢業(yè)于新加坡國立大計算機(jī)工程系、碩士畢業(yè)于新加坡國立大學(xué)工業(yè)與系統(tǒng)工程系、博士畢業(yè)于新澤西州立大學(xué)工業(yè)工程系。研究主要集中在航空運(yùn)營管理。在JOC，TS，TRB等期刊發(fā)表論文40余篇。2014年獲得國家自然科學(xué)基金優(yōu)秀青年基金的資助，2018年獲得國家杰出青年基金資助，2019年獲上海市學(xué)術(shù)帶頭人。團(tuán)隊研發(fā)的航班恢復(fù)系統(tǒng)、機(jī)組排班系統(tǒng)已經(jīng)在廈航、東航、川航、順豐等航空公司實(shí)際應(yīng)用并產(chǎn)生一定經(jīng)濟(jì)效益。

報告題目：數(shù)智化航空貨運(yùn)運(yùn)營管理

報告摘要：航空業(yè)是數(shù)字化轉(zhuǎn)型的典型行業(yè)，然而，我國航空貨運(yùn)的數(shù)智化轉(zhuǎn)型還有較大提升空間。報告主要介紹我國航空貨運(yùn)數(shù)智化轉(zhuǎn)型中一系列亟待解決的問題，包括智能貨運(yùn)機(jī)隊和飛機(jī)編排、智能航空貨運(yùn)恢復(fù)、智能貨運(yùn)飛機(jī)配載等問題。結(jié)合算法的數(shù)字化智能決策系統(tǒng)已經(jīng)在順豐航空、圓通航空、京東航空等多家民航企業(yè)落地使用，產(chǎn)生了一定經(jīng)濟(jì)和社會效益。相關(guān)研究也可以為其他行業(yè)，例如鐵路、海運(yùn)、城市物流，提供一定借鑒。

演講人：陸學(xué)華

簡介：

?教育

1983，南京大學(xué)數(shù)學(xué)系，學(xué)士

1986，中國科學(xué)院應(yīng)用數(shù)學(xué)所，碩士

1996，University of Colorado at Boulder 計算機(jī)系，博士

?美國

1996-1997，F(xiàn)ederal Express，資深系統(tǒng)分析員，機(jī)組排班

1997-2006，Sabre，產(chǎn)品架構(gòu)師，Sabre 第二代收益管理系統(tǒng) AirMax 。

?中國

2006-2021，Sabre Shanghai，任運(yùn)籌開發(fā)經(jīng)理，首席代表，主要從事機(jī)場地面資源方面的數(shù)學(xué)模型和算法設(shè)計開發(fā)，包括地勤人員排班，停機(jī)位分配，值機(jī)人員需求預(yù)測，樞紐機(jī)場控制，以及中國區(qū)航班網(wǎng)絡(luò)規(guī)劃產(chǎn)品的服務(wù)和支持。

2022-present，CAE Civil Flight Service，Optimization Service經(jīng)理，Site Manager，主要負(fù)責(zé)機(jī)組排班、航班恢復(fù)產(chǎn)品方面的用戶需求分析，優(yōu)化基準(zhǔn)評估，模型參數(shù)調(diào)優(yōu)，算法效果評估，等等。

報告摘要：TBD

演講人：王夢迪

簡介：Mengdi Wang received her Ph.D. in Electrical Engineering and Computer Science from Massachusetts Institute of Technology in 2013. At MIT, Mengdi was affiliated with the Laboratory for Information and Decision Systems and was advised by Dimitri P. Bertsekas. Mengdi joined Princeton University in 2014. She received the Young Researcher Prize in Continuous Optimization of the Mathematical Optimization Society in 2016 (awarded once every three years), the Princeton SEAS Innovation Award in 2016, the NSF Career Award in 2017, the Google Faculty Award in 2017, ?and the MIT Tech Review 35-Under-35 Innovation Award (China region) in 2018. She is currently serving as an associate editor for Operations Research.

Her research interests on data-driven optimization, reinforcement learning, statistical dimension reduction and system identification. Mengdi’s research group studies the statistical and algorithmic foundation of reinforcement learning and sequential decision-making, as well as their applications in finance, operations research and biomedical research.

報告題目：Reward-Directed Conditional Diffusion: Provable Distribution Estimation and Reward Improvement

報告摘要：We explore the methodology and theory of reward-directed generation via conditional diffusion models. Directed generation aims to generate samples with desired properties as measured by a reward function, which has broad applications in generative AI, reinforcement learning, and computational biology. We consider the common learning scenario where the data set consists of unlabeled data along with a smaller set of data with noisy reward labels. Our approach leverages a learned reward function on the smaller data set as a pseudolabeler. From a theoretical standpoint, we show that this directed generator can effectively learn and sample from the reward-conditioned data distribution. Additionally, our model is capable of recovering the latent subspace representation of data. Moreover, we establish that the model generates a new population that moves closer to a user-specified target reward value, where the optimality gap aligns with the off-policy bandit regret in the feature subspace. The improvement in rewards obtained is influenced by the interplay between the strength of the reward signal, the distribution shift, and the cost of off-support extrapolation. We provide empirical results to validate our theory and highlight the relationship between the strength of extrapolation and the quality of generated samples.

演講人：文再文

簡介：北京大學(xué)北京國際數(shù)學(xué)研究中心教授，主要研究最優(yōu)化算法與理論及其在機(jī)器學(xué)習(xí)和人工智能中的應(yīng)用。2016年獲中國青年科技獎。2020年獲國家萬人計劃科技創(chuàng)新領(lǐng)軍人才，現(xiàn)為中國運(yùn)籌學(xué)會常務(wù)理事，中國運(yùn)籌學(xué)會數(shù)學(xué)規(guī)劃分會副理事長，以及期刊“Journal of Scientific Computing”, “Journal of the Operations Research Society of China”, “Journal of Computational Mathematics”, “Communications in Mathematics and Statistics”的編委和“Mathematical Programming Computation”的技術(shù)編委。

報告題目：A Monte Carlo Policy Gradient Method with Local Search for Binary Optimization

報告摘要：Binary integer programming problems are ubiquitous in many practical applications, including the MaxCut and cheeger cut problem, the MIMO detection and MaxSAT, etc. They are NP-hard due to the combinatorial structure. In this talk, we present a policy gradient method using deep Monte Carlo local search to ensure sufficient exploration in discrete spaces. The local search method is proved to improve the quality of integer solutions and the policy gradient descent converges to stationary points in expectation. Numerical results show that this framework provides near-optimal solutions efficiently for quite a few binary optimization problems.

演講人：印臥濤

簡介：印臥濤博士負(fù)責(zé)阿里巴巴-達(dá)摩院-決策智能實(shí)驗(yàn)室的研究與開發(fā)工作。帶領(lǐng)實(shí)驗(yàn)室發(fā)布了MindOpt優(yōu)化求解器，并使用機(jī)器學(xué)習(xí)和運(yùn)籌優(yōu)化技術(shù)，大大提升了阿里云的計算效率、南方電網(wǎng)在新能源背景下的調(diào)度效率。在加入達(dá)摩院之前，印臥濤是UCLA數(shù)學(xué)系終身教授，在分布式計算、優(yōu)化算法、機(jī)器學(xué)習(xí)、圖像處理的理論和應(yīng)用方面取得了系統(tǒng)性的創(chuàng)新成果。曾獲NSF CAREER獎、Sloan研究獎、晨星應(yīng)用數(shù)學(xué)獎、達(dá)摩獎、Egon Balas獎，以及多個最佳論文獎。自2018起被Clarivate Analyese列為世界1%高引學(xué)者。

報告題目：如何利用圖神經(jīng)網(wǎng)絡(luò)求解混合整數(shù)線性規(guī)劃

報告摘要：這個報告將深入探討GNN（圖神經(jīng)網(wǎng)絡(luò)）和數(shù)學(xué)優(yōu)化之間的迷人關(guān)聯(lián)。我們近期發(fā)現(xiàn)，只要將LP（線性規(guī)劃）定義在特定的圖上，GNNs就可以去判斷LP問題的可行性并以任意精度進(jìn)行求解。為了將這個令人驚訝的結(jié)果擴(kuò)展到MILP（混合整數(shù)線性規(guī)劃）上，我們分析了GNNs的局限性并證明：只要對foldable的MILP的對稱性進(jìn)行預(yù)處理，GNNs就可以去判斷MILP問題的可行性并以任意精度進(jìn)行求解。

這些發(fā)現(xiàn)不僅加深了我們對GNNs表達(dá)能力的理解，而且為這些深度學(xué)習(xí)模型在解決連續(xù)和組合優(yōu)化問題中的應(yīng)用開辟了新的途徑。

演講人：袁曉明

簡介：現(xiàn)任香港大學(xué)數(shù)學(xué)系教授、系主任。主要研究領(lǐng)域是優(yōu)化問題算法及理論、最優(yōu)控制問題、云計算與人工智能問題的建模與計算。2023年與華為云合作獲得Franz Edelman Award（finalist）。先后于2017年、2018年、2021年入選 Clavivate Analytics高被引學(xué)者。

報告題目：云計算中的運(yùn)籌學(xué)模型和計算

報告摘要：我們將討論云計算的一些重要問題，包括虛擬機(jī)發(fā)放、直播的帶寬調(diào)度、以及物理引擎（數(shù)字人、游戲）等。我們將分析這些問題的關(guān)鍵運(yùn)籌學(xué)模型、優(yōu)化技術(shù)、計算以及仿真，并簡單探討將來的研究方向。

演講人：趙磊

簡介：趙磊博士，清華大學(xué)工業(yè)工程系運(yùn)籌學(xué)與數(shù)據(jù)科學(xué)研究所教授，運(yùn)籌學(xué)與服務(wù)科學(xué)研究室（TOpS Lab）主任，交通科學(xué)與物流研究中心主任。近年來主要從事隨機(jī)優(yōu)化方法及其在供應(yīng)鏈風(fēng)險管理、物流和運(yùn)輸管理（特別是超大型城市中的物流配送管理）以及全渠道零售和物流中的應(yīng)用，其研究獲得國家自然科學(xué)基金、科技部等的資助，并且同中外運(yùn)、中石化、中遠(yuǎn)海運(yùn)科技、阿里、華為、美團(tuán)、IBM中國研究院、日本三菱重工、美國通用磨坊等企業(yè)合作，研究發(fā)表于ANOR、COR、EJOR、MSOM、OR Spectrum、TRB、TRC、TRE、TS等運(yùn)籌學(xué)和交通科學(xué)領(lǐng)域?qū)W術(shù)期刊；曾任美國運(yùn)籌與管理學(xué)研究協(xié)會（INFORMS）交通科學(xué)與物流分會（TSL）秘書長和INFORMS Journal on Computing期刊副編，現(xiàn)任Transportation Science期刊副編和Transportation Research Part E期刊編委。

報告摘要：TBD

圓桌嘉賓

嘉賓概覽

按字母順序排列

分享嘉賓1：丁思涵

簡介：教育背景：國內(nèi)非一流大學(xué)應(yīng)用數(shù)學(xué)專業(yè)，后在荷蘭阿姆斯特丹完成了運(yùn)籌學(xué)碩士和博士的學(xué)位。

工作背景：現(xiàn)任 Data scientist manager；博士期間兼職擔(dān)任荷蘭國防部和荷蘭某咨詢公司數(shù)據(jù)和analytics顧問；曾入職埃森哲數(shù)據(jù)科學(xué)咨詢部門，后跳槽至Google愛爾蘭歐洲總部，任職高級數(shù)據(jù)科學(xué)家。2019年回國任職谷歌中國Analytics lead。

分享嘉賓2：覃含章

簡介：現(xiàn)為新加坡國立大學(xué)（NUS）工業(yè)系統(tǒng)工程與管理系助理教授，運(yùn)籌OR帷幄社區(qū)聯(lián)合創(chuàng)始人。麻省理工學(xué)院（MIT）計算與工程博士，清華大學(xué)工業(yè)工程與數(shù)學(xué)雙學(xué)士。研究方向?yàn)閿?shù)據(jù)驅(qū)動方法在運(yùn)作管理、供應(yīng)鏈與物流管理、和交通系統(tǒng)中的應(yīng)用。

分享嘉賓3：周偉華

簡介：浙江大學(xué)求是特聘教授、管理學(xué)院教授、博士生導(dǎo)師、教育部青年長江學(xué)者。曾入選教育部新世紀(jì)優(yōu)秀人才、浙江省151人才第一層次、浙江大學(xué)求是青年學(xué)者、浙江省之江青年學(xué)者、唐仲英青年學(xué)者等人才項目?，F(xiàn)任浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心主任、浙江大學(xué)“大數(shù)據(jù)＋分析和管理”創(chuàng)新團(tuán)隊首席專家、浙江省高校水平創(chuàng)新團(tuán)隊“數(shù)據(jù)分析和管理”負(fù)責(zé)人、浙江大學(xué)-麻省理工學(xué)院“食品供應(yīng)鏈系統(tǒng)化風(fēng)險管理”項目中方負(fù)責(zé)人。

主要研究聚焦于數(shù)據(jù)智能、供應(yīng)鏈管理與決策、供應(yīng)鏈金融與區(qū)塊鏈。相關(guān)研究成果獲國內(nèi)外頂級刊物《Management ?Science》《Operations research》《Production and Operations Management》《Manufacturing & Service Operations Management》《管理科學(xué)學(xué)報》《管理工程學(xué)報》等發(fā)表，并于2022年入選ESI高被引論文。

主持包含國家自然科學(xué)基金重大項目課題、重點(diǎn)項目、科技部重點(diǎn)研發(fā)計劃項目課題等在內(nèi)的國家級課題7項，國家部委、各級政府及企業(yè)項目20余項。研究成果獲教育部高等學(xué)校科學(xué)研究優(yōu)秀成果獎三等獎、浙江省科技進(jìn)步獎三等獎、浙江省哲學(xué)社會科學(xué)優(yōu)秀成果獎二等獎、浙江大學(xué)2021年度學(xué)術(shù)創(chuàng)新獎、2019 INFORMS 服務(wù)科學(xué)大會最佳論文獎第一名、浙江大學(xué)2019年度十大學(xué)術(shù)進(jìn)展提名獎等。

報名通道及報名須知

本屆Workshop的報名通道分為普通通道和知識星球會員通道（立減100元，知識星球內(nèi)獲取報名方式）兩種。

01

普通報名通道

歡迎社會各界運(yùn)籌學(xué)學(xué)者、從業(yè)者及愛好者前來參加此次會議，您可以通過一般通道參與報名，填寫真實(shí)信息報名，審核成功后即可拿到會議門票（個人信息將會出現(xiàn)在會議胸牌上）。

02

知識星球會員通道

匯聚全網(wǎng)分散的資源，倡導(dǎo)同行交流，尋找志同道合的伙伴，知識星球基于【運(yùn)籌OR帷幄】社區(qū)60多個算法相關(guān)細(xì)分專業(yè)的碩博微信群和5個千人QQ群，以及全網(wǎng)80w+專業(yè)受眾。

歡迎對運(yùn)籌學(xué)、人工智能感興趣的小伙伴加入【運(yùn)籌OR帷幄】知識星球，通過知識星球會員通道報名我們的活動，可獲得立減100元的福利，感恩支持我們的知識星球會員！

請掃碼下方二維碼，加入【運(yùn)籌OR帷幄】知識星球年費(fèi)會員，查看相應(yīng)貼子進(jìn)入會員報名通道，并解鎖一整年會員權(quán)益！

報名費(fèi)用

報名資費(fèi)標(biāo)準(zhǔn)如下：

報名截止時間

2020-08-09 24:00:00

注：學(xué)生需提供在讀學(xué)生證復(fù)印件，知識星球會員需提供知識星球ID及名稱。

開發(fā)票

如需報銷：

點(diǎn)擊需要發(fā)票，并提供需要的發(fā)票類型及其它發(fā)票信息（發(fā)票抬頭、稅號等）

浙大食堂不允許校外人員就餐，參會人員可自行選擇是否在浙大食堂用餐，且費(fèi)用需與報名費(fèi)一并提交。浙大食堂餐券預(yù)訂統(tǒng)計截止至8月6日中午12時，餐券即訂即得，不予退訂也無法補(bǔ)訂。請各位在報名的時候根據(jù)需求按選項仔細(xì)選擇~

線上直播(無需注冊付費(fèi)收看)

本次會議將會在視頻號同步直播

關(guān)注運(yùn)籌OR帷幄旗下

專注招聘的公眾號運(yùn)籌Offer

“2023workshop”

獲取直播信息

主辦方

【浙江大學(xué)管理學(xué)院】1980 年，原浙江大學(xué)在全國率先成立科學(xué)管理系。1986 年，原浙江大學(xué)獲批“管理科學(xué)與工程”一級學(xué)科博士學(xué)位授予權(quán)，是全國第一批管理類學(xué)位授予點(diǎn)。1998 年，獲批企業(yè)管理博士學(xué)位授予點(diǎn)。1999 年，四校合并后，新浙江大學(xué)管理學(xué)院組建。新時代，以兩個率先獲得的雙一流學(xué)科為基礎(chǔ)，踏上了建設(shè)世界一流中國管理學(xué)院的新征程。2001 年，獲批工商管理一級學(xué)科博士學(xué)位授予點(diǎn)。2006 年，國內(nèi)首家通過 AMBA國 際 認(rèn) 證， 至 2015 年， 通 過 AACSB、EQUIS、AMBA 三皇冠認(rèn)證；國內(nèi)首家獲批“創(chuàng)業(yè)管理”博士學(xué)位授予權(quán)。2017 年，管理科學(xué)與工程進(jìn)入國家“雙一流”建設(shè)學(xué)科名單。

浙江大學(xué)管理學(xué)院以許慶瑞院士為旗幟，匯聚了包括長江學(xué)者特聘教授、國家級“萬人計劃”領(lǐng)軍人才、浙江大學(xué)文科資深教授、浙江省特級專家、浙江大學(xué)求是特聘教授、浙江大學(xué)文科領(lǐng)軍人才、國家杰出青年基金獲得者、教育部新世紀(jì)人才等 21 人次，以及一大批在各個學(xué)科領(lǐng)域開拓創(chuàng)新、繼往開來的青年才俊隊伍。學(xué)院以雙優(yōu)的一級學(xué)科為依托，匯聚國際國內(nèi)高端人才，為中國的管理教學(xué)與研究開拓前行。

作為中國大陸首家獲得國際權(quán)威認(rèn)證的管理學(xué)院，浙江大學(xué)管理學(xué)院目前已經(jīng)通過包括 AACSB、EQUIS、AMBA、CEEMANIQA 在內(nèi)的國際認(rèn)證和中國高質(zhì)量 MBA 教學(xué)認(rèn)證。

學(xué)院創(chuàng)建了中國首個全球創(chuàng)業(yè)管理項目 --GEP，首個制造與供應(yīng)鏈領(lǐng)域雙學(xué)位碩士項目 --GMSCM，首個面向一帶一路的管理類項目 --PIEGL，成為中國 首 家 加 入 QTEM (Quantitative Techniques forEconomics and Management) 碩士網(wǎng)絡(luò)的管理學(xué)院，并于斯坦福、劍橋、MIT 等建立了一批聯(lián)合研究中心。學(xué)院正籌建中美商學(xué)院，致力于打造以本科生教育為突破的全學(xué)科鏈的人才培養(yǎng)高地。

承辦方

【浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心】浙江大學(xué)數(shù)據(jù)分析和管理國際研究中心是 2016 年正式組建的校級跨學(xué)科研究機(jī)構(gòu)。中心綜合了管理科學(xué)與工程、工商管理、計算機(jī)科學(xué)與技術(shù)、控制科學(xué)與工程、心理學(xué)、醫(yī)學(xué)等多個學(xué)科的師資隊伍，聚焦于應(yīng)用導(dǎo)向的大數(shù)據(jù)研究。

研究中心聘請美國斯坦福大學(xué)管理科學(xué)與工程系及計算數(shù)學(xué)工程研究院杰出終身教授葉蔭宇任中心外方主任。浙江大學(xué)管理學(xué)院周偉華教授擔(dān)任中方主任，華中生教授、劉淵教授、楊翼教授擔(dān)任中心副主任。

研究中心目前設(shè)立 7 個專業(yè)研究所，包括數(shù)據(jù)驅(qū)動決策研究所、數(shù)據(jù)營銷研究所、數(shù)據(jù)治理研究所、智慧醫(yī)療研究所、數(shù)據(jù)分析和可視化研究所、數(shù)字資產(chǎn)和區(qū)塊鏈研究所、政務(wù)大數(shù)據(jù)研究所。

研究中心已經(jīng)建立了廣泛的國際合作研究網(wǎng)絡(luò)，包括來自美國斯坦福大學(xué)，美國麻省理工大學(xué)，加拿大多倫多大學(xué)等機(jī)構(gòu)的研究者。同時擁有大量深入的企業(yè)合

作伙伴，包括阿里巴巴、IBM、個推、銅板街、溫州中津先進(jìn)研究院、覽眾數(shù)據(jù)、云象區(qū)塊鏈、數(shù)智政通等。

本中心是以中青年為主力、具有高科研水平的新型國際合作研究團(tuán)隊，年齡與知識結(jié)構(gòu)合理，朝氣蓬勃、銳意進(jìn)取。本中心各研究所非常重視學(xué)生的培養(yǎng)和指導(dǎo)，對學(xué)生培養(yǎng)模式進(jìn)行了創(chuàng)新，建立了持續(xù)性創(chuàng)新人才培養(yǎng)模式，帶領(lǐng)學(xué)生開展交叉學(xué)科領(lǐng)域的研究探索。在良好的團(tuán)隊學(xué)術(shù)氛圍下，團(tuán)隊在人才培養(yǎng)上成效顯著，很多學(xué)生都在世界各地的企業(yè)、政府、教育機(jī)構(gòu)等單位上發(fā)揮著重要作用。

研究中心的使命：以數(shù)據(jù)為燃料，以優(yōu)化為引擎，創(chuàng)造更智能、更有趣、更美好的世界。研究中心價值觀：開放、協(xié)作、創(chuàng)新、包容。研究中心愿景：致力于成為研究的樂土、人才的沃土與創(chuàng)新的熱土。

【運(yùn)籌OR帷幄】以運(yùn)籌學(xué)為圓心，輻射數(shù)據(jù)科學(xué)、人工智能等領(lǐng)域，旨在為讀者帶來運(yùn)籌學(xué)/優(yōu)化理論最專業(yè)和前沿的資訊與報道，及其在供應(yīng)鏈管理、人工智能等學(xué)科的交叉應(yīng)用。社區(qū)共有30余個細(xì)分專業(yè)碩博微信群，5個QQ群，全網(wǎng)共80余萬專業(yè)粉絲。

媒體支持

運(yùn)籌OFFER

【校苑數(shù)?！?/p>

【運(yùn)小籌】