1、 学术报告
时间：2016年6月2日上午10:30——12:00
地点：天津大学25教学楼三层C教室
题目：P2P借贷市场中的网络拓扑特征与系统风险
主讲人：李悦雷
主讲人简介
天津大学博士毕业，2011年7月入职学部，金融系副教授，主要致力于计算实验金融与行为金融方面的研究。至今有数篇论文在经济金融领域期刊发表，包括金融研究、管理科学学报、系统工程理论与实践、Information Sciences等。
报告内容简介
李悦雷从借贷关系网络的视角对P2P借贷市场中所形成的借贷网络进行了拓扑特征分析，同时在此基础上提出了一种测度P2P借贷市场系统风险的方法，构建了以网络介中心性、聚集系数、网络组织效率、以及边贡献率等参数的系统风险计算模型，并以“人人贷”的交易数据为例进行了网络拓扑特征分析和系统风险的测算。
2、 学术讲座
时间：6月2日（周四）上午8:45-10:00
地点：天津大学25教学楼三层B教室
题目：管理研究中的概念架构及其形成
主讲人：王迎军
（南开大学商学院教授，企业管理专业博士生导师，主讲课程：战略管理、研究方法）
3、 学术沙龙
时间：6月2日下午13:30-17:00（签到时间：13:30-14:00）
地点：天津大学25教学楼三层A教室
题目：解析专利价值，如何让专利更值钱？
【活动流程】
14:00-15:00
主题一： 企业专利价值评估的方法
分享嘉宾：蒋雯 PatSnap智慧芽（华北区）培训经理
15:00-16:00
主题二： 从专利价值评估角度看专利申请与布局战略
分享嘉宾：车慧中 德高行(北京)科技有限公司副总经理
16:00-16:45
实操分享&互动
分享嘉宾：丁辉 PatSnap智慧芽（华北区）咨询经理
16:45-17:00 咨询&交流
4、 下午茶沙龙
时间：2016年6月2日（周四）1:30-5:00 PM
地点：天津大学25教学楼三层B教室
题目：能源革命背景下以全球均衡视角看中国能源安全问题
主讲人：张中祥 天津大学管理与经济学部“千人计划”特聘教授
主讲内容概要
从中国在全球范围探索能源安全问题的视角出发——
1、中国对国际石油及天然气的需求已得到前所未有的全球范围内的关注和审视
2、美国主导下的对华石油封锁问题
3、中国政策性银行运作问题
4、石油和天然气贷款业务问题
5、中国国际石油企业的股权问题
中国国有企业海外投资与并购的启示
主讲人简介
张中祥，荷兰瓦赫宁根大学经济学博士,天津大学管理与经济学部“千人计划”特聘教授，国家科技重大专项实施影响评估专家组组长，上海特聘专家，亚太政策研究会(APPS)会士,欧洲环境和资源经济学家学会(EAERE)中国代表,巴黎政治学院IDDRI科学委员会委员，中国科学院政策与管理研究所首位特聘教授,中国社会科学院数量经济与技术经济研究所和美国夏威夷大学经济系兼职教授，入选中国高校在整个人文社会科学领域在1956-2008年53年期间以第一作者身份在SSCI/A&HCI收录的核心期刊上10多位发文量最多的作者。中国政府正在实施的2020减排目标、2030年控制碳排放总量的承诺、一带一路和建立亚投行等这些中国在今后相当长的一段时间实施的国内外战略，都有张中祥教授前瞻性、原创贡献，被现任《联合国气候变化框架公约》秘书处执行秘书称为“气候领域学术大师”。
5、 学术报告
时间：6月3日上午9:00
地点：天津大学25教学楼三层A教室
题目：Probabilistic Models for Aggregate Analysis of Large Scale Non-Gaussian Data
主讲人：吕萌
主讲人简介
Meng Lu received her B.S degree in computer science from China University of Mining and Technology, Beijing in 2007; and her Ph.D. in computer engineering from Texas A&M University, College Station in 2015. Lu's research interests include data mining, statistical machine learning, and their applications in electronic commerce and bioinformatics.
报告简介：
The big objective of many big data applications is to perform association analysis and create predictive models using data mining methods. However, the high dimensionality and complex data types of large-scale data pose great challenges nowadays. In this talk, I will introduce my research efforts towards providing effective and scalable tools for dimension reduction and aggregate association analysis of large-scale non-Gaussian data. A sparse exponential family PCA (SePCA) method is developed to perform sparse dimension reduction for non-Gaussian data, e.g., binary data, categorical data and counts, that can be assumed following the distributions in the exponential family. The regularization of the principal component loading vectors is involved in this model. We derived closed-form updating rules to solve the formulated optimization problem, leading to high computational efficiency. A key contribution of my research is a scalable and effective dimension reduction method for large-scale complex data. SePCA can also be extended for supervised learning. The supervised SePCA provides a hierarchical understanding of the mechanism in the association analysis for large-scale data. As a matrix factorization method, SePCA also has wide contributions in electronic commerce, bioinformatics and other areas.