内容简介：

Big data analytics is often prohibitively costly. It is typically conducted by parallel processing with a cluster of machines, and is considered a privilege of big companies that can afford the resources. This talk argues that big data analytics is accessible to small companies with constrained resources. As an evidence, we present BEAS, a system for querying big data with bounded resources. BEAS advocates a resource-bounded query evaluation paradigm, based on a theory of bounded evaluation and a data-driven approximation scheme. As a proof of concept, BEAS is found to improve query evaluation of our industry collaborators by orders of magnitude.

报人简介：

樊文飞, 英国爱丁堡大学信息学院主任教授，英国皇家学会 (英国国家科学院)院士，爱丁堡皇家学会 (苏格兰科学院)院士，欧洲科学院院士, 美国计算机协会会士（ACM Fellow) ，“千人计划”特聘专家和长江学者。国内任职北京大数据科学与脑机智能高精尖创新中心首席科学家，北京航空航天大学大数据科学与工程国际研究中心主任、北大深圳研究生院南燕荣誉兼职教授、国务院侨办海外咨询专家。毕业于北京大学（本科，硕士）和美国宾夕法尼亚大学（博士），任职爱丁堡大学前为美国贝尔实验室科学家。曾获得欧洲研究委员会ERC Advanced Fellowship(2015）、英国Roger Needham奖（2008）、海外杰出青年学者（2003）、美国CAREER Award（2001）, Elsevier网络科学刊物年度最佳论文和最杰出作者奖（2002），以及数据管理四大国际顶级理论与系统会议的时间检验奖和最佳论文奖：Alberto O. Mendelzon 时间检验奖/ACM PODS十年最佳论文奖 (2010和2015)，ACM SIGMOD (2017)、VLDB（2010）和 ICDE（2007）最佳论文奖。目前主要研究领域为数据库理论与系统，包括大数据、数据质量、数据集成、分布式查询处理、查询语言、推荐系统、社会网络查询与分析、Web服务等。