滑铁卢大学计算机专业解析（五）

人机交互（HCI）侧重于交互式计算系统的设计，评估和实现。简而言之，我们使系统更易于使用，更高效，更具吸引力。为了实现这些目标，HCI利用了广泛的领域，包括行为科学，社会科学，视觉艺术，设计和工程。

目前的研究项目侧重于众包，公民科学，基于手势的交互，触摸输入，机器学习的新颖应用和最终用户应用中的信息检索，以及艺术与人机交互的交叉。

HCI实验室成员是GRAND数字媒体研究网络的一部分，我们与Google，Pinterest和Thalmic Labs等公司进行过往和持续的合作。微软研究院，欧特克研究院，帕洛阿尔托研究中心（PARC），理光创新和三菱电机研究实验室（MERL）等工业研究实验室; 伦敦自然历史博物馆等机构; 和学术机构，如多伦多大学，法国计算机科学与自动化研究所（INRIA），卡内基梅隆大学，哈佛大学和伦敦大学学院。

几乎每天都会宣布技术创新，这些创新代表了医学实践的重大进步。其中创新源于健康信息学领域，该领域旨在通过应用计算机科学的方法和理论来改善人类状况和提供医疗保健。

在滑铁卢，一些研究生和教师积极参与这一领域。我们探索的研究问题代表了全方位的健康信息学，其中包括科学家，他们的工作有助于更好地理解如何治愈疾病，以及其他人的努力探索如何在计算机科学中发挥作用，使人们能够过上健康的生活。当前项目的代表性问题领域包括医学图像处理，基因组分析，老年人辅助技术，定制治疗描述的自然语言生成，电子健康记录的数据挖掘，可穿戴传感器的慢性疾病监测，软件工程，隐私增强技术，计算神经科学，人机交互和普适计算。

滑铁卢大学有着与工业建立紧密联系的悠久传统，我们的健康信息学研究计划代表了这一传统。我们的研究项目都是与医疗保健社区，公共卫生部门和/或主要行业参与者合作开展的。合作伙伴包括地方和联邦政府，公共卫生单位，150多家医院，从主要的学术健康科学中心到小型农村设施，长期护理机构和疗养院，此外还有着名的公司，如微软，爱克发，英特尔，谷歌，和RIM。

机器学习是与计算机科学交叉的统计学专业领域，最着名的是计算统计学，科学计算，数据可视化和计算复杂性等领域。我们生活在一个信息技术允许个人和大型组织收集关于商业交易，网络点击痕迹，健康记录等的大量数据的时代。这些数据包含大量信息，但是“挖掘”数据以提取相关数据信息具有挑战性。例如，如何从交易流中识别欺诈，如何从点击痕迹推断用户习惯/偏好以改善网络服务，如何根据生理测量记录设计新的健康指数，以更好地评估和监控慢性疾病？

机器学习研究主要涉及分析和开发算法，以探索，发现，可视化和模拟数据结构，以及根据该结构进行预测和决策。激励数据通常是不完整的，噪声的，结构上不均匀的并且尺寸大（例如，大量观察，或维度，或两者）。特别注意计算有效（关于时间和内存使用）数据分析算法的开发。研究包括统计方法的数学和计算分析，新方法，算法和软件的开发，以及这些对其他领域的实质性问题的应用。

· 研究课题：分类，回归，聚类，模式分析，结构发现，特征提取，降维，不确定性推理，决策制定，数据可视化，估计，推理，预测。

· 应用领域：数据挖掘，信息检索，健康信息学，生物信息学，自然语言处理，决策分析，智能系统，计算金融。

· 合作：Google，英特尔，UW-Schlegel老龄化研究所，大学医院（伦敦ON），Homewoo研究所（Guelph），公共卫生科学学院（多伦多大学），Sunnybrook健康科学中心（多伦多），Alberta Ingenuity Center用于机器学习。