大数据时代使软件工程领域面临新的挑战，也拓展和丰富了软件工程的外延和内涵，孕育了新的发展趋势。本论坛将研讨大数据时代软件工程的技术并展望其发展趋势。
大数据时代使软件工程领域面临新的挑战，也拓展和丰富了软件工程的外延和内涵，孕育了新的发展趋势。一方面，基于互联网的系统不断涌现，其惊人的规模和增长率，导致数据资产呈指数增长，大数据管理和应用需要新型软件系统（即数据密集型或大数据软件系统）的支撑，因而导致对大数据软件系统开发的工程方法的需求，可扩展数据密集型软件系统的设计方法成为重要挑战，需要考虑跨越分布的软件、数据和部署架构的设计权衡，也需要新的软件架构、设计、工程开发和部署方法。另一方面，大量软件资产的积累使软件工程进入大数据时代，软件资源（如开源软件）开放共享， 更需要有大规模软件重用技术的支撑，软件资产数据挖掘与软件网络化生产变得越来越重要，这有可能大幅度促进软件生产质量与效率的改进。本论坛将特邀相关专家，将研讨大数据时代软件工程的技术并展望其发展趋势。
论坛主席
李宣东
南京大学计算机科学与技术系教授、软件学院院长，兼任中国计算机学会系统软件专业委员会主任、国家自然科学基金委员会信息科学部专家咨询委员会委员、国务院学位委员会学科评议组成员（软件工程）、江苏省计算机学会理事长。近年来主要教学与科研工作集中于复杂软件建模与分析、软件测试与验证，获2011年国家科技进步二等奖，2004年获得国家杰出青年科学基金资助。
金 芝
北京大学教授， 973项目首席科学家。任北京大学高可信软件技术教育部重点实验室常务副主任，国务院学位委员会学科评议组成员（软件工程），中国计算机学会会士与常务理事，中国计算机学会软件工程专业委员会主任，《软件学报》执行主编，《计算机学报》副主编。主要研究领域包括：软件需求工程、知识工程、和基于知识的软件工程等。2006年获得国家杰出青年科学基金资助。
特邀讲者
瑞士苏黎世联邦理工学院（ETH Zurich）计算机科学系教授
苏振东
瑞士苏黎世联邦理工学院（ETH Zurich）计算机科学系教授，加州大学戴维斯分校计算机科学教授和 Chancellor’s Fellow, 加州大学伯克利分校计算机科学博士。 研究领域包括编程语言和编译器，软件工程，计算机安全，深度学习和教育技术。曾获ACM SIGSOFT Impact Paper Award，Google Scholar Classic Paper（2017）Award，多次顶级会议最佳或杰出论文奖，ACM CACM Research Highlight，美国自然科学基金会Faculty Career Award，加州大学戴维斯分校杰出教授奖, 和多个工业界教授研究奖。 ACM ISSTA和ESEC/FSE的指导委员会委员，曾任ACM TOSEM的副主编，SAS 2009，ISSTA 2012 和 SIGSOFT FSE 2016程序委员会 （共同）主席。
报告题目：Going After the Impossible
摘要：This talk highlights the importance of tackling "impossible" research problems via less traveled roads. The first part discusses select, recent instances where new perspectives have led to practical solutions to difficult software engineering challenges. The second part summarizes several under-explored directions to which the software engineering community can uniquely contribute.
美国伊利诺伊大学香槟分校（UIUC）计算机科学系正教授
谢 涛
美国伊利诺伊大学香槟分校（UIUC）计算机科学系正教授、Willett Faculty Scholar。美国计算机协会杰出科学家（ACM Distinguished Scientist）（2015年）和国际电气电子工程师学会会士（IEEE Fellow）（2018年）。《美国计算机协会通讯》（Communications of the ACM）、《IEEE Transactions on Software Engineering》编委，《Journal of Computer Science and Technology》Leading Editor。软件工程旗舰会议ICSE 2021、ISSTA 2015等程序委员会（共同）主席，以及ACM Tapia 2017/2018程序委员会主席和大会主席。曾获美国自然科学基金会Faculty Career Award、微软研究院杰出合作者奖、谷歌教授研究奖、以及三次IBM教授奖。于2012年获中国国家自然科学基金委海外及港澳学者合作研究基金，并于2015年获延续资助。
报告题目：智能软件工程：人工智能和软件工程的协同效应
摘要：近年来，智能软件工程领域涌现出来以解决人工智能或软件工程里的各类重要的任务。 此领域利用人工智能与软件工程之间的协同作用来探索智能[软件工程]和[智能软件]工程的关键问题。前者，智能[软件工程]，专注于在解决各种软件工程任务的解决方案中灌输智能，以实现解决任务的高效率。后者，[智能软件]工程，专注于解决智能软件的各种软件工程任务，比如软件质量保障和软件开发、维护、运营效率。本报告将讨论智能软件工程领域的最新研究和未来发展方向。
北京大学副教授
周明辉
主要兴趣是挖掘软件开发活动数据，研究大规模复杂项目中软件、程序员及其环境之间的关系。在软件工程领域顶级国际期刊和会议TSE、TOSEM、ICSE和FSE等发表50多篇论文，获FSE 2010的ACM SIGSOFT杰出论文；入选2012年教育部新世纪人才计划；获2015年中创软件人才奖。多次担任著名国际会议包括ICSE、FSE和MSR、ESEM的PC和PC Co-Chair等。在软件量化分析和开源生态方面有丰富经验，并为多个企业提供相关咨询服务。2018年获得国家杰出青年科学基金资助。
报告题目： 基于软件工程大数据的开源供应链
摘要：开源开发相关的支持工具和社交媒体等积累了海量的软件开发活动数据，不仅记录着软件代码和项目的产生、演化和使用，也记录着个体（包括开发者和用户）、社区和生态的成长、发展和变迁，为改进互联网时代软件开发方法并辅助商业决策等提供了大数据的新方法和新思维。另一方面，鉴于开源的持续迭代演进（并且仍在加速），海量的代码、开发者、项目之间形成了广泛的依赖和供应链关系,为软件、项目甚至生态的快速形成带来前所未有的机会,也使得风险管理成为现时代条件下（无论是开源还是闭源）的关键挑战。此报告将探讨软件工程大数据所蕴含的开源供应链所呈现的机会和挑战，并讨论软工数据挖掘领域广泛存在的数据使用问题。
华为研发能力规划负责人，软件工程方法和工具专家
黄 泥
华为研发能力规划负责人，软件工程方法和工具专家。长期从事软件开发模式方法、测试自动化和工具平台的规划设计工作，支撑研发效率提升和高质量交付。
报告题目：智能研发的思考与探索
摘要：本报告将探讨智能化软件开发、测试与设计的挑战、规划和实践。并分享针对如何采用智能化手段改进开发者体验，提升软件开发和测试的自动化水平等方面的思考和实践。
东软集团业务基础平台产品线技术总监，资深架构师，大连市青年科技之星
于 洋
东软集团业务基础平台产品线技术总监，资深架构师，大连市青年科技之星。对分布式应用开发、构建、运维等有着自己独到的研究和探索。近十年IT行业工作经历，专注于政企领域信息化平台构建，大规模软件工业化生产方面的理论，实践，产品研发。先后负责过东软SaCa系列、UniEAP系列近十款产品的设计及研发。研发的产品每年应用于东软集团政府、金融、教育、医疗、运营商等上百个项目。主持并承担过国家973、863、核高基、电子基金发展专项、科技部云计算大数据专项、国家重点研发计划“公共安全”重点专项等等国家级科研项目以及省级市级共计三十余项科技项目的研究，获授权发明专利10余项。
报告题目：微服务时代的开发测试交付一体化平台
摘要：应用架构经过几十年的发展，已经进入了大数据、微服务时代。微服务相比于传统架构其敏捷性扩展性获得了质的提高，但也带来了众多的挑战。落地微服务不仅仅是一个技术框架的问题，而是一个体系的问题。本报告将与您分享、探讨大数据微服务时代的软件开发平台应提供的体系化的支撑能力，以及对微服务时代软件开发、测试、交付阶段的实践分享。
百度工程效率总监，百度平台化委员会秘书长
李 涛
百度工程效率总监，百度平台化委员会秘书长，CCF软件工程专委会成员，软件案例研究峰会TOP100 Summit2017联席主席，全球运维技术大会CNUTCon2018联席主席。目前在百度致力于工程领导力（Engineering Leadership）、卓越工程能力（Engineering Excellence）和软件智能开发（Development Intelligence）平台规划与建设，关注领域主要在人工智能、开源、平台治理、精益、敏捷、DevOps、微服务等方向。译有《用户故事地图》、《移动计算原理》。
报告题目：软件智能化开发
摘要：软件产业是引领创新的核心力量。软件开发面临急剧提升的产品交付需求、快速膨胀的编程现场数据规模和常态化大规模跨地域交互协同等挑战。编程现场大数据呈现出瞬时性、海量性、多样性、可变性等特点。同时，这些数据也为AI赋能软件开发提供了有力的支撑。AI技术发展迅速，在一些领域的能力已经超过人类，人们甚至开始担心自己的工作会被人工智能所取代，AI取代程序员的话题也被人们所热议。我们的实践，分别从宏观和微观的角度研究百度程序员工作行为，并建立模型，将读代码、写代码和调试代码这一软件生产环节的最大比重的活动进行智能化改造。以代码语义理解、自动生成和补全以及问题辅助定位与修复等方面的实践，展望了以编程开发为核心的快速迭代，是智能开发现场同侪未来最重要的应用场景。
绿色计算产业联盟技术委员会主任
尹 刚
绿色计算产业联盟技术委员会主任，湖南省复杂系统软件工程实验室主任助理，中国计算机学会软件工程专委副秘书长，中国开源推进联盟副秘书长，中国计算机学会杰出演讲者，军队优秀专业技术人才岗位津贴获得者。主要研究方向为软件工程、分布计算、开源软件、计算机教育。主持国家重点研发计划、国家自然科学基金、省部级研究课题等6项，参与国家863计划重点项目等课题10余项。作为平台技术负责人研制的Trustie平台及社区在产业界、教育界和国家关键部门得到广泛应用，产值超10亿元，获国家技术发明二等奖1项、湖南省技术发明一等奖1项，全军科技进步二等奖2项，国防科技大学教学成果一等奖1项，发表研究论文80余篇，获授权发明专利10余项。
报告题目： Trustie-Codepedia：基于群体协同的开源代码标注与评价
摘要：近年来，大众参与的开源软件创新活动产生了数千亿行高质量软件代码，支撑着高速发展的全球科技创新活动。如何更加有效的理解开源代码的语义和功能，更加有效地复用和改进开源代码，是当前软件领域面临的重大课题。报告将开源生态系统划分为两个重要组成部分：生产系统和产学系统。前者的运行机理可归结为大众化协同、开放式共享、持续性评估为核心的Trustie群体化方法，后者的实践仍面临诸多挑战。Trustie-Codepedia初步构建了一种开源代码群体化标注与复用平台，支持学习者和生产者对代码进行语义标注，持续汇聚和构建代码语义大数据，为形成智能化软件开发工具提供开放共享的大规模训练和学习样本，加速推动软件产学生态的发展。报告还将介绍围绕Trustie-Codepedia开展的大规模实践进展，并与大家分享其中面临的新问题和新挑战。
