第二届云计算与大数据国际学术会议(CCBD-BT 2019)

The 2nd International Conference on Cloud Computing and Big Data (CCBD-BT 2019)

大会官网：http://www.janconf.org/conference/CCBD-BT2019/

大会时间：2019年12月13-15日

大会地点：泰国曼谷

在线投稿：http://www.janconf.org/RegistrationSubmission/default.aspx?ConferenceID=1175

邮箱投稿：vickykongwy@126.com

录用通知：论文投稿后1周左右

△. 会议简介

第二届云计算与大数据国际学术会议(CCBD-BT 2019)将于2019年12月13-15日在泰国曼谷举行。本届大会将继续遵循学术性、国际性的原则，特邀国内外云计算与大数据领域内的学者专家前来参会，并做出精彩的报告。本次大会旨在为行业内专家和学者分享技术进步和业务经验，聚焦云计算与大数据领域的前沿研究，提供一个交流的平台。

△.文章出版

所有被会议录用的稿件将会发表在开源期刊,  被知网学术、谷歌学术等收录。

△.投稿须知：

论文应具有学术或实用价值，未在国内外学术期刊或会议发表过。

论文排版格式以及投稿方式详见网站说明。

审稿流程：本次会议采用先投稿，先送专家评审的方式进行，审稿周期约1周。

△.参会方式（注：会议有Oral Presentation以及Poster环节）

1. 全文参会：提交全文，申请参与15分钟的口头报告

2. 摘要参会：提交摘要，申请参与15分钟的口头报告

3. 听众参会：只参会听讲，不参与演讲及展示

△. 大会咨询

联系人：杨老师

邮箱: vickykongwy@126.com

QQ: 3025797047

电话: 15071343477

△. 大会议题

Cloud computing 
Cloud Solution Design Patterns
Cloud Application Architectures
Cloud Middleware Frameworks
Cloud Quality and Performance
Cloud Optimization and Automation
Cloud Resource Virtualization and Composition
Cloud Management and Operations
Cloud Resource Virtualization and Composition
Intelligent Data Processing
Semantic web technologies

Cloud Architecture 
Cloud Infrastructure as a Service
Cloud Platform as a Service
Cloud system design
Cloud federation and hybrid cloud infrastructure
Programming models and systems
Networking technologies for data center

Security and Privacy in Cloud 
Authentication and authorization
Cryptographic primitives
Reliability and availability
Trust and credential management
Usability and security
Security and privacy in clouds
Legacy systems migration
Cloud Integrity and Binding Issues

Big Data 
Big Data Analysis Processing
Big Data Analysis Analytics and Metrics
Big Data Analysis Architectures
Big Data Analysis Encryption
Big Data Analysis Management
Big Data Analysis Search and Mining
Machine learning
Data mining
Approximate and scalable statistical methods
Querying and search
Data Lifecycle Management for Big Data
Storage and analytic architectures
Performance and debugging
Hardware optimizations for Big Data
Data Flow management and scheduling