清华iCenter 互联网+创新平台为全体在校学生创意、创新和创业助力。

智能系统实验室本学期继续《大数据与机器智能》课程,课号:01510243,欢迎大家选课!

大数据与机器智能

来自iCenter Wiki
跳转至: 导航搜索

版权申明

CC BY-NC-ND

课程信息

课程课号

01510243

教学目标

  • 宏观

通过各项技术的讲授和实践,为学生理清产业发展方向,拓展对产业的认识视野。

  • 介观
  1. 学习计算机系统的基本原理。
  2. 实践计算机系统-实验
  • 微观
  1. 学习大数据系统的原理与技术,在实践中运用大数据技术。
  2. 学习大数据智能的理论,了解大数据系统与机器智能的相辅相成的关系,在实践中运用机器智能技术。

教学团队

智能系统实验室

陈震 马晓东 章屹松 王蓓蓓 高英

助教:郑文勋 宋丹丹 冯杰 常嘉辉 柳荫

教学资源

云计算工业云 iCenter-Cloud

GPU计算GPU工作站

代码托管:iCenter-GitLab

课程内容

课程准备

  • 计算机系统是完成通用信息处理的最基本单元,涉及计算机硬件与软件两部分。计算机硬件的核心是处理器,主要的计算机软件有操作系统、数据库等。

计算机系统

计算机系统-实验

分布式系统

分布式系统是由网络连接的多计算机系统,包括分布式文件系统、分布式计算、云计算等等。互联网路由转发系统就是典型的分布式系统。

分布式系统

大数据系统

  • 大数据系统是实现数据管理和数据分析用途而设计的分布式系统,是数据科学的支撑系统。

大数据系统实现大数据的存储、管理、处理和服务。

大数据系统


数据科学

数据科学(Data Science)用于对不同领域的数据进行解析,分析与知识发现。

数据科学是一种跨学科的知识体系,是领域专家知识、数学与统计和计算机科学的交集。


机器学习与机器智能

  • 机器学习(Machine Learning),是指采用算法让机器能够从数据中自动学习的技术,机器学习可以解决一些人为设计和使用确定性程序很难解决的问题。
  • 机器智能(Machine Intelligence),是指计算机系统体现的智能的能力,如听说读写到搜索、推理、决策和回答问题等。同时也是指如何设计实现计算机系统和软件,使其具有智能的行为。

机器学习

大数据智能

智能与神经科学


科技与社会

  • 科技创新

高新技术

技术创新

技术创业

知识产权


教学管理

教学计划

教学计划

实践教学

实践教学

课程分组

学生分组

课程研究

课程研究

课程项目

课程项目


课程教材

  • 分布式系统:
  1. M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007. Distributed Systems
  • 数据挖掘:
  1. Leskovec, Jure, Anand Rajaraman, Jeffrey David Ullman. Mining of massive datasets. Cambridge University Press, 2014. MMDS_book
  • 深度学习:
  1. Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016. DeepLearningBook
  • 强化学习:
  1. Richard S. Sutton, Andrew Barto, An Introduction to Reinforcement Learning, MIT Press, 1998. Intro_RL

参考资料

参考文献

参考课程

论文阅读


致谢

本课程获得微软Azure云计算与机器学习捐赠支持。

感谢微软公司 杨滔经理,章艳经理,刘士君工程师,闫伟工程师。