版权申明
CC BY-NC-SA
教学目标
以完成一种以大数据为基础的智能系统的原型开发为目标，在实践中运用大数据智能理论与技术。团队成员学习大数据系统与机器智能的理论知识和专业技能，完成项目团队结构设计和原型开发的实践环节，全面提高学生的技术实践能力。
教学团队
互联网+实验室 iNetLab
陈震 马晓东 章屹松 王蓓蓓 高英
助教：郑文勋 李辰星
教学资源
云平台： iCenter-Cloud 硬件配置 工业云
GPU工作站：iNetLab-GPU工作站使用说明
代码托管：GitLab
课程内容
教学管理
课程分组
课程研究
论文研读
第一次
要求：提交研读论文的PPT（正文部分不超过10页）。
时间：10月14日中午12点之前。
10月19日下午安排每组做一个小报告，每组时间不超过10分钟。
第二次
要求：提交研读论文的PPT（正文部分不超过10页）。
时间：12月XX日中午12点之前。
12月XX日下午安排每组做一个小报告，每组时间不超过10分钟。
课程实践
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。
参考文献
基础
- John L. Hennessy, and David A. Patterson. Computer architecture: a quantitative approach. Elsevier, 2011.
- Neil Matthew, and Richard Stones. Beginning linux programming. John Wiley & Sons, 2011.
- Bjarne Stroustrup, The C++ programming language. Pearson Education, 2013.
- Weiss, Mark Allen, Data structures and algorithm analysis in Java, Addison-Wesley Longman Publishing Co., Inc., 1998.
- David Flanagan, JavaScript: The definitive guide: Activate your web pages. " O'Reilly Media, Inc.", 2011.
- Miguel Grinberg, Flask Web Development: Developing Web Applications with Python. O'Reilly Media, Inc., 2014.
深度学习
- Yoshua Bengio, Ian Goodfellow, Aaron Courville, Deep Learning, MIT Press, 2016. DeepLearningBook
- Google brain team, TensorFlow: Large-scale machine learning on heterogeneous systems, whitepaper, 2015.
- Vijay Agneeswaran, Real-Time Applications with Storm, Spark, and More Hadoop Alternatives, 2014.
计算机围棋
- Mastering the game of Go with deep neural networks and tree search, nature 2015.
- Better Computer Go Player with Neural Network and Long-term Prediction, ICLR 2016.
- Pachi: State of the art open source Go program, Advances in computer games, Springer Berlin Heidelberg, 2011.
- Training Deep Convolutional Neural Networks to Play Go, JMLR 2015.