版权申明

CC BY-NC-SA

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

技术浅论

大数据智能-高新技术

大数据索引

大数据索引

大数据算法

大数据算法

大数据系统

大数据系统

机器智能

大数据智能

课程分组

大数据智能-学生分组

大数据智能-课程研究

大数据智能-课程项目

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。

基础

1. John L. Hennessy, and David A. Patterson. Computer architecture: a quantitative approach. Elsevier, 2011.
2. Neil Matthew, and Richard Stones. Beginning linux programming. John Wiley & Sons, 2011.
3. Bjarne Stroustrup, The C++ programming language. Pearson Education, 2013.
4. Weiss, Mark Allen, Data structures and algorithm analysis in Java, Addison-Wesley Longman Publishing Co., Inc., 1998.
5. David Flanagan, JavaScript: The definitive guide: Activate your web pages. " O'Reilly Media, Inc.", 2011.
6. Miguel Grinberg, Flask Web Development: Developing Web Applications with Python. O'Reilly Media, Inc., 2014.

深度学习

1. Yoshua Bengio, Ian Goodfellow, Aaron Courville, Deep Learning, MIT Press, 2016. DeepLearningBook
2. Google brain team, TensorFlow: Large-scale machine learning on heterogeneous systems, whitepaper, 2015.
3. Vijay Agneeswaran, Real-Time Applications with Storm, Spark, and More Hadoop Alternatives, 2014.

计算机围棋

1. Mastering the game of Go with deep neural networks and tree search, nature 2015.
2. Better Computer Go Player with Neural Network and Long-term Prediction, ICLR 2016.
3. Pachi: State of the art open source Go program, Advances in computer games, Springer Berlin Heidelberg, 2011.
4. Training Deep Convolutional Neural Networks to Play Go, JMLR 2015.