版权申明
CC BY-NC-SA
教学团队
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。
教学资源
课程内容
科技创新
大数据系统
数据科学（Data Science）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。数据科学用于对不同领域的数据进行解析，分析与知识发现。
机器智能
人工/机器智能，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。
人工/机器智能，通俗的说，就是用机器（如计算机）完成人类需要用脑子完成的任务，代替人脑的工作，比如下棋、开车、阅读理解等等工作。
众所周知，人脑含有约860亿个神经元，还有大致850亿个非神经细胞。在大脑皮层(cortex) 约160亿个神经元，小脑有690亿个神经元。人脑的神经元一般只与周围几千个神经元相连接，彼此能够传导电信号。
要让机器代替大脑工作，最直观的方法就是用机器来模拟出人脑工作行为，这样岂不就大功告成？ 但是要模拟这些大脑工作原理是有难度。首先，人脑作为一个系统，太复杂，涉及到生物学、生理学、化学等等学科知识，其次，至今还没彻底理解人脑的各个功能的工作机理。当然，确实有研究人员是沿着这个思路去实现人工智能或机器智能的。
那是否还有别的思路？思路也挺多的，这里有一种最近在实践中被证明是有效方法。这种方法是用数学方法来抽象出单个神经元（Neuron）的功能（抽象+模仿）。对于单个神经元的活动原理，目前已经有了比较深入的研究。
不论何种神经元，皆可分成接收区（receptive zone）、触发区（trigger zone）、传导区（conducting zone）和输出区（output zone）。 神经网络的方法就是在对单个神经元建模的基础上，用神经元的连接的类似方法设计机器（抽象+模仿），使其具有某些智能的能力（如眼睛看，耳朵听）。
产业前沿
教学管理
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。