查看“大数据与机器智能”的源代码

= 版权申明 =

CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ 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
#学习[[计算机系统]]的基本原理。
#实践[[计算机系统-实验]]。

*微观
#学习[[大数据系统]]的原理与技术，在实践中运用大数据技术。
#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 ==

[[互联网+实验室|智能系统实验室]]：
[[陈震]]
[[马晓东]] [[章屹松]] [[王蓓蓓]] [[高英]] [[闫泽禹]] [[陆昕]] [[郭敏]]

助教：郑文勋 常嘉辉 柳荫

== 教学资源 ==

由清华iCenter [[互联网+创新平台]] 保障支持。

= 课程内容 =

[[大数据与机器智能-课程内容]]

= 教学计划 =

** 教学计划  ** 实践教学 

[[大数据智能-教学计划 | 教学计划]]、  [[大数据智能-实践教学 | 实践教学]]、 [[大数据智能-调研考察| 调研考察]]

= 教学管理 =

** 课程分组  ** 课程研究  ** 课程项目 

[[大数据智能-学生分组 | 学生分组]]、  [[大数据智能-课程研究 | 课程研究]]、  [[大数据智能-课程项目 | 课程项目]]


= 课程教材=

*分布式系统：
# M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007. [https://www.distributed-systems.net Distributed Systems]

*数据挖掘：
# Leskovec, Jure, Anand Rajaraman, Jeffrey David Ullman. Mining of massive datasets. Cambridge University Press, 2014. [http://www.mmds.org/ MMDS_book]

*深度学习：
# Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016. [http://www.deeplearningbook.org/ DeepLearningBook]

*强化学习：
# Richard S. Sutton, Andrew Barto, An Introduction to Reinforcement Learning, MIT Press, 1998. [http://webdocs.cs.ualberta.ca/~sutton/book/the-book.html Intro_RL]


= 参考资料 =

[[大数据智能-参考文献 | 参考文献]]

[[大数据智能-参考课程 | 参考课程]]

[[大数据智能-论文阅读 | 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。