“大数据与机器智能”版本间的差异
来自iCenter Wiki
（→作业提交） |
|||
| 第17行： | 第17行： | ||
=课程内容= | =课程内容= | ||
| + | |||
| + | =项目分组= | ||
=课程项目= | =课程项目= | ||
2016年10月8日 (六) 12:04的版本
教学团队
互联网+实验室 iNetLab
陈震 Zhen Chen 章屹松 王蓓蓓 马晓东 高英
助教：郑文勋 李辰星
协同开发
gitlab GitLab
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。
课程内容
项目分组
课程项目
项目1
描述
任务：基于位图索引的概念和原理，用C++实现一个位图索引数据库。
检验：完成对一段网流数据的索引建立，查询。在虚拟机上运行成功，得到正确结果。
网流数据：\\166.111.134.110\team-saturn\网流数据
代码托管：http://gitlab.icenter.tsinghua.edu.cn
时间：10月7日中午12点之前（特殊情况，推迟一周）
组织：以组为单位，要求要看到所有同学的贡献。
作业提交
Group1
Group2
Group3
Group4
Group5
Group6
Group7
Group8
项目2
描述
完成一个展示的智能系统
步骤1：设置azure虚拟机；
步骤2：架构flask-web服务；
步骤3：建立AI服务（Google Tensorflow）；
步骤4：lucida.ai；
步骤5：智能端开发（移动平台、嵌入式硬件）+thrift协议联调；
作业提交
Group1
Group2
Group3
Group4
Group5
Group6
Group7
Group8
参考文献
- Yoshua Bengio, Ian Goodfellow, Aaron Courville, Deep Learning, MIT Press, 2016.
- 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.
