=课程信息=
== 课程课号 ==课号：01510243
01510243英文：Big Data and Machine Intelligence
== 教学目标 ==简写：BDMI
*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。教学目标： [[大数据智能-教学目标]]
*介观#学习[[计算机系统]]的基本原理。#实践[[计算机系统-实验]]。== 教学团队 ==
*微观#学习 [[大数据系统互联网+实验室|智能系统实验室]]的原理与技术，在实践中运用大数据技术。#学习： [[大数据智能陈震]] [[陆昕]]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 == 助教：谢睿、黄世宇、高宸、许书畅
[[互联网+实验室BDMI-TA|智能系统实验室大数据与机器智能-历届助教名单]] [[陈震]][[马晓东]] 章屹松 王蓓蓓 高英 助教：郑文勋 宋丹丹 冯杰 常嘉辉 柳荫
== 教学资源 ==
<big>'''由清华iCenter[[云计算AI云|人工智能平台]]：[[工业云]] [http:保障支持。''' <//cloud.icenter.tsinghua.edu.cn iCenter-Cloud]big>
[[GPU计算]]：[[GPU工作站使用说明|GPU工作站]]= 课堂教学 ===课程内容==
代码托管： [http://gitlab.icenter.tsinghua.edu.cn iCenter[大数据与机器智能-GitLab课程内容]]
= 课程内容 = 教学计划 ==
==课程准备==*[[计算机系统]]是完成通用信息处理的最基本单元，涉及计算机硬件与软件两部分。计算机硬件的核心是处理器，主要的计算机软件有操作系统、数据库等。* 教学计划
2019年秋季学期：[[计算机系统大数据智能-教学计划 | 教学计划]]、 [[计算机系统-实验]]
== 分布式系统 ==** 实践教学
[[分布式系统大数据智能-实践教学 | 实践教学]]、 [[大数据智能-调研考察| 调研考察]]是由网络连接的多计算机系统，包括分布式文件系统、分布式计算、云计算等等。互联网路由转发系统就是典型的分布式系统。
[[分布式系统]] == 数据科学与大数据系统 教学管理 ==*数据科学（Data Science）用于对不同领域的数据进行解析，分析与知识发现。[[数据科学]]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。 *大数据系统是实现数据管理和数据分析用途而设计的[[分布式系统]]，是数据科学的支撑系统。 [[大数据系统]]实现[[大数据]]的存储、管理、处理和服务。 [[数据科学]]、 [[大数据系统]] ==机器学习与机器智能== *机器学习（Machine Learning），是指采用算法让机器能够从数据中自动学习的技术，机器学习可以解决一些人为设计和使用确定性程序很难解决的问题。 *机器智能（Machine Intelligence），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。 [[机器学习]]、 [[大数据智能]] == 科技与社会 == *科技创新 [[大数据智能-高新技术 | 高新技术]] [[大数据智能-知识成果 | 知识产权]] [[大数据智能-技术创新 | 技术创新]] [[大数据智能-技术创业 | 技术创业]] = 教学管理 = ** 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]]
** 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[大数据智能-systems.net Distributed Systems学生分组 | 学生分组] *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[大数据智能-课程研究 | 课程研究] *深度学习：# Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016. ]、 [http://www.deeplearningbook.org/ DeepLearningBook[大数据智能-课程项目 | 课程项目] *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[大数据智能-book.html Intro_RL论文阅读 | 论文阅读]]
= 参考资料 =
[[大数据智能-参考文献 参考教材 | 参考文献参考教材]]
[[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]]
[[大数据智能-参考文献 | 参考文献]]
= 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。[[致谢-微软公司]]