|
|
| （5位用户的213个中间修订版本未显示） |
| 第1行： |
第1行： |
| − | ==版权申明==
| + | = 版权申明 = |
| | | | |
| − | CC BY-NC-SA | + | CC [https://creativecommons.org/licenses/by-nc-nd/3.0/cn/ BY-NC-ND] |
| | | | |
| − | =教学目标= | + | =课程信息= |
| | | | |
| − | 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。
| + | 课号：01510243 |
| | | | |
| − | ==教学团队==
| + | 英文：Big Data and Machine Intelligence |
| | | | |
| − | 互联网+实验室 [http://net.icenter.tsinghua.edu.cn iNetLab]
| + | 简写：BDMI |
| | | | |
| − | [https://www.researchgate.net/profile/Zhen_Chen16/ 陈震] | + | 教学目标： [[大数据智能-教学目标]] |
| − | 马晓东 章屹松 王蓓蓓 高英
| + | |
| | | | |
| − | 助教：郑文勋 李辰星
| + | == 教学团队 == |
| | | | |
| − | ==教学资源==
| + | [[互联网+实验室|智能系统实验室]]： [[陈震]] [[陆昕]] |
| | | | |
| − | 云平台： [http://cloud.icenter.tsinghua.edu.cn iCenter-Cloud]
| + | 助教：谢睿、黄世宇、高宸、许书畅 |
| − | 硬件配置 [[工业云]]
| + | |
| | | | |
| − | GPU工作站：[[iNetLab-GPU工作站使用说明]]
| + | [[BDMI-TA| 大数据与机器智能-历届助教名单]] |
| | | | |
| − | 代码托管：[http://gitlab.icenter.tsinghua.edu.cn GitLab]
| + | == 教学资源 == |
| | | | |
| − | =课程内容=
| + | <big>'''由清华iCenter[[AI云|人工智能平台]]保障支持。''' </big> |
| | | | |
| − | ==技术浅论== | + | = 课堂教学 = |
| | + | ==课程内容== |
| | | | |
| − | [[大数据智能-高新技术]] | + | [[大数据与机器智能-课程内容]] |
| | | | |
| − | ==大数据索引== | + | == 教学计划 == |
| | | | |
| − | [[大数据索引]]
| + | ** 教学计划 |
| | | | |
| − | ==大数据算法==
| + | 2019年秋季学期：[[大数据智能-教学计划 | 教学计划]]、 |
| | | | |
| − | [[大数据算法]]
| + | ** 实践教学 |
| | | | |
| − | ==大数据系统==
| + | [[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]] |
| | | | |
| − | [[大数据系统]]
| + | == 教学管理 == |
| | | | |
| − | ==机器智能==
| + | ** 课程分组 ** 课程研究 ** 课程项目 |
| | | | |
| − | [[大数据智能]] | + | [[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]]、 [[大数据智能-论文阅读 | 论文阅读]] |
| | | | |
| − | =教学管理= | + | = 参考资料 = |
| − | ==课程分组==
| + | |
| − | [[大数据智能-学生分组]]
| + | |
| | | | |
| − | =课程研究=
| + | [[大数据智能-参考教材 | 参考教材]] |
| | | | |
| − | ==论文研读==
| + | [[大数据智能-参考课程 | 参考课程]] |
| | | | |
| − | ===第一次===
| + | [[大数据智能-参考文献 | 参考文献]] |
| | | | |
| − | 要求：提交研读论文的PPT（正文部分不超过10页）。
| + | = 致谢 = |
| | | | |
| − | 时间：10月14日中午12点之前。
| + | [[致谢-微软公司]] |
| − | | + | |
| − | 10月19日下午安排每组做一个小报告，每组时间不超过10分钟。
| + | |
| − | | + | |
| − | [[大数据智能-课程阅读1]] | + | |
| − | | + | |
| − | ===第二次===
| + | |
| − | | + | |
| − | 要求：提交研读论文的PPT（正文部分不超过10页）。
| + | |
| − | | + | |
| − | 时间：12月XX日中午12点之前。
| + | |
| − | | + | |
| − | 12月XX日下午安排每组做一个小报告，每组时间不超过10分钟。
| + | |
| − | | + | |
| − | [[大数据智能-课程阅读2]]
| + | |
| − | | + | |
| − | =课程实践=
| + | |
| − | | + | |
| − | [[大数据智能-课程项目]]
| + | |
| − | | + | |
| − | =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。
| + | |
| − | | + | |
| − | =参考文献=
| + | |
| − | | + | |
| − | ===基础===
| + | |
| − | | + | |
| − | # John L. Hennessy, and David A. Patterson. Computer architecture: a quantitative approach. Elsevier, 2011.
| + | |
| − | # Neil Matthew, and Richard Stones. Beginning linux programming. John Wiley & Sons, 2011.
| + | |
| − | # Bjarne Stroustrup, The C++ programming language. Pearson Education, 2013.
| + | |
| − | # Weiss, Mark Allen, Data structures and algorithm analysis in Java, Addison-Wesley Longman Publishing Co., Inc., 1998.
| + | |
| − | # David Flanagan, JavaScript: The definitive guide: Activate your web pages. " O'Reilly Media, Inc.", 2011.
| + | |
| − | # Miguel Grinberg, Flask Web Development: Developing Web Applications with Python. O'Reilly Media, Inc., 2014.
| + | |
| − | | + | |
| − | ===深度学习===
| + | |
| − | | + | |
| − | # Yoshua Bengio, Ian Goodfellow, Aaron Courville, Deep Learning, MIT Press, 2016. [http://www.deeplearningbook.org/ DeepLearningBook]
| + | |
| − | # 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.
| + | |
| − | | + | |
| − | ===计算机围棋===
| + | |
| − | | + | |
| − | # Mastering the game of Go with deep neural networks and tree search, nature 2015.
| + | |
| − | # Better Computer Go Player with Neural Network and Long-term Prediction, ICLR 2016.
| + | |
| − | # Pachi: State of the art open source Go program, Advances in computer games, Springer Berlin Heidelberg, 2011.
| + | |
| − | # Training Deep Convolutional Neural Networks to Play Go, JMLR 2015.
| + | |
