“大数据与机器智能”版本间的差异
（→参考文献） |
|||
| 第44行： | 第44行： | ||
... ... | ... ... | ||
| + | |||
| + | =论文研读= | ||
| + | |||
| + | ==第一组== | ||
| + | RUBIK: Efficient Threshold Queries on Massive Time Series | ||
| + | |||
| + | ==第二组== | ||
| + | SciCSM: Novel Contrast Set Mining over Scientific Datasets Using Bitmap Indices | ||
| + | |||
| + | ==第三组== | ||
| + | ALACRITY: Analytics-Driven Lossless Data Compression for Rapid In-Situ Indexing, Storing, and Querying | ||
| + | |||
| + | ==第四组== | ||
| + | VSEncoding: Efficient Coding and Fast Decoding of Integer Lists via Dynamic Programming | ||
| + | |||
| + | ==第五组== | ||
| + | Super-Scalar RAM-CPU Cache Compression | ||
| + | |||
| + | ==第六组== | ||
| + | Partitioned Elias-Fano Indexes | ||
| + | |||
| + | ==第七组== | ||
| + | Faster Set Intersection with SIMD instructions by Reducing Branch Mispredictions | ||
| + | |||
| + | ==第八组== | ||
| + | Optimal Space-time Tradeoffs for Inverted Indexes | ||
| + | |||
=课程项目= | =课程项目= | ||
2016年10月9日 (日) 03:50的版本
教学团队
互联网+实验室 iNetLab
陈震 马晓东 章屹松 王蓓蓓 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
第一组
组长：
组员：
第二组
组长：王亦凡
组员：刘梦旸、邱昱田
第三组
组长：李子豪
组员：娄晨耀 张若天 邹逍遥
第五组
组长：
组员：
第八组
组长：熊铮
组员：范承泽，秦梓鑫
... ...
论文研读
第一组
RUBIK: Efficient Threshold Queries on Massive Time Series
第二组
SciCSM: Novel Contrast Set Mining over Scientific Datasets Using Bitmap Indices
第三组
ALACRITY: Analytics-Driven Lossless Data Compression for Rapid In-Situ Indexing, Storing, and Querying
第四组
VSEncoding: Efficient Coding and Fast Decoding of Integer Lists via Dynamic Programming
第五组
Super-Scalar RAM-CPU Cache Compression
第六组
Partitioned Elias-Fano Indexes
第七组
Faster Set Intersection with SIMD instructions by Reducing Branch Mispredictions
第八组
Optimal Space-time Tradeoffs for Inverted Indexes
课程项目
项目1-大数据
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-机器智能
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
- Matthew, Neil, and Richard Stones. Beginning linux programming. John Wiley & Sons, 2011.
- Stroustrup, Bjarne. The C++ programming language. Pearson Education, 2013.
- Grinberg, Miguel. Flask Web Development: Developing Web Applications with Python. O'Reilly Media, Inc., 2014.
- 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.
