“大数据与机器智能”版本间的差异
来自iCenter Wiki
（→产业前沿） |
（→教学资源） |
||
| 第20行： | 第20行： | ||
== 教学资源 == | == 教学资源 == | ||
| − | + | 工业云网址：[http://cloud.icenter.tsinghua.edu.cn iCenter-Cloud] | |
| − | + | ||
| − | + | ||
代码托管：[http://gitlab.icenter.tsinghua.edu.cn iCenter-GitLab] | 代码托管：[http://gitlab.icenter.tsinghua.edu.cn iCenter-GitLab] | ||
| + | |||
| + | 硬件配置：[[工业云]] | ||
GPU工作站：[[GPU工作站使用说明]] | GPU工作站：[[GPU工作站使用说明]] | ||
2017年3月2日 (四) 09:21的版本
目录
版权申明
CC BY-NC-SA
教学团队
助教：郑文勋 李辰星
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。
教学资源
工业云网址：iCenter-Cloud
代码托管：iCenter-GitLab
硬件配置：工业云
GPU工作站：GPU工作站使用说明
课程内容
科技创新
大数据系统
数据科学（Data Science）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。数据科学用于对不同领域的数据进行解析，分析与知识发现。
机器智能
人工智能或机器智能，通俗的说，就是用机器（如计算机）完成人类需要用脑子完成的任务，代替人脑的工作。
直观想，如果用机器来模拟出人脑工作，岂不就解决了这个问题？众所周知，人的大脑是由众多神经元连结而成。但是要模拟这些大脑神经元的连结，实在是有难度。目前答案是否定的，因为人脑太复杂，目前还没彻底理解人脑的工作机理的问题。不过确实有人是沿着这个思路实现人工智能的。
那是否还有别的思路？思路挺多的。这里有一种有效的思路那就是用数学方法来抽象神经元的功能（抽象+模仿），用神经元的连接的类似方法设计机器（抽象+模仿），使其具有某些智能的能力（如眼睛看，耳朵听）。这就是神经网络方法或者现在的深度学习的方法。这种方法在有大量训练数据和大计算能力情况下，实践证明是有效的。
产业前沿
教学管理
课程分组
课程研究
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。
