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
技术浅论
技术本质
- 多维多角度：工具论/人文关怀/社会抱负/技术社会
- 客观上（大众）
- “受害与受益”（两面性）
- 金融理财便捷
- 金融电信诈骗
- 受益方
- 技术改变的领导者（“quick money”）
- 受惠的人群（便捷性）
- 受害方
- 技术改变被动接受的人
- 被技术改变淘汰的人
- “受害与受益”（两面性）
- 主观上（单个人）
- 取决于个人立场、价值观、经历等等
技术泡沫
- 市场宣传和预期炒作，以及一些传媒的洗脑性的报道等的原因，导致概念混乱。
- 需要找到技术的本质（涉及认识论）
- 科学思维就是防止被洗脑，无脑思考。
- 研究思路：规范模式和实证模式
- 事实陈述的时候，一定要找到论点以及论据，以及判断论点是否统帅论据，论据是否支持论点。
- 实践与操作获得体验，而非感觉与愿望。
大数据索引
大数据算法
大数据系统
机器智能
国际研究
三个层面
实现的目标与功能分类
语音识别 机器视觉 智能问答
核心技术分类
特定算法 机器学习算法 深度神经网络
底层实现方案
可编程逻辑阵列 FPGA / 通用图形处理器 GPGPU / 通用处理器 CPU 群集
机器学习
Machine Learning scikit-learn
- Jordan, M. I., and T. M. Mitchell. "Machine learning: Trends, perspectives, and prospects." Science 349, no. 6245 (2015): 255-260. Machine_learning_science_2015
语音识别
Automatic Speech Recognition，简称ASR
计算机视觉
Computer Vision，简称 CV
深度神经网络
Deep Neural Networks，简称DNN
Stanford Deep Learning tutorials DL_tutorials
入门导读
- LeCun, Yann, Yoshua Bengio, and Geoffrey Hinton. "Deep learning." Nature 521(7553), pp:436-444, 2015. Deep_Learning_Nature
- Jeff Dean, Large-Scale Deep Learning for Intelligent Computer Systems, WSDM 2016. WSDM_keynote
- TensorFlow: A System for Large-Scale Machine Learning, OSDI 2016.TensorFlow_OSDI2016_paper TensorFlow_paper
论文报告撰写
项目分组
论文研读
第一次
要求：提交研读论文的PPT（正文部分不超过10页）。
时间：10月14日中午12点之前。
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。
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。
课程实践
学生准备
携带笔记本，智能手机
(Bring your own laptop computers and camera-ready smart phones)
Azure云平台使用
Flask-Web服务器搭建
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）(校历第四周)
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-Lucida使用
Lucida安装
每个组在清华工业云平台上安装Lucida软件
- 清华工业云 icenter-cloud
- 下载地址 Lucida-AI
时间：10月26日下周三中午12点之前。（校历第七周）
每组工作
每组熟悉了解Lucida的7种AI服务的实现原理
项目3-TensorFlow安装
阅读深度学习DeepLearning教程
安装Google TensorFlow
完成TensorFlow网站上Get Started.
时间：2016年11月2日中午12点（校历第八周）
项目4-云+端整合
时间：2016年11月9日中午12点（校历第九周）（特殊情况，延长一周）
Thrift协议
Client端
调用摄像头拍照
调用Thrift接口
Server端
接收图片文件
调用服务端程序
参考
项目5-机器智能
描述
完成一个可展示的人工智能系统
步骤：
- 设置Azure虚拟机
- 架构Flask-Web服务
- 建立AI服务（Google Tensorflow）
- lucida.ai
- 智能端开发（移动平台、嵌入式硬件） + Thrift协议联调
参考： Lucida-AI
作业提交
| [[Group1]] | [[Group2]] | [[Group3]] | [[Group4]] |
| [[Group5]] | [[Group6]] | [[Group7]] | [[Group8]] |
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. 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.