大数据与机器智能

版权申明

CC BY-NC-ND

课程信息

课程课号

01510243

教学目标

• 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。

• 介观

1. 学习计算机系统的基本原理。
2. 实践计算机系统-实验。

• 微观

1. 学习大数据系统的原理与技术，在实践中运用大数据技术。
2. 学习大数据智能的理论，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

智能系统实验室 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

云计算：工业云 iCenter-Cloud

GPU计算：GPU工作站

代码托管：iCenter-GitLab

课程内容

计算机系统与分布式系统

• 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。

计算机系统、 计算机系统-实验

分布式系统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

• 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

教学计划

• • 教学计划 ** 实践教学

教学计划、 实践教学

教学管理

• • 课程分组 ** 课程研究 ** 课程项目

学生分组、 课程研究、 课程项目

课程教材

• 分布式系统：

1. M Steen, AS Tanenbaum, Distributed systems: principles and paradigms, Prentice Hall, 2007. Distributed Systems

• 数据挖掘：

1. Leskovec, Jure, Anand Rajaraman, Jeffrey David Ullman. Mining of massive datasets. Cambridge University Press, 2014. MMDS_book

• 深度学习：

1. Ian Goodfellow, Yoshua Bengio, Aaron Courville, Deep Learning, MIT Press, 2016. DeepLearningBook

• 强化学习：

1. Richard S. Sutton, Andrew Barto, An Introduction to Reinforcement Learning, MIT Press, 1998. Intro_RL

参考资料

参考文献

参考课程

论文阅读

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。