香港赛马会正版图库|香港赛马会中特网
  • 大數據算法基礎

    隨堂模式 計算機學科
    趙穎
    • 趙穎副教授 清華大學計算機系
    • $
    • g1.9萬人
    • V6小時/周

    簡介本課程提出了“知算法、懂算法、遇到問題找算法”的建設目標,旨在培養研究生掌握大數據系統與大數據處理中的基礎計算方法,提升用數學理論求解大數據實際問題的能力,為尋求大數據系統與相關應用領域中實際問題的最優求解方法建立基礎。課程由大數據基本算法知識、高級大數據算法設計以及相關專題三部分組成。大數據基本算法知識講述大數據算法概述、算法分析數據基礎、概率分析基礎、隨機算法基礎、抽樣算法基礎等;高級大數據算法設計包括圖算法、流計算、鏈接分析等;相關專題包括多線程計算、近似算法等。

  • 大數據分析(B)

    隨堂模式 計算機學科
    朱文武
    • 朱文武教授 清華大學計算機系
    • $
    • g1.7萬人
    • V6小時/周

    簡介在互聯網、政治經濟、社會、公共衛生、金融、醫療健康、環境、海洋等等各個領域,都存在著PB量級的數據有待研究,且大數據分析的結果已經產生實際效應。本課程將從數據統計分析的數學基礎、大數據智能分析與處理方法、大數據的分布式處理與并行計算以及大數據的多領域應用等不同層次,教授大數據分析與處理的基本方法、工具及應用。具體內容包括:(1)大數據分析與處理基礎:數據科學發展情況;大數據的時代背景及其重要性;大數據分析與處理的典型應用。(2)數據統計分析的數學基礎:數據統計知識回顧;多維數據分布;數據采樣;主成份分析與因子分析;假設檢驗;線性相關與回歸;非線性回歸;方差分析;P-Value。(3)大數據的智能處理:時間序列分析;動態貝葉斯網絡;矩陣分解理論;機器學習;大規模數據上的模型應用。(4)大數據的分布式處理與并行計算:HDFS與HBASE;Hadoop與Mapreduce,MapReduce并行計算;基于MapReduce的數據分析與智能處理方法的并行化。(5)大數據分析與處理前沿:社交媒體大數據分析與處理;城市交通大數據分析與處理;金融大數據分析與處理;醫療大數據分析與處理等。

  • 大數據分析與內存計算

    隨堂模式 計算機學科
    李國良
    • 李國良副教授 清華大學計算機系
    • $
    • g8628人
    • V10小時/周

    簡介隨著大數據時代的到來,數據分析、處理和挖掘面臨了越來越大的挑戰。傳統的Hadoop技術已經不能滿足大數據分析處理的需求,因為本課程主要講解目前的主流技術-內存計算。課程內容主要包括:大數據內存分析工具spark、大數據流處理工具storm,圖數據處理工具Pregel、Graphlab和GraphX,和大數據內存數據庫SAP HANA等。

  • 網絡存儲技術

    隨堂模式 計算機學科
    張廣艷
    • 張廣艷副教授 清華大學計算機系
    • $
    • g8056人
    • V5小時/周

    簡介本課程以計算機存儲系統在各個歷史時期所面臨的技術挑戰為主線,講解存儲設備的基本工作原理,單機存儲、網絡存儲、云存儲等基本存儲架構,以及數據布局、數據緩存、數據編碼等基本方法,使學生在重溫存儲系統發展歷程的過程中進行學習、領會,有助于同學深入理解大數據存儲的體系結構和方法設計。同時,在各個教學環節中注意對學生正確科研方法的培養。在平時教學中注意介紹知識點的發現者當時的心路歷程,提高學生分析問題、解決問題的能力,特別是培養學生的創新思維和創新能力。

  • 互聯網創新與創業

    崔勇
    • 崔勇教授 清華大學計算機系
    • $
    • g4724人
    • V3小時/周

    簡介 隨著互聯網技術的高速發展,互聯網產業已經成為影響人類日常生活的重要基礎。技術創新和互聯網思維不斷沖擊并顛覆著整個世界。本課程將從案例分析為主,幫助學生了解基于信息技術創新的創業思路,激發學生的創新創業熱情,理解信息技術創新及商業模式創新的重要性。     課程教學環節包括五個部分:    (1)對互聯網領域初創企業進行案例分析,了解信息技術創新的重要性以及實現其潛在社會價值的一般規律;    (2)對互聯網領域的典型企業分析,了解新技術及新方向,理解企業經營理念以及信息技術創新趨勢的重要性;    (3)分析闡述包括知識產權、用戶需求等創業環境對技術創業的影響;    (4)講述典型的科技創業投融資方式和初創企業的成長路線;    (5)商業計劃書撰寫能力培養。

    章節第一章 站在互聯網門前 第二章 互聯網入口 第三章 中國互聯網大勢 第四章 互聯網+ 第五章 邁向未來 第六章 為目標用戶做游戲

  • 神經元動力學——單個神經元的計算神經科學(自主模式)

    Wulfram Gerstner
    • Wulfram Gerstner教授 洛桑聯邦理工學院計算機科學學院和生命科學學院
    • $可隨時加入
    • g4581人
    • 7課件全部開放

    簡介 本課程是以單個神經元為模型,對理論神經學以及計算神經學領域進行入門講解。神經元可對一系列短的電脈沖(尖峰電壓)刺激進行編碼。學生們將學會使用諸如微分方程,相平面分析,時間尺度分離以及隨機動態過程等數學工具來理解神經元的動力學以及神經編碼。 第一周:第一個簡單的神經元模型 第二周:Hodgkin-Huxley模型與生物物理建模 第三周:二維模型(上)與相平面分析 第四周:二維模型(下)與樹突 第五周:多元脈沖序列與神經編碼 第六周:噪聲模型,噪聲神經元與編碼 第七周:各神經元模型編碼與解碼的評估

    章節Week 1 Week 2 Week 3 Week 4 Week 5 Week 6 Week 7 Final Exam

香港赛马会正版图库