1. <nav id="jhvnf"></nav>

      <listing id="jhvnf"></listing>

      1. <output id="jhvnf"></output>
            1. <code id="jhvnf"></code>
              1. <var id="jhvnf"><object id="jhvnf"><noscript id="jhvnf"></noscript></object></var>

                1. <nav id="jhvnf"></nav>
                  <listing id="jhvnf"></listing>
                      1. <small id="jhvnf"></small><dd id="jhvnf"><delect id="jhvnf"></delect></dd>
                            1. <span id="jhvnf"></span>

                              自然语言处理与信息检索共享平台 自然语言处理与信息检索共享平台

                              大数据分析与应用研究生课程

                              课程名称:大数据分析与应用

                              一、课程编码:

                              课内学时:32 学分:2

                              二、适用学?#35889;?#19994;: 计算机专业硕士

                              三、先修课程:

                              四、教学目标

                              通过?#31350;?#31243;的课堂学习与应用案例,建立科学的大数据观,掌握大数据架构、大数据精准语义搜索、大数据语义分析挖掘、知识图谱等关键技术,熟练使用常用的大数据搜索挖掘与可视化工具,提升大数据的综合应用能力。?

                              五、教学方式

                              ??? 课堂学习、研讨班与应用实践

                              ? ? 上课地点: ?#26412;?#29702;工大学 研究生楼103教室, 针对研究生一年级的硕士生

                              六、主要内容及学时分配

                              课件:

                              大数据分析与应用课程说明

                              第1讲-大数据智能概述

                              第2讲-JZSearch语义精准搜索引擎

                              第3讲-机器学习与结构化数据挖掘

                              第4讲 NLPIR大数据语义分析

                              第5讲 知识图谱关键技术

                              第6讲 社会化新?#25945;?#20256;播与分析

                              第7讲 大数据应用实践

                              2016级、2017级课件与小组展示 PPT 下载地址: ?https://github.com/Dr-Kevin-Zhang/Big-Data-Analysis-and-Application-Course/?

                              2018级 研讨班内容:

                              深度学习:10月11日 ?A组??B组

                              大数据平台架构:10月18日 ?A组??B组

                              汉语分词:10月25日 ?A组??B组

                              文本分类与聚类:11月1日 ?A组? 11月8日 ?B组

                              情感分析:11月8日?A组? 11月15日 ?B组

                              热点话题发现:11月15日 ?A组? 11月22日 ?B组

                              不良信息发现:11月22日 ?A组? 11月29日 ?B组

                              短文本分析:12月6日 ?A组??B组

                              知识图谱:12月13日 ?A组? 12月20日 ?B组

                              社交网络分析:12月20日 ?A组? 12月27日 ?B组

                              2018级 课程大作业(前三组为评优组):

                              1-陈婉月-杨敏-范德宝-天线宝宝搜索引擎

                              2-姜庆鸿-刘子宇-刘宏玉-基于Seq2Seq的深度学习文本自动摘要

                              3-王朝阳-刘?#23376;?古文本自动句读

                              4-杨可-韩东成-马宇林-大数据纵览ofo共享单车的兴亡史

                              5-朱远武-金瑞-秦博文-GNMT机器翻译模型实现与分析

                              6-刘俊艳-利用机器学习神经网络模型结合高斯描述器计算Pt的基态

                              7- 白璠-牟鑫-吕光奥-基于LSTM的影评感情倾向分析系统

                              8-张心阳-任建国-巩卫参-圣经问答QA

                              9-余维航-柯楚雯-郑泉斌-基于微博的情感分析方法对比

                              10-郭学良-胡光怡-基于Attention机制的BiLSTM新闻主题分类

                              11-康驻关-赵晋锋-戴云鹏-葫芦娃兄弟电影速推系统

                              12-王琴瑶-王柯云-马冰-基于CNN的电影评论情感分析

                              13-喻云飞-唐宋古诗数据集处理及诗人风格分析

                              14-冯超群-姜欣雨-会吐槽的对话机器人——Teasing-Chat-bot

                              15-赵堃宇-李欣悦-刘影-基于用户协同过滤的歌单推荐系统

                              16-谷睿-杨晓雅-恶意代码检测

                              17-张宗毓-滕博文-张海波-告台湾同胞书智能分析

                              18-杨晓雷-刘江涛-赵鹏飞-唐家三少网络小说套路分析

                              19-陈凌-蔡静轩-钱云冲-推荐与预测分析小程序

                              20-陈潇雅-吉梦瑶-?#25806;?#23159;-基于文本挖掘的中国古诗词分析

                              21-刘思杰-古仁华-刘向昆-基于文件卷积神经网络的电影推荐算法

                              22-王梦圆-汪安平-惠宁-基于Char-RNN模型的诗歌自动生成系统

                              23-王宇-梁?#24335;?李志文-热点事件挖掘与可视化分析系统

                              24-徐元超-杨洋-仲泰乐-滴滴出行数据分析对比:成都VS西安

                              25-周月阳-熊啸楠-钟豪-基于hadoop的蛋白亚细胞区间检索系统

                              ?

                              七、考核与成绩评定

                              平时研讨,期终大作业加综述答辩考核

                              八、参考书及学生必读参考资料

                              1. 张华平,高凯,黄?#21451;?span lang="EN-US">,赵燕平.大数据搜索与挖掘[M].?#26412;?#31185;学出版社,2014.5ISBN:978-7-03-040318-6

                              九、大纲撰写人:张华平

                              You May Also Like

                              About the Author: nlpir

                              发表评论

                              十一选五投注攻略