面向研究生的数据挖掘教学实践.pptx

1、面向研究生的数据挖掘教学实践数据挖掘 自动的、从”海量”数据中挖掘出隐藏的、潜在的、有价值的知识的技术 人工智能的核心技术之一 大数据分析的核心技术之一 近10年最重要、最热门、最流行的技术之一2018/12/73学生特点 选课人数多. 最多600研究生选课 学科十分分散. 各专业学生需求不同、期望不同 学生基础参差不齐. 零基础与专业级选手并存 师资等条件不足. 教师不足. 教室不足. 计算设备不足2018/12/74课程教学的困难与挑战 如何设置课程教学内容. 原理、算法 如何设置课程大作业. 适应学生基础的动手实践 如何激发不同学生的积极性. 结合不同学生的专业背景2018/12/201

2、8/12/78课程目标 讲解数据挖掘的主要原理、算法与技术 与实际应用结合，融会贯通 拓展思路，增长见识 提高独立研究的能力2018/12/79课程内容设计 全英文教学 经典内容+前沿介绍+实际应用 一本教科书+若干相关文献 书面作业. 习题. 上机实验 算法实践 工具使用 工程性的大作业与国际一流大学接轨 课堂汇报成果 推动高级课程设置开展分层次的教学2018/12/710理论知识与工程实践结合 根据学科、课程自身特点 设计与国际一流大学要求相当的工程性大作业 设计与国内知名大企业合作 学院为学生提供实验用的服务器 学生组队完成，锻炼团队精神，扬长补短 学生课堂汇报. 分享算法. 成果展示2

3、018/12/711激发学生自我钻研的积极性 大作业以课外/课内竞赛为形式，充分调动学生的积极性. KDDCUP. CCF大赛 知名大企业的项目需求为大作业，充分调动学生的积极性. 阿里云. 京东大数据 助教提供辅导 学院提供实验机器2018/12/712课程大作业数据挖掘 2006年起面向研究生开设数据挖掘课程时间2006秋选课人数54时间2014秋选课人数3952007秋2008秋2009秋2010秋112942014春2015秋2015春2016秋1203331973891762202011秋2012秋2013秋2903473362017秋2018秋4242842018/12/714数据

4、科学人才培养 面向不同层次人才/需求人才的系列课程体系建设. 面向互联网+，开设网络数据挖掘. 面向人工智能，开设高级数据挖掘算法研讨课. 面向大数据计算分析，开设基于GPU的CUDA并行计算高级数据挖掘算法研讨课网络数据挖掘数据挖掘基于GPU的并行计算2018/12/715数据科学人才培养 高级课程1- 网络数据挖掘. 深入的算法探讨. 加入信息检索、社交网络、搜索引擎、排序学习等2018/12/716数据科学人才培养 高级课程2-高级数据挖掘算法研讨课. 深入的算法探讨. 最新算法探讨. 以学生讨论为主的形式，进一步调动学生积极性2018/12/717数据科学人才培养 高级课程3-基于GP

5、U的CUDA并行计算. 基于GPU的并行计算的原理. 编程方法和语言. 以大数据分析/挖掘为目标的课程大作业课程大作业获奖 2011年全国CUDA校园程序设计大赛二等奖 2012年全国CUDA校园程序设计大赛一等奖2018/12/718数据科学人才培养2018/12/719获奖 2012年被英伟达公司授予全球CUDA教学中心称号2018/12/720获奖 2014年被英伟达公司授予中国最佳CUDA教学中心最佳CUDA教学中心2018/12/721获奖 2012年评为中国科学院“精品电子课程” 2014年北京市重点学科建设课程 4次中国科学院大学校级/院级“优秀课程”2018/12/722获奖2018/12/7232018/12/724谢谢！2018/12/725