基于大数据的水闸安全评价与预测研究

针对传统评价数据源单一、综合性和智能化不高的问题,在水闸安全评价相关理论、方法和应用经验的基础上,引入大数据理论与机器学习技术,协同应用多种水闸运行管理数据,设计了水闸安全评估及预测大数据总体应用框架,阐述了关键技术的实现方法,重点论述了基于大数据的机器学习模型库的建设流程。利用大数据和机器学习技术,建立基于大数据的水闸安全评价与态势预测的智能化应用模型,具有很好的技术支撑和应用价值。     

面向机器学习课程的教学改革实践

针对智能科学与技术专业"机器学习"课程理论与实验教学实践中遇到的问题,从"机器学习"课程在计算智能教学体系中的根本作用出发,提出面对"机器学习"课程理论和实验教学的改革方案和相应的新教学大纲。     

基于AI Studio平台的机器学习课程实践教学

针对高校开设机器学习课程面临的实验环境难以搭建、教学案例设计困难、行业大数据集难以获取等痛点问题,提出基于百度AI Studio平台开展机器学习课程实践教学,从搭建机器学习课程环境、设置实践教学平台、加载实践案例到开设课程实践比赛各环节,探讨如何开展以实践驱动的机器学习通识课教学,从而培养学生使用人工智能技术解决本学科专业领域复杂问题的能力.     

开源工具在机器学习教学中的应用

机器学习是一门以算法和学习理论为主的计算机专业基础课程,单纯的算法分析和理论讲解很难引起学生的学习兴趣。为了激发学生的兴趣,循序渐进的完成教学目标,本文探讨了在课堂讲授、课程作业和毕业设计三个基本教学环节中应用开源机器学习工具——WEKA的教学方法。     

基于AI Studio的机器学习实践训练通识课建设

针对非计算机学科学生对机器学习课程的学习需求,以北京理工大学"机器学习理论和实践"实践训练通识课为例,从课程总体设计、实验案例设计和教学效果3个维度详细探讨面向各个专业的实践训练通识课程建设方案,提出基于教育2.0到3.0的教学模式和结合大创竞赛、校企合作的人才培养模式.     

基于飞桨框架的三阶递进式机器学习教学模式探索与实践

如何结合大数据与人工智能技术的时代特征和机器学习课程的自身特点,设计一套行之有效的教学模式是摆在专业教师面前的一个难题,对此提出一种三阶递进式机器学习教学模式,从课堂、实验、三级项目层层递进,基于百度飞桨框架介绍具体教学实践过程,最后说明教学效果.     

大数据、人工智能类专业开设最优化方法课程必要性探析

结合高校大数据、人工智能类专业课程教学面临的困难,分析当前人才培养方案课程设置中存在的不足,提出本科大数据、人工智能类专业需开设最优化方法课程的建议。通过某矿场车辆分类和重庆市粮食产量预测及其影响因素分析等案例中涉及到的卷积神经网络及其迁移学习、支持向量机回归等机器学习方法,探讨了在大数据、人工智能专业开设最优化方法课程的必要性。     

大数据背景下的机器学习算法应用研究

大数据背景下,机器学习和数据分析是利用大数据为人类服务的重要手段。本文阐述了机器学习算法的使用 步骤、特征维度的提取方法、特征模型建立的理论支撑,以及模型融合所占的权重。针对当前大数据下机器学习算法的关键技 术,对其发展前景进行了展望。     

基于大数据下分布式机器学习的策略与原则

随着人工智能的快速发展,分布式机器学习开始成为社会生产建设中重要工具.大数据技术的应用,丰富了分布式机器学习的策略,进一步拓展了应用空间,提高了应用价值.基于此,本文分析了基于大数据下分布式机器学习特点,然后根据分布式机器学习的实际需要,从分配与调度、计算与通信连接等方面进行探讨,围绕着分布式机器学习的基本原则,寻找科学、合理的学习策略.     

大数据机器学习系统综述

机器学习需要有大量的背景数据作为训练集,而大数据技术正好给机器学习带来了这样的大量数据训练集。结合机器学习和大数据技术,为了实现高效的大数据机器学习而设计的大数据机器学习系统面临着诸多的技术问题。大数据机器学习系统成为大数据技术和机器学习领域研究的重要课题。本文介绍了大数据机器学习系统应该具有的概念、特征及相关典型的大数据机器学习系统。     

大数据下的机器学习算法综述

随着产业界数据量的爆炸式增长,大数据概念受到越来越多的关注.由于大数据的海量、复杂多样、变化快的特性,对于大数据环境下的应用问题,传统的在小数据上的机器学习算法很多已不再适用.因此,研究大数据环境下的机器学习算法成为学术界和产业界共同关注的话题.文中主要分析和总结当前用于处理大数据的机器学习算法的研究现状.此外,并行是处理大数据的主流方法,因此介绍一些并行算法,并引出大数据环境下机器学习研究所面临的问题.最后指出大数据机器学习的研究趋势.     

现代流程工业的机器学习建模

随着工业大数据时代的来临,基于数据驱动的建模方法在现代流程工业中的研究和应用引起了广泛关注。对以典型机器学习算法为核心的数据驱动建模方法近年来的研究发展进行了系统性的阐述。首先回顾了以分类和回归任务为主的单层机器学习算法在流程工业中的研究与应用,涉及故障检测、识别和诊断,软测量以及质量检测等。再对图像识别、语义分析等领域受瞩目的深度学习算法目前在工业领域的应用与发展进行详述。进而介绍区别于统计分析理论的流形学习在流程工业上的研究与应用进展。最后,对基于上述三类机器学习算法的数据驱动建模方法进行总结并提出展望。     

面向认知的多源数据学习理论和算法研究进展

多源数据学习在大数据时代具有极其重要的意义.目前,多源数据学习算法研究远远超前于多源数据学习理论研究,经典的机器学习理论难以应用于多源数据学习,更难以提供多源数据学习算法在实际应用中的理论保障.从学习的最终目的是知识这一认知切入点出发,对人类学习的认知机理、机器学习的三大经典理论（计算学习理论、统计学习理论和概率图理论）以及多源数据学习算法设计这3个方面的研究进展进行总结,最后给出未来研究方向的思考.     

基于模块化和鲁棒性的大数据公共课程体系设计方法研究

针对当前高校大数据公共课程在内容、师资安排以及课程衔接等方面存在缺乏合理设计的问题,基于OBE理念,提出一种基于模块化和鲁棒性的大数据公共课程体系设计方法,首先从不同专业对大数据应用人才的培养目标着手,以工程教育认证培养能力目标体系为线索,分析各专业课程与大数据公共课程之间的支撑度和衔接关系,从而构建模块化公共课程框架;然后基于主动式调整思路,将培养目标、课程体系参数化,进而设计课程选择及课程路径的设计与调整方法,并将其嵌入专业教育的持续改进的反馈闭环中实施.经过所在院校的实践,该方法能有效帮助非计算机专业选择和调整大数据技术公共课程,切实提高学生大数据课程的学习效果.     

基于大数据分析技术的数据安全与机器学习研究

随着新技术和新需求以及新应用场景的出现,大数据分析技术的应用愈发广泛,同时基于大数据分析技术的数据安全也面临更多新的挑战。本文首先分析了数据安全在大数据中的重要性,并从大数据分析技术与机器学习之间的关系、基于大数据分析技术的机器学习具体应用两个方面对基于大数据分析技术的机器学习的运用原理展开分析,希望为从业者提供一定的参考。     

机器学习课程中递进式实验案例设计

结合大数据交叉学科背景下的复合型工科人才培养需求,提出结合学生的专业研究领域,采用层层递进的原则进行实验案例设计,以智能制造领域为例,介绍机器学习课程的实验方案、实验内容、教学方案、评价方案设计等。     

机器学习模型安全与隐私研究综述

在大数据时代下,深度学习、强化学习以及分布式学习等理论和技术取得的突破性进展,为机器学习提供了数据和算法层面的强有力支撑,同时促进了机器学习的规模化和产业化发展.然而,尽管机器学习模型在现实应用中有着出色的表现,但其本身仍然面临着诸多的安全威胁.机器学习在数据层、模型层以及应用层面临的安全和隐私威胁呈现出多样性、隐蔽性和动态演化的特点.机器学习的安全和隐私问题吸引了学术界和工业界的广泛关注,一大批学者分别从攻击和防御的角度对模型的安全和隐私问题进行了深入的研究,并且提出了一系列的攻防方法.在本综述中,我们回顾了机器学习的安全和隐私问题,并对现有的研究工作进行了系统的总结和科学的归纳,同时明确了当前研究的优势和不足.最后,我们探讨了机器学习模型安全与隐私保护研究当前所面临的挑战以及未来潜在的研究方向,旨在为后续学者进一步推动机器学习模型安全与隐私保护研究的发展和应用提供指导.     

应用型智能科学与技术专业大数据课程群建设研究

指出当前应用型智能科学与技术专业大数据人才培养中存在的问题,然后分析大数据应用开发人才的岗位需求及知识结构,提出基于岗位目标的大数据课程群的概念,最后阐述大数据课程群建设对大数据人才培养的意义。     

数据科学与分析课程混合教学实践

基于数据科学与大数据技术专业的背景和特点,围绕数据科学与大数据技术专业的培养目标,探讨该专业导论性课程数据科学与分析的课程定位、教学大纲、教学手段、实践教学、课程网站建设等相关问题,介绍线上线下混合教学实践过程。     

平行学习——机器学习的一个新型理论框架

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点,并针对如何使用软件定义的人工系统从大数据提取有效数据,如何结合预测学习和集成学习,以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.