大数据分析中的算法 (2015年春季)

  • 课程项目

    • 课程项目一: project1.pdf 交作业时间: 2015年4月30日北京时间晚上24点前,不接受迟交作业。
      demo: sparse_l1_example.m

    • 课程项目二: 请见下面课程项目二细节

  • 成绩评定

    • 大作业,包括习题和程序: 40%

    • 课程项目: 60%

    • 作业要求:可以同学间讨论或者找助教答疑,但不准抄袭。计算题要求写出必要的推算步骤,证明题要写出关键推理和论证。

  • 课程项目报告文件

课程项目二细节

  • 分组

    • 自由组合一般2至3人一组,可以一个人

    • 每一个组分配一位指导老师

    • 每位指导老师带2到3组学生,大三学生优先选组

  • 选题

    • 大致分为文献综述,模型项目,算法项目,理论问题

    • 题目可以从 “课程项目文献” 里选择

    • 题目也可以自由选择。如果该项目在其它课程里或其他老师组里同时进行,请明确说明。 如果该课题是以往工作的延续,请明确说明。

    • 文献综述: 挑选一篇感兴趣的文献,写文献综述

    • 模型项目: 挑选你感兴趣的应用问题,探索用最优化算法或数值代数算法解决。

    • 算法项目: 挑选一个或者一类问题,提出新的算法或者已有算法的变形

    • 理论问题: 分析一些模型或算法的理论性质

  • 评分准则

    • 课程课堂报告: 准备15分钟报告 + 5分钟提问。 每个组员均需讲差不多长度的时间。成绩评定: 50% 其中小组之间相互评定和教师意见各 50% .
      小组之间相互评定,评分为1-10。 请每组填写presentation_evaluation.xlsx发给助教 (pkuopt@163.com, wendouble@gmail.com).
      每组负责收集自己组的评分。如果B组课堂上没有给A组评分,则A组收集B组的评分填写为10*(请标注*号),而B组计算平均分后将减1分,扣完为止。
      由于课堂报告分两组进行,相互评分只需评给当天报告的同学。

    • 书面报告: 每一组提交一份ppt (课堂报告文件)和一份读书报告 (包括latex源文件 )。如果文章中有数值算例,请写程序复制数值实验结果。成绩评定:占该项目的 50%

  • 重要日期和提交内容:

    • 3月31日前,选择指导老师, 分组情况请查看此文件

    • 4月7日前,分组情况请于4月7日前填写调查问卷,需提供的信息: 姓名,学号,文章或项目题目, 指导老师

    • 5月19日, 中期报告请于前发email给助教 (pkuopt@163.com, wendouble@gmail.com)
      中期报告不超过3页纸(单面)。需要描述你们组的选题,已经完成的工作,你们将要做哪些事情
      提交的文件名为 “proj2rep1-name1-name2.pdf”. 比如如果成员为Pengyu Qian 和 Junzi Zhang,则文件名为 proj2rep1-PengyuQian-JunziZhang.pdf

    • 6月16日和 6月19日,课堂报告. 选择第二个有空时间,
      分组情况及时间安排请查看此链接 presentation_schedule.xlsx

    • 6月30日晚12点(不接受晚交报告),课堂报告文件和书面报告 (包括latex源文件,程序等等打包发email给助教 (pkuopt@163.com, wendouble@gmail.com)。
      提交的文件请全部打包,文件名为 “proj2-name1-name2.zip”. 比如如果成员为Pengyu Qian 和 Junzi Zhang,则文件名为 proj2-PengyuQian-JunziZhang.zip

课程项目文献