大数据分析中的算法 (2017年春季)

  • 基本信息: (教学大纲)

  • 课程代码:00136720 (本科生),00100863 (本研合)

  • 课程内容: 侧重数据分析中的数值代数和最优化算法

  • 教师信息: 文再文,wenzw at pku dot edu dot cn

  • 助教信息: 李勇锋: pdlyf1128 at 163 dot com, 刘浩洋: liuhaoyang at pku dot edu dot cn

  • 课程微信群(下面二维码2月26日失效)

150px 
  • 作业和课程项目,重要日期和提交内容:

  • 准备 Lecture notes

  • 课程项目

    • 课程项目一: 请见下面课程项目一细节

  • 成绩评定

    • 迟交一天(24小时)打折10%, 不接受晚交4天的作业和项目(任何时候理由都不接受)

    • 大作业,包括习题和程序: 30%

    • 课程 lecture notes 准备: 10%

    • 课程项目: 60% (作业四算成一个课程大项目)

    • 作业要求:i) 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。数值试验题应该同时提交书面报告和程序,其中书面报告有详细的推导和数值结果及分析。 ii) 可以同学间讨论或者找助教答疑,但不允许在讨论中直接抄袭,应该过后自己独立完成。 iii) 严禁从其他学生,从互联网,从往年的答案,其它课程等等任何途径直接抄袭。iv) 如果有讨论或从其它任何途径取得帮助,请列出来源。

课程项目一细节

  • 分组: 自由组合一般2至3人一组,可以一个人

  • 选题

    • 大致分为文献综述,模型项目,算法项目,理论问题

    • 题目请从 “课程项目文献” 里选择

    • 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

  • 重要日期和提交内容:

    • 3月7日前,提交分组和选题信息, 具体课题在中期报告提交前还可以修改,

    • 4月18日晚12点(不接受晚交报告), 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 “proj1rep1-name1-name2.pdf”. 比如如果成员为Pengyu Qian 和 Junzi Zhang,则文件名为 proj1rep1-PengyuQian-JunziZhang.pdf

    • 6月20日晚12点(不接受晚交报告),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 “proj1-name1-name2.zip”. 比如如果成员为Pengyu Qian 和 Junzi Zhang,则文件名为 proj1-PengyuQian-JunziZhang.zip

课程项目文献