• 学做小程序

    随堂模式 计算机学科
    刘强
    • 刘强副教授 清华大学软件学院
    • $
    • g3.2万人
    • 7已更新至第6章

    简介 本课程以小程序实战项目为出发点,由浅入深地讲解微信小程序的基础知识和开发技术,包括小程序的基本概念和框架结构、数据绑定机制、模版化与模块化、数据缓存、常用组件和API以及全栈应用开发等。学习者可以通过“学中做”和“做中学”,掌握小程序的基本原理和前后端开发的实用技能,开启自己的小程序开发和上线之旅。

    章节第1讲 微信小程序概述 第2讲 初识微信小程序 第3讲 电影周周看V2 第4讲 电影周周看V3 第5讲 组件化开发 第6讲 构建小程序的全栈应用

  • 算法设计与分析

    王振波
    • 王振波副教授 清华大学数学科学系
    • $
    • g2.5万人
    • V3小时/周

    简介      本课程系统介绍算法设计与分析的方法和理论,包括算法基础、图、贪婪算法、分治、动态规划、网络流、计算复杂性初步、近似算法及随机算法等。同时,本课程还包含算法领域的一些前沿课题和最新进展。本课程可以作为数学、计算机等相关专业的研究生和高年级本科生关于算法理论的基础课程。       算法设计与分析是计算机科学及运筹学的一门基础性课程,在清华大学数学系已经开设了10几年的时间,一般在秋季学期开设,4学分64课时,有来自数学系,计算机系,工业工程,经管学院及一些工科院系的研究生和高年级本课程选课,选课学生比较踊跃,课容量多次扩大,目前选课人数在50人以上。学生普遍反映课程内容精彩、有用、有趣。在算法广泛应用和飞速发展的时代,学生通过对这门课程的学习,进入了算法领域,掌握其基本理论和方法,提升思维方式,为今后的学习、科研和工作打下坚实基础。

    章节1 Introduction of Algorithm 2 Basics of Algorithm Analysis 3 Graph 4 Greedy Algorithms 5 Divide and Conquer 6 Dynamic Programming 7 Network Flow 8 NP and Computational Intractability 9 Approximation Algorithms 10 Local Search 11 Randomized Algorithms Exam

  • 大数据算法基础

    随堂模式 计算机学科
    赵颖
    • 赵颖副教授 清华大学计算机系
    • $
    • g2万人
    • V6小时/周

    简介本课程提出了“知算法、懂算法、遇到问题找算法”的建设目标,旨在培养研究生掌握大数据系统与大数据处理中的基础计算方法,提升用数学理论求解大数据实际问题的能力,为寻求大数据系统与相关应用领域中实际问题的最优求解方法建立基础。课程由大数据基本算法知识、高级大数据算法设计以及相关专题三部分组成。大数据基本算法知识讲述大数据算法概述、算法分析数据基础、概率分析基础、随机算法基础、抽样算法基础等;高级大数据算法设计包括图算法、流计算、链接分析等;相关专题包括多线程计算、近似算法等。

  • 大数据分析(B)

    随堂模式 计算机学科
    朱文武
    • 朱文武教授 清华大学计算机系
    • $
    • g1.8万人
    • V6小时/周

    简介在互联网、政治经济、社会、公共卫生、金融、医疗健康、环境、海洋等等各个领域,都存在着PB量级的数据有待研究,且大数据分析的结果已经产生实际效应。本课程将从数据统计分析的数学基础、大数据智能分析与处理方法、大数据的分布式处理与并行计算以及大数据的多领域应用等不同层次,教授大数据分析与处理的基本方法、工具及应用。具体内容包括:(1)大数据分析与处理基础:数据科学发展情况;大数据的时代背景及其重要性;大数据分析与处理的典型应用。(2)数据统计分析的数学基础:数据统计知识回顾;多维数据分布;数据采样;主成份分析与因子分析;假设检验;线性相关与回归;非线性回归;方差分析;P-Value。(3)大数据的智能处理:时间序列分析;动态贝叶斯网络;矩阵分解理论;机器学习;大规模数据上的模型应用。(4)大数据的分布式处理与并行计算:HDFS与HBASE;Hadoop与Mapreduce,MapReduce并行计算;基于MapReduce的数据分析与智能处理方法的并行化。(5)大数据分析与处理前沿:社交媒体大数据分析与处理;城市交通大数据分析与处理;金融大数据分析与处理;医疗大数据分析与处理等。

  • 大数据分析与内存计算

    随堂模式 计算机学科
    李国良
    • 李国良副教授 清华大学计算机系
    • $
    • g8847人
    • V10小时/周

    简介随着大数据时代的到来,数据分析、处理和挖掘面临了越来越大的挑战。传统的Hadoop技术已经不能满足大数据分析处理的需求,因为本课程主要讲解目前的主流技术-内存计算。课程内容主要包括:大数据内存分析工具spark、大数据流处理工具storm,图数据处理工具Pregel、Graphlab和GraphX,和大数据内存数据库SAP HANA等。

  • 网络存储技术

    随堂模式 计算机学科
    张广艳
    • 张广艳副教授 清华大学计算机系
    • $
    • g8227人
    • V5小时/周

    简介本课程以计算机存储系统在各个历史时期所面临的技术挑战为主线,讲解存储设备的基本工作原理,单机存储、网络存储、云存储等基本存储架构,以及数据布局、数据缓存、数据编码等基本方法,使学生在重温存储系统发展历程的过程中进行学习、领会,有助于同学深入理解大数据存储的体系结构和方法设计。同时,在各个教学环节中注意对学生正确科研方法的培养。在平时教学中注意介绍知识点的发现者当时的心路历程,提高学生分析问题、解决问题的能力,特别是培养学生的创新思维和创新能力。

  • 互联网创新与创业

    崔勇
    • 崔勇教授 清华大学计算机系
    • $
    • g5113人
    • V3小时/周

    简介 随着互联网技术的高速发展,互联网产业已经成为影响人类日常生活的重要基础。技术创新和互联网思维不断冲击并颠覆着整个世界。本课程将从案例分析为主,帮助学生了解基于信息技术创新的创业思路,激发学生的创新创业热情,理解信息技术创新及商业模式创新的重要性。     课程教学环节包括五个部分:    (1)对互联网领域初创企业进行案例分析,了解信息技术创新的重要性以及实现其潜在社会价值的一般规律;    (2)对互联网领域的典型企业分析,了解新技术及新方向,理解企业经营理念以及信息技术创新趋势的重要性;    (3)分析阐述包括知识产权、用户需求等创业环境对技术创业的影响;    (4)讲述典型的科技创业投融资方式和初创企业的成长路线;    (5)商业计划书撰写能力培养。

    章节第一章 站在互联网门前 第二章 互联网入口 第三章 中国互联网大势 第四章 互联网+ 第五章 迈向未来 第六章 为目标用户做游戏