• Java程序设计(2018春)

    随堂模式 计算机学科
    郑莉
    • 郑莉教授 清华大学计算机科学与技术系
    • $
    • g7.4万人
    • V6小时/周

    简介 课程目标:掌握Java的基础语法、面向对象的程序设计方法;初步了解GUI程序开发方法; 主要受众:程序设计初学者。无先修课程要求,如有一点编程基础更好。 主要内容: 1、Java语言基础知识; 2、类与对象的基本概念; 3、类的方法; 4、类的重用; 5、接口与多态; 6、输入/输出流; 7、Java集合框架;8、图形用户界面; 

    章节第一章 Java语言基础知识 第一章续-习题讲解视频 第二章 类与对象(一) 第三章 类的重用 第四章 接口与多态 第五章 输入输出 第六章 对象群体的组织 第七章 图形用户界面 章节

  • 计算机文化基础(2018春)

    随堂模式 计算机学科
    李秀
    • 李秀副教授 清华大学计算机系
    • $
    • g4.6万人
    • V4小时/周

    简介 面对着纷繁复杂、层出不穷的软硬件,你是否想了解这些背后万变不离其宗的基本原理?生活在机遇与挑战并存的信息时代,各种新技术和新名词铺天盖地涌现,有些成功引领了行业潮流,而有些只是昙花一现的噱头,你是否很想知道如何“未卜先知”地去鉴别?当智能计算设备已成为现代人生活不可或缺的组件,计算机文化渗透到社会的方方面面,你是否想更好地融入这种文化氛围?信息爆炸催生了网络时代的快节奏模式:今天的流行语到明天可能就会变成老掉牙的梗,今天的新潮设备到明天可能就会变成过时产品。在这种环境下,把握信息技术发展的大方向,从宏观上对当前的时代有一个全面而直观的认识,在扑朔迷离的信息时代找准自己的定位,也许对你而言,比掌握某个软件的使用方法要实用得多。 这是一门以生机勃勃的信息技术为内容载体,为各领域的专业人才铺垫坚实的信息素养的公共基础课程。在大学里,这是一门面向全校各专业各年级的公共基础课。无论你是一名电脑“小白”,希望学习图像处理软件来制作海报;还是一名百万行代码量级的编程高手,渴望以新的视角了解1和0之外的世界;或者你正在从事与计算机几乎完全无关的工作(这样的工作还存在吗?),迫于潮流想对当下的信息技术有个全面系统而深入浅出的了解……无论出于什么目的,相信你都能从这门课中得到属于你的收获。 这门课可以看作是计算机世界的“概论课”,采用全新的课程理念和教学模式,内容精彩,特征鲜明。与传统课程相比,本课程最大的特点在于讲授主体不只是学校教师,还有信息技术各相关领域的专家学者,他们都会根据自己的独特经历,以全新视角为你讲述不同的计算机世界;而我们的授课内容也远远不只是说教式的、冷冰冰的书本知识,更有与生活密切相关的、活灵活现的案例与故事。此外,由于信息技术发展极为迅速,所以本课程没有特定的教材(书籍出版会非常滞后),而且会不断更新内容,力图展现最新颖、最前沿、最符合时代潮流的内容。不仅如此,本课程还立足于“文化”视点,努力尝试将深刻影响人类社会的信息技术讲出“文化”的味道,让受众建立起普适的计算思维。

    章节第1课:说在前面的话 第2课:揭开计算机的神秘面纱 第3课:数字世界中形形色色的“数” 第4课:最熟悉的陌生人APP 第5课:数据如何安好 实践课:演示文稿制作 第6课:从单机到联网 第7课:+互联网 第8课:从图像传感器看世界的物联 第9课:从信息为王到选择为王 第10课:信息安全知多少 第11课:说在后面的话 期末考试

  • 大数据科学与应用系列讲座(2018春)

    随堂模式 计算机学科
    李军
    • 李军博士 清华大学自动化系
    • $
    • g4.4万人
    • V2小时/周

    简介本课程以一系列大数据讲座为主线,突出实战性,激发学生学习兴趣和动力,促进学生理论与实践相结合,启发学生技术创新。 注重结合应用实例融会贯通大数据中的理论方法和系统知识(平台、模块、工具),体会运用大数据技术解决实际问题的思路和效果。本课程兼顾信息类和非信息类学生。

    章节李国杰:面向大数据的数据科学 吴甘沙:大数据分析师的卓越之道 吴甘沙:大数据的十个技术前沿 董飞:硅谷公司的大数据实战分析 毛波:阿里全息大数据构建与应用 韩定一:在线营销中的竞价机制与数据价值 陈辉:数据驱动营销 龚笔宏:大数据在工业界中的经典案例分享 艾小缤:大数据评价体系在金融、征信领域的创新 刘鹏:互联网变现与计算广告 [补充]王迪:数字融合下的美国视频广告生态和产品应用创新 秦伟俊:基于百度时空大数据的城市计算 [补充]郑宇:大数据驱动智能城市 王新锐:金融大数据的法律实践 屈燕:大数据在社交媒体的应用 钟义信:“人工智能与大数据”的创新研究 吴军:数据为王和机器智能的时代 [补充]余凯:百度大脑所思考的人机关系 苏中:从大数据到认知计算 [补充]Michael I.Jordan:On Computational Thinking, Inferential Thinking and Data Science 刘晨:数据治理为数据资产保驾护航 杨光信:数据系统架构 时磊:大数据网络可视化 彭元:网络安全与大数据

  • 大数据系统基础(2018春)

    随堂模式 计算机学科
    王建民
    • 王建民教授 清华大学软件学院
    • $
    • g3.4万人
    • V3小时/周

    简介通过本课程学习,了解大数据管理的工具平台、开发环境、基本原理,熟悉典型大数据工具与平台的特性,掌握大数据处理的基本开发方式。在介绍典型系统工具使用的基础上,通过分析其实现原理与设计理论,增强学生大数据工具与平台的应用与开发能力,同时也为有志于继续深入学习大数据专业课程的学生创造基础 。具体课程内容包括:绪论,云计算,文件存储,计算框架,内存计算,NoSQL,流数据处理等。 

    章节1. 绪论 2.云计算 3.文件存储 4. 处理框架 5.内存计算 6. NoSQL 7. 流计算

  • 数据挖掘:理论与算法(2018春)

    随堂模式 计算机学科
    袁博
    • 袁博副研究员 清华大学深圳研究生院
    • $
    • g3.4万人
    • V6小时/周

    简介 本课程完整覆盖数据挖掘领域的各项核心技术,包括数据预处理、分类、聚类、回归、关联、推荐、集成学习、进化计算等。强调在知识的广度、深度和趣味性之间寻找最佳平衡点,在生动幽默中讲述数据挖掘的核心思想、关键技术以及一些在其它相关课程和教科书中少有涉及的重要知识点。本课程适合对大数据和数据科学感兴趣的各专业学生以及工程技术人员学习,不追求纯粹的理论推导,而是把理论与实践有机结合,让学生学到活的知识、有用的知识和真正属于自己的知识,特别是数据分析领域的研究方法和思维方式。

    章节走进数据科学:博大精深,美不胜收 数据预处理:抽丝剥茧,去伪存真 从贝叶斯到决策树:意料之外,情理之中 神经网络:巨量并行,智慧无限 支持向量机:数学之美,巅峰之作 聚类分析:物以类聚,人以群分 关联规则:营销购物,自有乾坤 推荐算法:察言观色,投其所好 集成学习:兼听则明,偏听则暗 进化计算:大道至简,万物之本 美丽数据说:阆苑仙葩,美玉无瑕 考试入口

  • 微软亚洲研究院大数据系列讲座(2018春)

    随堂模式 计算机学科
    洪小文
    • 洪小文院士 微软公司电气电子工程
    • $
    • g3.2万人
    • V2小时/周

    简介 计算机科学正在前所未有的影响着我们的生活,它令我们的生活更加简单方便、更为丰富充实。依托于计算机科学的大数据研究,则完美的展现了数量、速度和多样性等概念,也越来越成为计算机学界普遍关注的领域。 2014年秋季,清华大学交叉信息研究院和微软亚洲研究院合作开设了《大数据基础与应用》研究生专业课。微软公司资深副总裁,微软亚太研发集团主席兼微软亚洲研究院院长洪小文博士等8名资深研究员和清华大学3位教授共同完成了18周的教学任务。 该联合课程自开设以来受到学术界的关注和好评,纷纷建议微软亚洲研究院将相关内容以在线课程的方式与更多的高校师生分享。有鉴于此,经过长达半年的精心准备,《微软亚洲研究院大数据讲座系列》在线课程终于与大家见面了,课程用英文讲解,配有英文字幕,共6讲,合计约9个小时。 *学习“微软亚洲研究院大数据系列讲座”在线课程,有机会获得参观微软亚洲研究院,与授课研究员面对面交流的机会。优秀学员更有机会成功申请微软亚洲研究院实习生计划。 This will absolutely change your life!” —— 姚期智院士(图灵奖得主、清华大学教授)

    章节第一讲:大数据研究现状及未来趋势(洪小文) 第二讲:互联网搜索中的大数据研究(宋睿华) 第三讲:社会计算中的大数据研究(谢幸) 第四讲:城市计算中的大数据研究(上)(郑宇) 第四讲:城市计算中的大数据研究(下)(郑宇) 第五讲:软件分析中的大数据研究(张洪宇) 第六讲:大数据分析可视化研究(刘世霞)

  • 面向对象程序设计(C++)(2018春)

    随堂模式 计算机学科
    徐明星
    • 徐明星副教授 清华大学计算机系
    • $
    • g1.5万人
    • V8小时/周

    简介 本课程是“程序设计基础”的后续课程,重点在于提升和强化学习者的抽象思维能力,培养对于变与不变的深刻理解。课程将以C++语言为媒介,以任务驱动为手段,引领学习者掌握如何用C++语言提供的各种技术手段来对复杂世界及其蕴含的关系进行描述。 本课程希望学习者已学习过一门高级语言,已掌握了一些基本的编程技能,也适合于那些希望了解C++语言并运用C++语言进行高质量程序设计的学习者。 课程使用的语言是C++,在通过一定篇幅介绍C++的主要语法知识后,将重点围绕什么是接口、怎么设计、实现和使用接口、如何在程序设计中体现“开闭”原则,以及如何实现数据表示与操作的分离等内容展开介绍和讨论。课程除了介绍传统的面向对象程序设计的基础知识,还会讨论如何进行基于接口编程,如何进行泛型程序设计,还会讨论到C++语言的标准模板库的核心内容。

    章节第一讲 课程简介与编程环境 第二讲 基础语法(1) 第三讲 基础语法(2) 第四讲 基础语法(3) 第五讲 找到对象,确定接口 第六讲 算法横向拆分,分离步骤 第七讲 算法纵向拆分,分离表示 第八讲 基于接口组合,应对复杂变化 第九讲 增加抽象层级,隔离复杂变化 期末考试

  • 云计算与软件工程(2018春)

    Armando Fox
    • Armando Fox 加州大学伯克利分校
    • $
    • g1.5万人
    • V12小时/周

    简介CS169.1x讲授设计可持久化软件的基础知识,利用敏捷开发技术以及 Ruby on Rails 来开发云服务 (SaaS)。 学生们将了解 SaaS 对抗成品软件的新挑战和机遇。他们将了解并将基础编程技术应用于一个简单的 SaaS 应用的设计、开发、测试及公共云部署。学生们将使用同类最佳的工具,支持行为驱动设计、用户故事、测试驱动开发、快速及结对编程等现代开发技术。学生们将学习如何利用元程序设计和反射机制等现代编程语言特性提高编程效率和代码可维护性。 学生们将进行每周编程项目和测验。成功完成作业且分数合格者将获得荣誉证书。 本期课程将使用2013年10月修改后的全新视频、两项新课外作业和全新考题。 学堂在线对此门课程进行了完全的汉化,包括中文字幕、中文习题等。同时清华的助教将全程进行中文答疑和辅导。

    章节课程概览 软件工程概论 计划和文档开发与敏捷开发,Ruby入门 Ruby 进阶 BDD及TDD介绍 SaaS应用的架构和REST Rails入门 敏捷开发的方法 利用Cucumber及Capybara进行BDD 使用RSpec进行TDD Development 补充视频

  • 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
    • $
    • g1.3万人
    • 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
    • $
    • g1.2万人
    • 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。