HSUHK | EN | A A A

数据科学及人工智能
硕士课程
A New Master Degree in Data Science and AI

课程介绍讲座

主题:培养大数据+AI专才,改变世界,引领未来

 

时间:2020年11月24日(星期二)晚上7点

 

主讲人:刘海博士(香港恒生大学电子计算系副教授)

 

讲座安排:

 

7:00-7:30PM 主题讲座

7:30-8:00PM 问答环节(Q & A)

 

腾讯会议ID:664 474 7977

 

 

 

 

请加入课程交流群,获取课程讲座的最新消息 

学制

  • 一年(全日制)
  • 二年(兼读制)

授课语言

英语

普通话辅导班

修读计划

第一学期

本科旨在介绍处理大数据的概念﹑技术和工具,包括大数据及其应用的关键特徵﹑处理大数据的通用框架以及数据科学过程中的基本技术。学生将在数据準备﹑探索﹑分析和可视化方面具有动手编程经验。此外,还将讨论大数据中的社会和道德问题。

本科涵盖数据管理的理论和系统。除了使用关係数据库的传统数据管理概念外,大数据还具有传统数据库无法处理的大量非结构性数据。本科的重点是满足大数据需求的计算技术,包括分佈式存储﹑数据库即服务範式和NoSQL。本科也会使用最先进的系统(例如MongoDB)对学生进行实务技能培训。

本科旨在为学生提供解决实际问题的数据挖掘技术。学生将学习一系列用於数据可视化的工具,并应用数据挖掘技术(例如分类﹑关联规则和聚类分析)来分析现实生活中的问题。本科亦要求学生有效地完成一个团队项目。

本科介绍用於构建和评估统计模型的现代方法及如何使用计算软件将其实现。本科亦会涵盖统计建模方法的基本原理。

第二学期

本科针对人工智能和机器学习的技术及其商业应用的最新进展。本科涵盖人工智能概念以及机器学习概念和技术,包括监督学习﹑无监督学习和强化学习。本科亦会涵盖深度学习概念和TensorFlow开源框架。学生将在各种业务应用中(例如物件识别)使用人工智能和机器学习算法或工具。

  • 选修科目*
           从以下选择三科选修科目
  • 本科的目的是帮助学生了解什麽是机器学习以及如何将其用於营销分析。本科将首先向学生介绍市场营销和销售中常用的主要机器学习算法。本科亦会讨论在营销场景中使用机器学习的真实示例,例如向客户提供个人化的优惠或改善在线客户体验。学生还将学习理论﹑技术以及如何选择最适合行业中特定营销问题的机器学习算法。

    本科概述了构成当今云计算应用程序的当前分佈式计算技术和分佈式算法。本科涵盖的概念和模型包括:云服务模型(SaaS,PaaS和IaaS),虚拟化技术,云基础架构和网络,云和分佈式存储(例如键值/ NoSQL存储),分佈式算法(例如领导选举和故障恢复)等。我们还将研究一些行业框架,例如Hadoop,Map / Reduce和Spark。

    本科研究网页和移动服务等大数据应用程序在安全性和隐私性方面的新兴趋势和问题。大数据分析可以对企业和社会带来好处,但大数据分析亦涉及收集敏感甚至机密的个人数据。如果处理不当,可能对个人﹑企业和社会造成毁灭性後果。因此,本科将著重於识别此类大数据应用程序中的安全性和隐私问题以及挑战。本科将探索用於实施安全性和保护隐私的现有方法和可用工具,并使学生能够评估解决安全或隐私问题的方案。

    本科旨在让学生学习数据科学和人工智能领域的最新知识。它涵盖了相关领域中精选的当代主题。主题取决於最新趋势和任教导师的专业知识。本科还强调实践知识,例如现实生活中的示例和动手技能。

    本课程讲授一系列用於决策分析的定量方法,重点在解决供应链的管理问题。互联网上大量可用的信息(主要是通过社交媒体)为用於计划和控制供应链的分析方法提供了重要数据。分析有两种:数据分析和决策分析。数据分析是可以用来处理数据,将数据转换为领域知识(供应链参数)的信息方法。在供应链环境中,此类领域知识可以通过决策分析进一步处理:描述性分析(供应链控制技术)﹑描述性分析(供应链优化方法)和预测性分析(需求预测和资源计划模型)。在本课程中,我们将讨论这两种分析,并表明要在大数据环境中成功规划和控制供应链,必须对这两种分析进行适当的集成。

    *选修科目选项将取决於该学年的课程计划

    学位授予

    完成8个科目(包括5个必修科目及3个选修科目,共24学分)并於每科取得D级或以上成绩,及累积平均积分点达到2.0或以上。

       

    香港 新界 沙田 小沥源 行善里
    电邮: dsai@hsu.edu.hk     电话: (852) 3963 5015
    © 2020 香港恒生大学 版权所有