基本信息


课程概述

近年来,人工智能领域异军突起,深度学习(Deep Learning)技术在学术界和工业界取得了广泛的成功;城市信息化的过程中积累了海量的时空大数据,已成为人工智能技术落地的重要突破口。时空大数据与个人生活和社会发展紧密联系:我们的出行、就餐、购物等行为都无时不刻在产生时空大数据;城市空气质量、人口密度、教育水平等社会情况,也都和时空大数据有关。通过运用深度学习等人工智能技术,对时空大数据进行多维融合、关联分析与深度挖掘,可以揭示城市发展演化的规律,为城市管理者提供精准、全面、有效的决策支持。

课程目标

本课程将带领同学们系统地学习深度学习技术在时空大数据分析中的应用。课程将详细介绍基于Python的深度学习和大数据处理的编程实现,并针对深度神经网络(DNN)、卷积神经网络(CNN)和循环神经网络(RNN)等三个主流的深度学习模型进行深入讲解。通过课程实验设计,掌握时空大数据处理、深度学习建模与预测等动手实践能力。

上课时间

  • 讲座:6次,每次2-3学时
  • 实验:6次,每次2-3学时

参考资料




教师介绍


课程教师博士毕业于法国顶尖高校,任职于国内985大学,现为计算机系助理教授。所开发的算法已在法国Orange公司得到应用,发表大数据和人工智能相关国际会议和期刊论文20余篇,多次获得顶会最佳论文奖和最佳论文提名奖。主持多项国家和省级科学基金项目,参与欧盟FP7和国家973项目担任技术骨干,与法国、瑞士、美国等多所著名高校和科研机构保持紧密合作。



课程大纲


Lecture 1

  • 讲座:时空大数据概述
  • 实验:Python基础(一)


Lecture 2

  • 讲座:深度学习概述
  • 实验:Python基础(二)


Lecture 3

  • 讲座:深度神经网络(DNN)
  • 实验:基于Python的DNN构建及应用


Lecture 4

  • 讲座:卷积神经网络(CNN)
  • 实验:基于Python的CNN构建及应用


Lecture 5

  • 讲座:循环神经网络(RNN)
  • 实验:基于Python的RNN构建及应用


Lecture 6

  • 讲座:时空深度学习案例与趋势
  • 实验:时空深度学习实践