• 350阅读
  • 0回复

NLPIR大数据语义智能促进各个领域技术应用 [复制链接]

上一主题 下一主题
 


  人类已经进入大数据时代。如果说计算机的普及仅仅解决了信息的可读化、可计算化问题,互联网解决了信息传递和服务问题,那么,大数据则解决了信息的分析和预测问题,大数据助力决策科学化,公共服务个性化、精准化。实践表明,大数据具有大容量、多样性、快速度、真实性等多种特征。利用数据融合、数学模型、仿真技术等,可以大大推动决策的科学性,甚至“揭示出原来没有想到或难以展现的关联”。全新的思维方式和行为方式,将带来全新的商业模式和发展路径。


  大数据带来的改变不仅使传统的思维方式和行为方式将面临巨大挑战,而且在公共服务领域,它有效集成信息资源的能力,将会为政府管理理念和治理模式的转变,提供强大的技术支撑。
  大数据在当代社会的作用是多方面的。大数据分析能去伪存真,用在公共服务领域可起到事半功倍的效果。通过大数据能够建立快速反应的公共安全管理系统、数据化调控过的公共交通系统、以人为本的综合社会管理系统、智慧预测下的公共卫生与医疗系统、创意与实用兼备的环境保护系统,还能够推进智慧城市的生长,让城市生活更美好。大数据之所以能够发挥如此巨大的作用,主要在于其多渠道的数据采集、高度开放的数据系统、精准识别的数据处理等关键技术。
  NLPIR大数据语义智能教学科研平台是大数据语义智能分析专业的教学科研综合平台。平台以自然语言理解为核心,结合北理工团队多年的科学研究与一线教学经验,以科学严谨的方式,致力于提升学员大数据与人工智能的教学培训、科学研究与工程实践的水平。
  NLPIR大数据语义智能教学科研平台具有一套完善且丰富的教学体系,课程教材、视频教学、实训平台、实验验证和项目案例五位一体。
  NLPIR大数据语义智能教学科研平台教学内容丰富,主要围绕大数据、人工智能和自然语言理解三大核心领域展开,核心内容包括以下几个方面:
  1)科学的大数据观:大数据的定义,科学发展渊源;如何科学看待大数据?如何把握大数据,分别从“知著”、“显微”、“晓义”三个层面阐述科学的大数据观。
  2)大数据技术平台与架构:云计算技术与开源平台搭建;Hadoop、Spark等数据架构、计算范式与应用实践;TensorFlow深度学习平台。
  3)机器学习与常用数据挖掘:常用机器学习算法:Bayes, SVM,深度神经网络等;常用数据挖掘技术:关联规则挖掘、分类、聚类、奇异点分析;深度学习:CNN, RNN, LSTM, Attention模型,seq2seq模型。
  4)大数据语义精准搜索:通用搜索引擎与大数据垂直业务的矛盾;大数据精准搜索的基本技术:快速增量倒排索引、结构化与非机构化数据融合、大数据排序算法、语义关联、自动缓存与优化机制;大数据精准搜索语法:邻近搜索、复合搜索、情感搜索、精准搜索;
  5)非结构化大数据语义挖掘
  语义理解基础:ICTCLAS与汉语分词;内容关键语义自动标引与词云自动生成;大数据聚类;大数据分类与信息过滤;大数据去重、自动摘要;情感分析与情绪计算;不良信息智能过滤.
  6)知识图谱的大数据自动构建与应用:知识图谱概念;知识点的自动发现;基于bootstrapping的知识大数据生成;
  7)NLPIR智能语义平台:NLPIR智能语义分析在线云服务;NLPIR Parser语义分析平台实训;NLPIR智能语义二次开发接口与教程。
  8)大数据应用案例剖析与综述:国家电网大数据应用案例;新媒体传播创新与头条应用;非结构化大数据挖掘。
  在大数据日益被国家和各个领域重视的背景下建立大数据决策模式,使大数据与传统决策领域深度融合,有利于实现各个领域决策的民主化、科学化与规范化。
快速回复
限100 字节
如果您提交过一次失败了,可以用”恢复数据”来恢复帖子内容
 
上一个 下一个