大数据隐私（李向阳, 张兰）
2024春 2022秋 2021秋 课程号：COMP7216P01
2024春 2022秋 2021秋 课程号：COMP7216P01
2024春 2022秋 2021秋 课程号：COMP7216P01
8.5(2人评价)
8.5(2人评价)
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：一般
| 选课类别：专业 | 教学类型：理论课 |
| 课程类别：研究生课程 | 开课单位：计算机科学与技术系 |
| 课程层次：博士 | 学分：3.0 |
课程主页：暂无（如果你知道，劳烦告诉我们！）
简介
最后更新：
大数据隐私课程旨在讨论和分析大数据系统中的安全/隐私挑战，并为学生提供设计隐私保护机制和算法的必要知识和技术基础。本课程首先会对密码学，隐私保护算法和大数据基础知进行回顾。然后，课程将讨论隐私保护算法和工具在不同类型的大数据处理，挖掘和学习问题中的应用。课程以教学和学生报告互相结合。除了核心的学科领域知识，希望课程能够锻炼学生的英文阅读能力，科技论文写作能力和做科技报告的能力。希望修课的学生在学期结束后能够打下扎实的相关领域的基础知识，同时能够在相关领域进行一些研究。
点评
写点评
排序
学期
评分
评分
2条点评
- 课程难度：中等
- 作业多少：中等
- 给分好坏：一般
- 收获大小：很多
- 难度：中等
- 作业：中等
- 给分：一般
- 收获：很多
概统应数人前来答一波，选课纯粹为了了解这几年在ml theory中冒出来和differential privacy结合的idea。
听课体验很棒，ppt做的精美，老师也很养眼，就点了两三次名，讲课属于通俗易懂层层深入。张老师水平非常高，至少算是站在学术前沿的，不少paper都烂熟于心。
课程比较痛苦的是大作业，没法像以前课程大作业那么水，得有自己的创新点，最后需要每个小组提交一篇project paper（IEEE格式10页）和一篇综述型的paper（IEEE格式20页），课程大作业任务重慎选！！！
DP和ml结合的theory部分的工作有很多，大部分（我关注的）都是在nonconvex optimization搞事情，回答convergence (1802.05251)和dynamics (2102.05855)两个问题，也有一些从uncertainty estimation的统计视角启发式改进DP框架 (1905.02383)，总之DP确实能和ml产生不少火花，但是不多。
