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
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。

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。

1 0 复制链接
匿名用户 2022秋
  • 课程难度:困难
  • 作业多少:很少
  • 给分好坏:一般
  • 收获大小:一般
  • 难度:困难
  • 作业:很少
  • 给分:一般
  • 收获:一般

张兰老师水平很高,前面会比较水点讲些背景,后面开始讲硬核知识,各种paper张老师信手拈来,内容还是很丰富的,就是结课难度比较复杂,有中期答辩、最终答辩、20页survey、10页课程报告,大作业项目需要和隐私结合以及创新点,总体来说还是有一定挑战性的,想水别来!李老师最终答辩会来点评下。

1 0 复制链接

李向阳

教师主页: 戳这里

张兰

教师主页: 戳这里

其他老师的「大数据隐私」课

李向阳老师的其他课

数据中的经济学和隐私 10.0 (1) 2020春 2019春...
算法基础 7.1 (46) 2024秋 2023秋...
网络计算与高效算法 2.0 (1) 2020春 2019春...
计算经济学 1.0 (4) 2022春 2021春
“科学与社会”研讨课 2024秋 2024春...

张兰老师的其他课

数据隐私的方法伦理和实践 8.3 (15) 2024秋 2023秋...
数据中的经济学和隐私 10.0 (1) 2020春 2019春...
“科学与社会”研讨课 10.0 (1) 2024秋 2024春...
科技写作与表达 10.0 (1) 2024春 2023春...
计算经济学 1.0 (4) 2022春 2021春