大數(shù)據(jù)是現(xiàn)代人工智能發(fā)展的基礎(chǔ)，依托于大數(shù)據(jù)的數(shù)據(jù)挖掘是人工智能的底層邏輯，而擁有數(shù)據(jù)挖掘技能數(shù)據(jù)科學家則是人工智能領(lǐng)域內(nèi)不可或缺的頂尖人才。

數(shù)據(jù)科學家普遍掌握多重技能，數(shù)據(jù)挖掘只是其中之一。這些能力往往并非是閉門造車所得，而是在各種實戰(zhàn)項目中積累經(jīng)驗。

數(shù)據(jù)是有生命周期的，數(shù)據(jù)定義、采集、傳輸、存儲、檢索、分析、展示的全過程，均需人機協(xié)同和能量的持續(xù)投入，因之獲取的知識如運用得宜，也會產(chǎn)生遠大于各種投入的使用價值與經(jīng)濟價值，如此周流循環(huán)，生生不息，這可稱為數(shù)據(jù)資產(chǎn)的再生產(chǎn)過程。

nlpir大數(shù)據(jù)語義智能教學科研平臺是大數(shù)據(jù)語義智能分析專業(yè)的教學科研綜合平臺。平臺以自然語言理解為核心，結(jié)合北理工團隊多年的科學研究與一線教學經(jīng)驗，以科學嚴謹?shù)姆绞剑�致力于提升學員大數(shù)據(jù)與人工智能的教學培訓、科學研究與工程實踐的水平。

nlpir大數(shù)據(jù)語義智能教學科研平臺具有一套完善且豐富的教學體系，課程教材、視頻教學、實訓平臺、實驗驗證和項目案例五位一體。

nlpir大數(shù)據(jù)語義智能教學科研平臺教學內(nèi)容豐富，主要圍繞大數(shù)據(jù)、人工智能和自然語言理解三大核心領(lǐng)域展開，核心內(nèi)容包括以下幾個方面：

1)科學的大數(shù)據(jù)觀：大數(shù)據(jù)的定義，科學發(fā)展淵源;如何科學看待大數(shù)據(jù)?如何把握大數(shù)據(jù)，分別從“知著”、“顯微”、“曉義”三個層面闡述科學的大數(shù)據(jù)觀。

2)大數(shù)據(jù)技術(shù)平臺與架構(gòu)：云計算技術(shù)與開源平臺搭建;hadoop、spark等數(shù)據(jù)架構(gòu)、計算范式與應用實踐;tensorflow深度學習平臺。

3)機器學習與常用數(shù)據(jù)挖掘：常用機器學習算法：bayes, svm，深度神經(jīng)網(wǎng)絡(luò)等;常用數(shù)據(jù)挖掘技術(shù)：關(guān)聯(lián)規(guī)則挖掘、分類、聚類、奇異點分析;深度學習：cnn, rnn, lstm, attention模型，seq2seq模型。

4)大數(shù)據(jù)語義精準搜索：通用搜索引擎與大數(shù)據(jù)垂直業(yè)務的矛盾;大數(shù)據(jù)精準搜索的基本技術(shù)：快速增量倒排索引、結(jié)構(gòu)化與非機構(gòu)化數(shù)據(jù)融合、大數(shù)據(jù)排序算法、語義關(guān)聯(lián)、自動緩存與優(yōu)化機制;大數(shù)據(jù)精準搜索語法：鄰近搜索、復合搜索、情感搜索、精準搜索;

5)非結(jié)構(gòu)化大數(shù)據(jù)語義挖掘

語義理解基礎(chǔ)：ictclas與漢語分詞;內(nèi)容關(guān)鍵語義自動標引與詞云自動生成;大數(shù)據(jù)聚類;大數(shù)據(jù)分類與信息過濾;大數(shù)據(jù)去重、自動摘要;情感分析與情緒計算;不良信息智能過濾.

6)知識圖譜的大數(shù)據(jù)自動構(gòu)建與應用：知識圖譜概念;知識點的自動發(fā)現(xiàn);基于bootstrapping的知識大數(shù)據(jù)生成;

7)nlpir智能語義平臺：nlpir智能語義分析在線云服務;nlpir parser語義分析平臺實訓;nlpir智能語義二次開發(fā)接口與教程。

8)大數(shù)據(jù)應用案例剖析與綜述：電網(wǎng)大數(shù)據(jù)應用案例;新媒體傳播創(chuàng)新與頭條應用;非結(jié)構(gòu)化大數(shù)據(jù)挖掘。

推動大數(shù)據(jù)技術(shù)的教育和傳播，保障大數(shù)據(jù)安  全。大數(shù)據(jù)的本質(zhì)是基于互聯(lián)網(wǎng)的數(shù)據(jù)開放共享、互融互通。在保護國家秘密、商業(yè)秘密、個人隱私的前提下，規(guī)范推進政務數(shù)據(jù)資源跨部門跨地區(qū)跨層級共享，增強政府透明度，滿足社會需要，推動大數(shù)據(jù)產(chǎn)業(yè)發(fā)展。