“2016级--论文阅读 (第三学期)”的版本间的差异

来自问题求解
跳转至: 导航搜索
 
(未显示同一用户的9个中间版本)
第1行: 第1行:
 +
=具体要求=
 +
<ol>
 +
  <li>教师准备阶段:每月围绕1个专题,每个专题由相关研究方向的教师精选4篇经典或前沿论文(以magazine短文为主),每2篇为一组。</li>
 +
  <li>同学准备阶段:每位同学被随机分配2篇论文(每组1篇),认真阅读并为每篇论文制作15-20分钟讲稿,鼓励自主延伸阅读其它相关论文。讲稿内容可以包括但不限于:
 +
    <ul>
 +
      <li>用自己的话概述该论文所描述的主要问题或观点。</li>
 +
      <li>就该论文中的某个点展开,陈述自己的观点。</li>
 +
      <li>结合该论文,就本主题的其它所了解或熟悉的问题陈述自己的观点。</li>
 +
    </ul>
 +
  </li>
 +
  <li>课堂讨论阶段:随机选择同学上台报告论文内容(每篇论文选2位左右),其余同学参与讨论。</li>
 +
</ol>
 +
 
=专题1:万维网(Web)=
 
=专题1:万维网(Web)=
 
<ol>
 
<ol>
   <li>Hyperlink Analysis for the Web (2001)<br/>Graph Structure in the Web --- Revisited (2014)</li>
+
   <li>9月30日课堂讨论:<br/>学号末位奇数:[http://doi.org/10.1109/4236.895141 Hyperlink Analysis for the Web] (2001)<br/>学号末位偶数:[http://doi.org/10.1145/2567948.2576928 Graph Structure in the Web --- Revisited] (2014)</li>
   <li>Natural Interaction for Bot Detection (2016)<br/>Two Decades of Recommender Systems at Amazon.com (2017)</li>
+
   <li>10月19日课堂讨论:<br/>学号末位奇数:[http://doi.org/10.1109/MIC.2017.72 Two Decades of Recommender Systems at Amazon.com] (2017)<br/>学号末位偶数:[http://doi.org/10.1109/MIC.2016.75 Natural Interaction for Bot Detection] (2016)</li>
 +
</ol>
 +
 
 +
=专题2:大数据分析(Big Data Analytics)=
 +
<ol>
 +
  <li>11月2日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1109/MC.2017.163 Big Data Analytics beyond the Single Datacenter] (2017)<br/>学号末位偶数:[https://doi.org/10.1109/MCE.2014.2338496 How Data Centers Provide Consumer Services] (2014)</li>
 +
  <li>11月16日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1109/MCOM.2017.1600349CM Who Moved My Data? Privacy Protection in Smartphones] (2017)<br/>学号末位偶数:[https://doi.org/10.1109/MC.2016.116 Nomadic Computing for Big Data Analytics] (2016)</li>
 +
</ol>
 +
 
 +
=专题3:人工智能(Artificial Intelligence)=
 +
<ol>
 +
  <li>12月7日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1109/TCIAIG.2015.2512592 Review of the Use of AI Techniques in Serious Games: Decision Making and Machine Learning] (2017)<br/>学号末位偶数:[https://doi.org/10.1109/TCIAIG.2013.2291577 Real-Time Monte Carlo Tree Search in Ms Pac-Man] (2014)</li>
 +
  <li>12月21日课堂讨论:<br/>学号末位奇数:[https://doi.org/10.1109/MCI.2006.329691 Ant Colony Optimization] (2006)<br/>学号末位偶数:[https://doi.org/10.1109/MSP.2017.2743240 Deep Reinforcement Learning: A Brief Survey] (2017)</li>
 
</ol>
 
</ol>

2017年11月29日 (三) 16:05的最新版本

具体要求

  1. 教师准备阶段:每月围绕1个专题,每个专题由相关研究方向的教师精选4篇经典或前沿论文(以magazine短文为主),每2篇为一组。
  2. 同学准备阶段:每位同学被随机分配2篇论文(每组1篇),认真阅读并为每篇论文制作15-20分钟讲稿,鼓励自主延伸阅读其它相关论文。讲稿内容可以包括但不限于:
    • 用自己的话概述该论文所描述的主要问题或观点。
    • 就该论文中的某个点展开,陈述自己的观点。
    • 结合该论文,就本主题的其它所了解或熟悉的问题陈述自己的观点。
  3. 课堂讨论阶段:随机选择同学上台报告论文内容(每篇论文选2位左右),其余同学参与讨论。

专题1:万维网(Web)

  1. 9月30日课堂讨论:
    学号末位奇数:Hyperlink Analysis for the Web (2001)
    学号末位偶数:Graph Structure in the Web --- Revisited (2014)
  2. 10月19日课堂讨论:
    学号末位奇数:Two Decades of Recommender Systems at Amazon.com (2017)
    学号末位偶数:Natural Interaction for Bot Detection (2016)

专题2:大数据分析(Big Data Analytics)

  1. 11月2日课堂讨论:
    学号末位奇数:Big Data Analytics beyond the Single Datacenter (2017)
    学号末位偶数:How Data Centers Provide Consumer Services (2014)
  2. 11月16日课堂讨论:
    学号末位奇数:Who Moved My Data? Privacy Protection in Smartphones (2017)
    学号末位偶数:Nomadic Computing for Big Data Analytics (2016)

专题3:人工智能(Artificial Intelligence)

  1. 12月7日课堂讨论:
    学号末位奇数:Review of the Use of AI Techniques in Serious Games: Decision Making and Machine Learning (2017)
    学号末位偶数:Real-Time Monte Carlo Tree Search in Ms Pac-Man (2014)
  2. 12月21日课堂讨论:
    学号末位奇数:Ant Colony Optimization (2006)
    学号末位偶数:Deep Reinforcement Learning: A Brief Survey (2017)