Class Central is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

XuetangX

大数据管理与挖掘

Xi’an Polytechnic University via XuetangX

Overview

    本课程内容涵盖了大数据挖掘理论与技术的基本内容:大数据融合、大数据存储、大数据分析、大数据隐私、大数据管理系统等,重点介绍大数据挖掘的基础理论、相关算法以及核心技术。

    在章节内容安排方面,本课程共分两篇,其中第一篇为基础篇,重点介绍数据挖掘的基本概念、代表性算法和挖掘技术,第二篇为提高篇,重点介绍大数据相关理论与挖掘技术。

    通过课程内容的学习,使学习者能够全面掌握大数据挖掘的基础知识,同时能够全面了解大数据挖掘理论与技术的发展趋势及研究热点。

    本课程适合作为信息管理、大数据管理、计算机等专业本科生和研究生数据挖掘专业的课程,同时也可作为数据挖掘研究和企业从事信息化建设、生产管理等相关技术人员的学习资料。


Syllabus

  • 第1章 课程概述
    • 第1章 教学目标
    • 1.1 大数据的基本概念
    • 1.2 大数据的演变过程
    • 1.3 大数据应用
    • 1.4 大数据的处理模式
    • 1.5 大数据管理的关键技术
    • 第1章 作业
    • 第1章 讨论
  • 第2章 大数据融合
    • 第2章 教学目标
    • 2.1 大数据融合的概念
    • 2.2 大数据融合的方法论
    • 2.3 数据融合技术
    • 2.4 知识融合技术
    • 2.5 大数据融合的驱动枢纽
    • 2.6 小结
    • 第2章 作业
    • 第2章 讨论
  • 第3章 大数据存储
    • 第3章 教学目标
    • 3.1 大数据存储与管理方法
    • 3.2 基于新型存储的大数据管理
    • 3.3 大数据处理与存储一体化技术
    • 3.4 小结
    • 第3章 作业
    • 第3章 讨论
  • 第4章 大数据分析
    • 第4章 教学目标
    • 4.1 大数据的实时分析
    • 4.2 大数据的交互式分析
    • 4.3 云在线聚集
    • 4.4 大数据的智能分析
    • 4.5 小结
    • 第4章 作业
    • 第4章 讨论
  • 第5章 大数据隐私
    • 第5章 教学目标
    • 5.1 隐私保护技术
    • 5.2 隐私保护技术的应用
    • 5.3 大数据隐私管理
    • 5.4 小结
    • 第5章 作业
    • 第5章 讨论
  • 第6章 大数据管理系统
    • 第6章 教学目标
    • 6.1 云计算 大数据基础平台与支撑技术
    • 6.2 批数据与流数据管理系统
    • 6.3 SQL NOSQL与NEWSQL系统
    • 6.4 小结
    • 第6章 作业
    • 第6章 讨论
  • 第7章 数据回归方法
    • 第7章 教学目标
    • 7.1 一元回归
    • 7.2 多元回归
    • 7.3 逐步回归
    • 7.4 Logistic回归
    • 7.5 应用实例-多因子选股模型的实现
    • 7.6 小结
    • 第7章 作业
    • 第7章 讨论
  • 第8章 分类方法
    • 第8章 教学目标
    • 8.1 分类方法概要
    • 8.2 K-近邻(KNN)
    • 8.3 贝叶斯分类
    • 8.4 神经网络
    • 8.5 LOGISTIC分类
    • 8.6 判别分析
    • 8.7 支持向量机(SVM)
    • 8.8 决策树
    • 8.9 分类的评判
    • 8.10 小结
    • 第8章 作业
    • 第8章 讨论
  • 第9章 聚类方法
    • 第9章 教学目标
    • 9.1 聚类方法概要
    • 9.2 K-means方法
    • 9.3 层次聚类
    • 9.4 神经网络聚类
    • 9.5 模糊C-均值(FCM)方法
    • 9.6 高斯混合聚类方法
    • 9.7 类别数的确定方法
    • 9.8 应用实例-股票聚类分池
    • 9.9 小结
    • 第9章 作业
    • 第9章 讨论
  • 第10章 预测方法
    • 第10章 教学目标
    • 10.1 预测方法概要
    • 10.2 灰色预测
    • 10.3 马尔科夫预测
    • 10.4 实用实例-纺纱质量预测
    • 10.5 小结
    • 第10章 作业
    • 第10章 讨论
  • 第11章 诊断方法
    • 第11章 教学目标
    • 11.1 离群点诊断概要
    • 11.2 基于统计的离群点诊断
    • 11.3 基于距离的离群点诊断
    • 11.4 基于密度的离群点挖掘
    • 11.5 基于聚类的离群点挖掘
    • 11.6 应用实例-纱线断点诊断
    • 11.7 小结
    • 第11章 作业
    • 第11章 讨论
  • 第12章 大数据技术应用
    • 第12章 教学目标
    • 12.1 数字挖掘技术的应用
    • 12.2 纺纱质量控制
    • 第12章 作业
    • 第12章 讨论
  • 期末考试

    Taught by

    Shao Jingfeng

    Tags

    Reviews

    Start your review of 大数据管理与挖掘

    Never Stop Learning.

    Get personalized course recommendations, track subjects and courses with reminders, and more.

    Someone learning on their laptop while sitting on the floor.