“大数据”这个概念几乎应用到了所有人类智力与发展的领域中。《大数据时代》这本书中有一句话：人类从依靠自身判断做决定到依靠数据做决定的转变，也是大数据作出的最大贡献之一。本课程从大数据解析的基本概念讲起，进而介绍大数据解析中常用的基础算法，包括数据预处理相关算法、判别分析、回归分析、聚类分析、决策树、典型相关分析、神经网络、自编码器和集成学习等，同时结合具体应用，帮助同学们深入学习数据挖掘的模型与方法，掌握大数据解析的钥匙，为各行业特别是工业大数据赋能。希望大家在学习的过程中，能够了解和认识到：本课程是一门实战性很强的基础课程，纸上得来终觉浅，绝知此事要躬行；抓准具体对象本身的特点、特性和问题，以问题驱动，而非以方法为导向，不要哪个方法热，追逐哪个，切忌脱离问题空谈花哨的方法；活用数据，不要迷信数据以及被数据绑架。

本课程的特色主要包括：

（1）本课程讲授大数据分析的基本原理、相关方法和实例分析，让学生能够形成大数据思维意识，加深对课程知识的理解。

（2）课程中介绍了大量的大数据应用案例，这些案例包括但不限于工业领域，为大家提供不同学科方向的思考和启发。

（3）课程之余鼓励学生主动发现和思考生活中的大数据场景，将课程内容与实际紧密结合。

本课程需要学习者具备概率论与数理统计、机器学习、Python语言编程的基本知识和初步技能。

本MOOC课程配套教材

    本MOOC课程配套教材：赵春晖. 大数据解析与应用导论[M]. 化学工业出版社, 2022.

    从筹备到最后出版历经1年半多，我们的《大数据解析与应用导论》教材于2022年5月正式出版，成为浙江大学本科生专业选修课程、中国大学慕课同名课程的配套教材。自2018年本人首次独立申请并开设本课，累计独立完成8次线下授课，7次中国大学慕课线上授课，还在持续不断努力完善中。大家如有购书需求，可以在京东和当当等平台直接搜索书名购书。希望能在大家指导帮助下，不断修改完善我们的课程和教材。大家如有建议和问题可以直接联系本人，期待大家为教材修订提供宝贵意见。

    其他参考资料：

[1] 赵春晖，余万科，柴峥，冯良骏. 运行工况监测与故障溯源推理：机器学习方法[M]. 化学工业出版社, 2022.（适合了解工业背景、工业机器学习方法和应用）

[2] 赵春晖，王福利. 工业过程运行状态智能监控：数据驱动方法[M]. 化工出版社, 2019.（适合了解工业背景、工业机器学习方法和应用）

[3] 周志华. 机器学习: Machine learning[M]. 清华大学出版社, 2016. （机器学习的西瓜书）

Q:每周会发布多少时间的内容？我需要多少时间来学习？

A:每节课的视频时长一般控制在25分钟以内，一般在10到20分钟左右。但是除了视频内容，课后还需要花费1:1到1:2的时间进行课后学习，包括预习、讨论、作业和复习的时间，一周花费的总时长大概是一到三小时。