大数据解析与应用导论
分享
课程详情
课程评价
spContent=“大数据分析”是时下炙手可热的概念，如何更好地理解数据，对海量数据进行分析并做出智能决策是科研工作者面临的机遇与挑战。本课程从大数据解析的原理讲起，在介绍几种流行的数据挖掘方法的同时，密切结合工业等不同领域的研究实例，帮助同学们掌握大数据解析的模型与方法，为各行各业的大数据赋能。
—— 课程团队
课程概述

“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。


课程大纲
预备知识

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。


证书要求

为积极响应国家低碳环保政策， 2021年秋季学期开始，中国大学MOOC平台将取消纸质版的认证证书，仅提供电子版的认证证书服务，证书申请方式和流程不变。

 

电子版认证证书支持查询验证，可通过扫描证书上的二维码进行有效性查询，或者访问 https://www.icourse163.org/verify，通过证书编号进行查询。学生可在“个人中心-证书-查看证书”页面自行下载、打印电子版认证证书。

 

完成课程教学内容学习和考核，成绩达到课程考核标准的学生（每门课程的考核标准不同，详见课程内的评分标准），具备申请认证证书资格，可在证书申请开放期间（以申请页面显示的时间为准），完成在线付费申请。

 

认证证书申请注意事项：

1. 根据国家相关法律法规要求，认证证书申请时要求进行实名认证，请保证所提交的实名认证信息真实完整有效。

2. 完成实名认证并支付后，系统将自动生成并发送电子版认证证书。电子版认证证书生成后不支持退费。


参考资料

[1] 石胜飞. 大数据分析与挖掘[M]. 人民邮电出版社, 2018.（适合作为课程教材）

[2] 张良均, 谭立云, 刘名军, 江建明. Python数据分析与挖掘实战（第二版）[M]. 机械工业出版社, 2019.（适合课后实验参考）

[3] 李航. 统计学习方法[M]. 清华大学出版社, 2012. （适合统计方法理论学习）

[4] 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）

[5] 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）

常见问题

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。