《大数据分析与应用》教学大纲

1、大数据分析与应用Big Data Analysis and Application一、课程基本情况课程类别：专业任选课课程学分：3学分课程总学时：48学时，其中讲课：16学时，实验（含上机）：32学时，课外 学时课程性质：选修开课学期：第6学期先修课程： 无适用专业：经济管理学院各专业教 材：王星，大数据分析：方法与应用，清华大学出版社，2013年 开课单位： 经济管理学院 信息管理系二、课程性质、教学目标和任务大数据分析是信息管理与信息系统专业的方向选修课，是研究大数据类型、特征并对其实施科学管理和应用服务的一门科学。随着计算机技术和互联网的持续发展，大数据的概念应运而生，具有大数据思维是信

2、息管理与信息系统专业的必备素质，因此有必要开设大数据分析：方法与应用这门专业课程。此门课程的主要目的在于培养学生们的互联网思维，让学生全面深刻了解互联网大数据时代对传统行业的冲击和影响，掌握互联网大数据的生成、收集、开发和利用的方法，并能够藉此从大数据中挖掘出有用的知识和情报，推动大数据分析方法在各个领域中的应用。课程内容主要包括大数据的类型和特征，大数据的分析与挖掘方法，大数据在各领域中的应用。课程通过课堂教学加实验的方式让学生深入了解大数据的类型和特征，熟练掌握大数据的分析与挖掘方法，能够运用大数据分析与挖掘方法从各领域大数据中分析和挖掘出有用的知识和情报。 三、教学内容和要求第1章 大数

3、据分析概述（3学时）（1）了解大数据的类型及相关概念；（2）理解大数据在互联网、医疗、气象预报、金融、舆情分析等领域中的应用方法和流程；（3）掌握大数据研究方法的类型、内涵和基本原理。重点：大数据研究方法的类型、内涵和基本原理。难点：大数据研究方法的基本原理。第2章 海量数据语义分类与检索（3学时）（1）了解海量数据语义分类与检索的概念； （2）理解海量数据语义分类与检索的方法、原理和具体流程；（3）掌握海量数据语义分类与检索模型建立及应用的方法。 重点：海量数据语义分类与检索的方法、原理和具体流程；海量数据语义分类与检索模型建立及应用的方法。难点：海量数据语义分类与检索模型建立及应用的方法。

4、 第3章 海量数据挖掘方法与应用（4学时）（1）了解数据挖掘的概念；（2）理解数据挖掘的方法和基本流程；理解四种有指导学习方法：K近邻、决策树、神经网络和支持向量机的概念；理解两种无指导学习方法：关联规则和聚类分析的概念。（3）掌握数据挖掘模型建立及应用的方法；掌握四种有指导学习方法的原理及应用流程。重点：数据挖掘的具体流程；四种有指导学习方法的原理及应用流程。难点：数据挖掘模型建立及应用的方法；四种有指导学习方法的原理及应用流程。第4章 高维回归及变量选择（2学时）（1）了解高维回归的类型和基本概念；（2）理解高维回归分析模型及变量选择的方法和流程； （3）掌握两种高维回归模型：线性回归模型

5、和广义线性模型的数学原理、构建方法及其应用。重点：高维回归分析模型及变量选择的方法和流程；两种高维回归模型：线性回归模型和广义线性模型的数学原理、构建方法及其应用。难点：两种高维回归模型：线性回归模型和广义线性模型的数学原理、构建方法及其应用。第5章 社会网络分析（2学时）（1）了解社会网络的基本概念和发展历史；（2）理解社会网络的基本特征； （3）掌握社会网络构建的方法和流程；社会网络分析在不同领域中的应用。重点：社会网络的基本特征；社会网络构建的方法和流程；社会网络分析在不同领域中的应用。难点：社会网络构建的方法和流程；社会网络分析在不同领域中的应用。第6章 信息资源评估方法（2学时）（1）了解信息资源评估方法的类型和概念；（2）理解各类信息资源评估方法的数学原理； （3）掌握各类信息资源评估方法在具体领域中的应用方法和流程。重点：各类信息资源评估方法的数学原理；各类信息资源评估方法在具体领域中的应用方法和流程。难点：各类信息资源评估方法在具体领域中的应用方法和流程。四、课程考核（1）作业等：作业：2次，课程论文： 1篇；（2）考核方式：课程论文（3）总评成绩计算方式：平时成绩和期末考试成绩等综合计算五、参考书目1、郭晓科,大数据，清华大学出版社， 2013.2、伊