方向论证--大数据分析与挖掘
《大数据分析与挖掘》-课程教学大纲
《大数据分析与挖掘》课程教学大纲一、课程基本信息课程代码：16054103课程名称：大数据分析与挖掘英文名称：Big data analysis and mining课程类别：专业课学时：48学分：3适用对象: 软件工程，计算机科学与技术，大数据管理考核方式：考核先修课程：数理统计与概率论，算法设计，JA V A/Python程序设计二、课程简介大数据分析与挖掘是软件工程，计算机科学与技术，大数据管理专业必修课，它集理论，技术和应用性一身，不仅是当前计算机，软件工程领域最热门高级前沿应用技术，并且涉及跨学科领域知识和概率论，数学及算法理论知识，是计算机，软件工程的重要课程模块，同时是大数据管理专业的核心理论课程。
当前在新基建和数字化革命大潮下，各行各业都在应用大数据分析与挖掘技术，并紧密结合机器学习深度学习算法，可为行业带来巨大价值。
数据分析与挖掘是当前最热的技术与职业方向，在未来几年都将获得飞速发展，前景非常广阔，是学生未来进入社会成才求职的重要核心技能，可以说学好大数据分析与挖掘原理，概念与技术，必将使得学生未来计算机专业发展和职业生涯获得高起点和巨大发展潜力与竞争力。
本课程从实战出发，学习大数据分析与挖掘理论算法与编程工具，围绕真实案例学习并掌握数据分析与挖掘的关键任务和方法。
包括主要的数据分析全流程任务：数据探索，数据预处理，数据可视化展示，数据建模，模型验证与评估，分析结果展示与应用；同时针对不同的数据分析阶段任务在讲解原理同时，介绍大量当前最新的学术界，业界研究方法，技术与模型。
课程在讲解数据分类，数据预测模型，及复杂数据分析场景时，引入了华为网络产品线产品数据部多个经典数据分析与挖掘案例，并且引入阿里数据中台架构，天池AI实训平台，及应用典型案例。
让学生学以致用，紧跟行业最领先技术水平，同时，面对我国民族企业，头部公司在大数据分析与挖掘领域取得的巨大商业成功与前沿技术成果应用产生强烈民族自豪感，为国家数字化经济与技术发展努力奋斗，勇攀知识高峰立下志向。
大数据分析与挖掘技术
大数据分析与挖掘技术第一章：引言随着信息技术的不断发展和普及，数据已经成为当今世界最重要和最有价值的资产之一。
而大数据分析和挖掘技术则成为了现代企业和生产力的重要支撑，因此受到了越来越广泛的关注和应用。
大数据分析和挖掘技术是利用计算机和相关软件对大规模复杂数据进行处理、解释和分析的一种技术方法，它在金融、医疗、能源、社交网络等诸多领域都得到了应用，极大的提高了企业的竞争力和效率。
本文将从理解大数据的背景出发，介绍大数据的意义及应用场景，重点分析大数据分析和挖掘技术在实际运用中的优势和局限性，并介绍大数据分析和挖掘技术的未来发展方向。
第二章：什么是大数据数据是指客观事物的表现和存储，一般包括数字、文字、图像、音频等多种形式。
而随着信息技术的飞速发展，数据的数量也在快速增长。
大数据指的是那些数据量特别大，类型繁多，处理和分析难度较大的数据。
这些数据来源包括但不限于互联网、社交网络、手机定位、传感器、交易记录等。
据摩尔定律，企业在不断扩大的数据存储和处理需求面前，需要更快、更强劲的计算机硬件和更先进、更高效的算法。
第三章：大数据的意义及应用场景1. 帮助企业了解客户和市场规律企业可以通过大数据分析和挖掘技术来深入了解客户的购买行为、产品偏好等信息，从而针对不同的客户推销不同的产品，提高销售量和效率。
同时，企业也可以通过大数据来对市场趋势和规律进行分析，进行更加科学的决策和规划。
2. 优化生产和管理流程在生产制造领域，企业可以通过大数据分析和挖掘技术来获取工艺参数、机器运行状态等信息，进一步提升生产效率和产品质量，降低成本和风险。
同时，大数据技术也可以在企业管理流程中应用，比如员工摸底调查、业务过程优化等。
3. 维护公共安全和应急管理政府和公共安全领域也可以利用大数据技术，比如交通管理、城市安全监测、疾病监测等可以通过大数据分析和挖掘技术进行有效管理和应对。
此外，在灾难应急管理中，大数据可以帮助救援人员更有效地获取和分析有关灾难的信息，并应对突发事件。
大数据分析与挖掘ppt课件
利润 用算法预测人们购票需求，航空公司以不可预知的方式调整价格 智能手机的应用识别到你的位置，因此你收到附近餐厅的服务信
息 …
26
数据挖掘：Data Mining 大数据管理与挖掘案例
麻省理工学院创建了一个计算机 模型来分析心脏病病患丢弃的心 电图数据
系统分析显示两个后卫哈德卫和伯 兰.绍在前两场中被评为－17分
但当哈德卫与替补后卫阿姆斯创组 合时，魔术队得分为正14分
魔术队增加了阿姆斯创的上场时间， 此着果然见效；
Advanced Scout是一个数据分析工 具，每一场比赛的事件都被统计分 类，按得分、助攻、失误等等。
时间标记让教练非常容易地通过搜
和官方机构相比，谷歌能提前一 两周预测流感暴发，预测结果与 官方数据的相关性高达97%；
2009 年 甲 型 H1N1 流 感 暴 发 时 ， “谷歌流感趋势”系统大显身手。 这已经成为大数据应用的一个经 典案例；
也招来了隐私保护组织的严厉声 讨！
30
企业应用大数据所带来的主要效果包括实现智能决 策、提升运营效率和改善风险管理。
3
我们身边的大数据…4地图的定位数据5对大数据的初步认识(1)
三十多年来，我国春运大军从1 亿多人次到36亿人次
春运的最热现象是逆向过年，即 老人们到孩子工作的地方过年。
除夕夜 哈尔滨迁徙地图
6
对大数据的初步认识(2) 大数据与交通拥堵
通常会利用社会学、心理学甚至是医学上的基本结 论和原理作为指导
通过人工智能领域中使用的机器学习、图论等算法 对社交网络中的群体行为和未来的趋势进行模拟和 预测。
大数据的挖掘和分析方法
大数据的挖掘和分析方法随着信息化时代的到来，数据的存储和处理能力越来越强，大数据的应用已经成为了人们日常生活和商业活动中不可或缺的一部分。
而对于大数据的挖掘和分析方法，更是需要我们不断探索和提高。
本文将从数据的来源、处理、分析和应用等方面，就大数据的挖掘和分析方法进行论述。
一、数据的来源和处理大数据的挖掘和分析，首先需要有数据。
那么，大数据的来源又是哪些呢？据统计，现如今产生数据的主要手段包括在线交易、移动设备、社交媒体、物联网等。
其中，移动设备和社交媒体成为了数据量最大和最复杂的数据来源之一。
针对大数据来源，我们需要通过创新的数据存储方式，进行获取、存储、清洗、预处理、特征抽取和特征选择，尤其是数据清洗和预处理工作，对于保证后续的模型建立，具有至关重要的作用。
二、数据的分析方法1.数据可视化数据可视化是大数据分析的一个重要方法，因为数据可视化使数据更容易理解和分析。
数据可视化可以展示数据的相关关系，并帮助用户从数据中发现故事背后的趋势和模式。
这些可视化可以帮助用户快速理解数据，并且为后续的决策提供依据。
2.机器学习机器学习是一个将算法应用于数据自动学习过程的技术。
机器学习在大数据分析中被广泛使用，因为它可以处理大量的非结构化和半结构化数据。
机器学习包括监督学习和无监督学习两种。
监督学习是一种有标记的学习方法，通过标记的数据和算法来进行预测。
无监督学习则是通过原始数据来学习和处理数据，不需要任何标记。
3.自然语言处理自然语言处理是一种将计算机语言与自然语言相结合的技术。
自然语言处理运用在文本分析中，它可以识别一段自然语言中的关键字、实体等，从而为后续的决策提供依据。
三、数据的应用1.商业决策大数据分析对商业推荐极为重要，可以帮助企业做出更准确的决策。
通过分析大数据，企业可以更好地了解市场趋势，快速识别问题，并及时调整策略。
2.医疗健康大数据分析对医疗健康同样有着重要意义。
通过挖掘大数据，可以及时发现疾病发生的规律，为治疗提供更准确的目标和方案。
大数据分析与挖掘技术
大数据分析与挖掘技术近年来，随着信息技术的迅猛发展，大数据分析与挖掘技术逐渐崭露头角。
这项技术通过收集、存储和分析海量的数据，帮助企业和组织发现潜在的商机和问题。
本文将从技术原理、应用领域以及未来发展方向三个方面对大数据分析与挖掘技术进行探讨。
一、技术原理大数据分析与挖掘技术基于大数据的三个特点：速度、多样性和规模。
首先，大数据处理速度快，可以在短时间内对海量数据进行分析与处理；其次，大数据来源多样，包括结构化数据和非结构化数据，如文本、图像、视频等；最后，大数据的规模巨大，要求采用分布式存储和计算的方式进行处理。
在技术层面上，大数据分析与挖掘技术包括数据收集、数据存储、数据处理和数据应用四个阶段。
首先，数据收集阶段通过各种手段和渠道获取数据，如传感器、日志、社交媒体等。
其次，数据存储阶段将数据进行结构化存储，以便后续的分析和挖掘。
然后，数据处理阶段采用各种算法和模型对数据进行分析、建模和优化。
最后，数据应用阶段将分析结果应用于实际业务中，提供决策支持和业务优化。
二、应用领域大数据分析与挖掘技术已经在各个领域取得了广泛应用。
首先，在金融行业，大数据分析可以实现风险预测、欺诈检测以及个性化推荐等功能，帮助金融机构提高业务效率和风险控制能力。
其次，在医疗健康领域，大数据分析可以对医疗数据进行挖掘，提供疾病预测、诊断辅助等服务，为医疗决策提供支持。
此外，大数据分析在市场营销、物流管理、城市规划等方面也有广泛应用。
三、未来发展大数据分析与挖掘技术的未来发展方向主要包括技术创新、产业应用和数据安全三个方面。
首先，在技术创新方面，需要提升大数据分析的实时性、多样性和可扩展性，同时结合人工智能和云计算等技术，进一步提升分析模型的准确性和效率。
其次，在产业应用方面，需要将大数据分析与挖掘技术与各行业深度融合，帮助企业和组织实现数字化转型和智能化升级。
最后，在数据安全方面，需要加强对大数据的隐私保护和合规管理，确保数据的合法性和安全性。
大数据的挖掘和分析技术及应用
大数据的挖掘和分析技术及应用随着信息时代的到来，人们逐渐意识到，数据不仅是一种产生、存储和传输的技术，更是一种能够解决问题、推动科技进步的资源。
而在大数据兴起的时代，数据分析已经成为一种重要的技能。
大数据的挖掘和分析技术不仅可以帮助企业进行市场分析、产品调研，还可以促进医疗、环保、交通等各行各业的发展。
I. 大数据挖掘技术大数据挖掘技术是指通过计算机技术和算法，从大数据中提取出有用的信息，例如数据模式、数据关联、数据聚类、数据分类等。
大数据挖掘的过程包括数据清洗、特征提取、模型构建、算法优化等步骤。
1.1 数据清洗数据清洗是大数据挖掘的第一步，也是非常重要的一步。
在大数据领域中，数据的来源、格式和规模都非常复杂，有时候还包含一些无用或不规则的数据。
在进行数据挖掘之前，需要对数据进行清洗和预处理，以确保数据准确性和完整性。
1.2 特征提取特征提取是将原始数据转化成可用于分析和建模的特征的过程。
对于特征提取，通常采用数据降维、特征选择等技术，可以大大减少特征的复杂度，提高算法的效率和准确性。
1.3 模型构建模型构建是指根据挖掘任务的不同，对数据进行合理的分类、聚类、预测、关联等算法的组合，构建出合适的数据挖掘模型。
1.4 算法优化算法优化是指根据特定的问题和实际情况对模型进行修正和优化。
优化算法可以大幅提高挖掘效率和准确性。
II. 大数据分析技术大数据分析技术是指通过对大数据的统计分析、数理建模、机器学习等方法，解析大量数据中的价值和规律，为企业和个人决策提供支持。
2.1 统计分析统计分析是大数据分析中使用最广泛的方法之一。
通过对数据的抽样、计数、描述、分布等统计方法，分析数据的趋势、变化、规律等。
2.2 数理建模数理建模是通过对现实问题建立数学模型，在模型的基础上进行模拟和预测的一种数学方法。
数理建模在大数据分析中得到了广泛的应用，如通过建立模型预测股票走势，物流配送等方面。
2.3 机器学习机器学习是一种人工智能的分支，是让计算机从已有的数据中学习，进而预测新数据的技术。
大数据时代下的数据分析与挖掘技术
大数据时代下的数据分析与挖掘技术在当今的大数据时代，数据不再是一种简单的数字，而是一种无限的可能。
它可以被应用于各个不同领域，包括医疗保健、市场营销、金融、物流管理等。
而数据分析与挖掘技术成为了大数据时代中最重要且不可少的领域。
数据分析和挖掘技术的发展可以追溯到20世纪80年代，当时人们开始探索如何从数据中提取更多有用的信息。
现在，随着技术的进步和数据量的增加，数据分析和挖掘技术已经成为了大数据时代中最为热门的行业之一。
它应用于各个领域，以发掘数据中的信息为目标，提高企业的生产效率，降低成本，提高盈利，促进企业持续发展。
一、大数据时代下的数据分析技术在大数据的基础上，数据分析技术不断发展，如文本分析、模式识别、数据挖掘等技术应运而生。
在企业管理和商业领域，数据分析可以帮助企业进行更为精准的经营决策，从而提高企业的效率和效益。
在医疗保健领域，数据分析可以帮助医生提前预判患者疾病的可能性，为患者提供更为个性化的治疗方案。
在金融领域，数据分析则可以用来对股票市场和投资风险进行预测和分析，从而帮助投资者更好地制定投资策略。
数据分析技术的发展还包括深度学习、神经网络、自然语言处理等技术的交叉应用。
这些技术的应用可以赋予计算机更强大的识别和理解能力，从而让计算机在数据分析中能够扮演更为重要和精确的角色。
二、大数据时代下的数据挖掘技术数据挖掘是数据分析技术的一种重要应用。
它可以通过对数据、算法和模型的整合，发掘数据中那些人类并不容易发现的模式和信息。
数据挖掘技术的应用广泛，包括市场营销、医疗保健、金融等领域。
在市场营销领域，数据挖掘技术可以通过挖掘用户数据、购买记录和消费习惯等数据，预测用户未来的购买行为，提高企业的市场竞争力。
在医疗保健领域，数据挖掘技术可以用来识别患者体内异常因素，预测疾病发展的可能性，提前发现并防范患者的疾病风险。
在金融领域，数据挖掘技术则可以从股票市场的数据中发现潜在的投资机会和风险，为投资者提供更多的投资信心和保障。
大数据时代的数据分析与挖掘
大数据时代的数据分析与挖掘随着互联网和信息技术的发展，大数据已成为当今社会不可或缺的一部分。
大数据概念指的是数据量巨大、速度快、类型繁多的数据集合。
这些数据集合包含生产、消费、环境、能源、健康等方面的数据，其规模已远远超出了人类的处理范围。
但大数据的价值不仅仅在于其规模，更重要的是通过数据分析与挖掘，可以从大数据中提取出有机会、有价值的信息，为人类社会带来前所未有的发展机遇。
一、大数据的影响大数据时代的到来就像一股洪流，强劲无比。
大数据的出现，对于社会的影响和变革是深远的。
首先，对于企业而言，大数据分析成为了决策的主要依据，能够对消费趋势和销售数据进行分析，这为企业的运营和发展提供了有力的支持。
其次，大数据分析也被广泛运用于各行各业，比如在医疗、金融、人力资源等领域，能够更好的识别问题、寻找客户，并提供个性化服务。
最后，大数据分析也成了各国之间竞争的重点。
在经济和贸易的领域，通过大数据分析，企业能够更好地把握当地的市场环境和客户需求，吸引更多的客户，提高竞争力。
二、大数据分析的本质大数据分析并不是简单的数据统计和处理，其本质是从数据中提取出隐藏的信息和模式，对数据进行更深层次的分析。
在大数据分析的过程中，要做到客观、数据化、规范化，尽量避免人为干预，从而保证分析结果的可靠性和准确性。
为了达到这个目标，需要提高理论和技术水平，涉及到数学、计算机科学等诸多学科知识，需要大量的数据处理技能、统计分析技能和数据挖掘技能。
三、数据分析与挖掘的方法在大数据分析和挖掘的过程中，需要根据具体情况和目的来选择不同的方法。
目前主要采用的方法有以下几种：1.关联分析法：通过识别数据中的关联模式来揭示事物内在的联系。
数据挖掘通过对数据的分析和挖掘，找到数据之间的关系，这些关系包括数据的相似性、偏差和倾向性，以此为基础进行数据建模。
2.分类和聚类：数据挖掘通过对数据的分类和聚类，来划分数据集，这样便能够更好地建模和发现数据的内在结构。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
信息工程学院“计算机技术工程”专业硕士点论证《大数据分析与挖掘》方向：--团队--近5年发表论文--近5年获得的代表性科研项目、课题情况 --本研究方向的特色、定位、作用和意义 --培养方案--人才需求与培养目标 --实践基地与培养模式1.团队：2.近5年发表论文：研究方向姓 名 出生年月 职 称 学历/学位 备 注 大数据分析与挖掘邵艳华 1975.03 教授 研究生/博士 学科带头人 张儒良 1963.06 教授 研究生/硕士 学术带头人 曹俊英 1981.05 教授 研究生/博士 学术骨干 夏大文1982.09 副教授 研究生/博士生 学术骨干 李小武 1966.11 副教授 研究生/博士 学术后备人才 龙 飞 1978.03 副教授 研究生/硕士 学术后备人才 吴有富 1966.04 教授 研究生/博士 兼职 吴茂念 1974.02 教授研究生/博士兼职 刘运强1984.07高级工程师 研究生/硕士兼职本学科方向近5年发表论文情况序号论文名称作者（*）发表时间发表刊物、会议名称或ISSN、检索号1 Research about Model and Simulation ofEnterprise Evolution Based on Agent邵艳华（1/？）2012.10,3114-3117ICECC 20122 一类复杂适应系统的建模研究邵艳华（1/？）2012,38(1),253-255计算机工程3 Modeling and simulation of agentdecision based on prospect theory.邵艳华（1/？）2014.12 ICFEEE 20144 Application of Modeling and SimulationBased on Agent邵艳华（1/？）2014.11,939-942ICMECS 20145 A Method of Slant Correction of VehicleLicense Plate Based on WatershedAlgorithm张儒良(1/2)2010.02Robotics and Automation，2010 (2)95-986 A Method of Slant Correction of VehicleLicense Plate Based on WatershedAlgorithm张儒良(1/2)2010.02Robotics and Automation，2010 (2)95-987 Car Number Plate Detection Usingyer Weak Filter张儒良(1/2)2009.07Business Intelligence (EI收录)IEEE Computer Society,ISBN: 978-0-7695-3705-4检索号:200947124593058 A high order schema for the numericalsolution of the fractional ordinarydifferential equations曹俊英（1/2）2013(4):154-168J. Comput. Physics9 A high order schema for the numericalsolution of ordinary fractionaldifferential equations曹俊英（1/2）2013(586):93-103Contemporary Mathematics10 Hadoop关键技术的研究与应用夏大文（1/？）2013计算机与现代化11 A Novel Parallel Algorithm for FrequentItemsets Mining in Massive Small FilesDatasets夏大文（1/？）2014ICIC Express Letters, Part B:Applications12 Discovery and Analysis of Usage DataBased on Hadoop for PersonalizedInformation Access夏大文（1/？）2013BDSE’1313 A geometric strategy for computingintersections of two spatialparametric curves(SCI)李小武（1/？）2013The Visual Computer，29，1151-115814 On a family of trimodal distributions,Communications in Statistics - Theoryand Methods(SCI)李小武（1/？）2014Communications in Statistics - Theoryand Methods, 43(14),2886–2896.15 基于开源少民信息资源保存系统设计研究龙飞（1/？）2011 计算机技术与发展3. 近5年获得的代表性科研项目、课题情况本学科方向近5年获得的代表性科研项目、课题情况序号项目、课题名称（下达文件编号或项目编号）来源起讫时间承担人（*）合同经费（万元）财务到账经费（万元）1 《一类复杂系统的建模与仿真研究》(黔科合J字[2010]2107号)省科技基金项目2010.6 -2012.12邵艳华（1/？）5 52 《基于Agent的供应链建模与仿真研究》（黔科合J字[2013]2140号）省科技基金项目2013.4 -2015.12邵艳华（1/？）4 43 《基于计算机视觉的烟雾与火焰预警系统的研究》省科技基金项目2014.4 -2017.3张儒良（1/？）5.4 5.44 “基于复杂背景下的汽车牌照实时识别”(黔科合J字[2008]2122号)贵州省科学技术基金项目2008.6-2011.12张儒良（1/？）4 45 Web使用挖掘在站点个性化服务中的应用研究（LKM201212）贵州省科技厅2012夏大文（1/？）2.5 2.56 粘弹性分数阶导数模型的高性能算法研究贵州省科技厅2014.08-2017.08曹俊英（1/？）4.0 4.07 分数阶方程的高性能算法研究贵州民族大学2013.05-2014.09曹俊英（1/？）1.2 1.28 曲线与曲面求交或最近距离的若干算法研究贵州省科技厅2014.4-2017.3李小武(1/5) 6 69 点至参数曲线及参数曲面的最近距离计算的算法分析与实现贵州省科技厅2012.03-2014.03李小武(1/5) 3.4 3.410 “基于信息智能融合技术的水库大坝安全监控”（黔科合J字LKM[2011]15号）贵州省科技厅2011龙飞（1/？） 4 4 4. 本研究方向的特色、定位、作用和意义本研究方向的特色、地位、作用和意义：本方向主要研究计算机图像处理和识别的综合应用技术，并将研究成果应用于实际，满足国防和地方经济建设需求。
通过计算机智能系统的学习，实现多种传感器信息的融合，建立识别系统模型，解决应用中的低信噪比、动态目标的快速识别问题；研究生物特征识别技术，并将其应用于身份识别软件的开发；探索解决人脸、指纹等识别中的海量检索和高维计算的困难。
图像处理与识别技术是一门跨学科的前沿高科技。
随着计算机软硬件技术的不断提高，计算机图像处理与识别技术从20世纪80年代中期到90年代末得到了迅速的发展，已广泛地应用在工业、农业、交通、金融、地质、海洋、气象、生物医学、军事、公安、电子商务、卫星遥感、机器人视觉、目标跟踪、多媒体信息网络通信等领域，取得了显著的社会效益和经济效益。
现在人们已充分认识到计算机图像处理与模式识别技术是认识世界、改造世界的重要手段，其已成为21世纪信息时代的一个重要高新科学技术研究方向。
我们在上述研究领域已经进行了卓有成效的研究，已形成了稳定的研究方向和有力的科研团队。
在运动目标分割、指纹特征提取、指纹分类识别技术上、利用正交Gaussian-Hermite矩提取图像等方面已取得了不少的研究成果。
目前贵州尚无涵盖此方向的计算机应用技术专业的硕士点，各领域该方向的技术人才相当紧缺。
为适应西部开发、贵州经济发展发展对高层次计算机图像处理及模式识别人才的急需，为推进该方向的发展，在计算机图像处理及模式识别等方向开展研究生层次教育研究是很有必要的。
本方向领衔导师王林教授是贵州省计算机学会理事、贵州民族学院学术带头人、留法博士。
在法国留学期间，师从国际著名信号处理专家Jun SHUN教授从事计算机图像处理的研究。
近年来在图像处理及模式识别方向，先后承担了省部级以上项目5项，在国内外重要学术期刊及国际学术会议上发表高质量论文10余篇，其中，SCI检索4篇，EI检索3篇，ISTP检索3篇。
5.人才需求与培养目标：人才需求：培养目标：培养具有计算机科学、数学、信息安全和光电信息处理理论基础，掌握信息分析及其复杂信息计算方法，具有扎实的计算机技术及应用能力，有较强的创新和实践能力，能够在企事业单位、政府部门和IT领域从事复杂信息分析与计算的高级复合型专业人才。
培养符合西部地区信息化发展和建设急需的高层次信息化专业人才。
6.培养方案课程类型序号课程名称学分周课时总课时开课学期考核方式备注学位课程学位公共课1 英语 42 144 1、2 考试专业必修2中国特色社会主义理论与实践研究2 2 36 1 论文3 自然辩证法概论 2 2 36 1 考查学位基础课4 数值计算与分析 3 3 54 1 考试专业必修5 高等数理统计 3 3 54 2 考试学位专业课6 大数据分析 3 3 54 1 考试专业必修7 数据挖掘 3 3 54 2 考试非学位课程专业选修课8Hadoop理论基础与实践2 2 36 2 考查专业选修序号8-23课程须修满8学分（第3学期只选少量课程，集中时间上课）9 Square的大数据应用 2 2 36 2 考查10 大数据与智慧交通 2 2 36 3 考查11 大数据与智慧商业 2 2 36 3 考查12 信息安全风险评估理论 2 2 36 2 考查13 信息系统安全测评 2 2 36 2 考查14 机器学习 2 2 36 2 考查15 硬件中的大数据 2 2 36 3 考查16 机器视觉及图像分析 2 2 36 2 考查其它环节24 社会实践 21、2学年中每学年1学分，每学分5次学术交流25 学位论文 4按学校相关规定，论文正文篇幅3万字以上7.实践基地与培养模式实践基地：培养模式：。