 机器学习是数据分析与挖掘的一种手段  机器学习是什么？  利用经验改善系统自身的性能  关于T和P，程序对E进行学习  Looking for a function  机器学习发展史  人工智能三阶段：推理期、知识期、学习期  深度学习∈机器学习∈人工智能  机器学习基本术语  回归、分类；模型、学习器；样本、样例……  模型选择：奥卡姆剃刀？NFL？

3.1 数据库与数据库管理系统 3.1.1 数据库技术的发展 3.1.2 数据库系统的体系结构 3.1.3 数据模型 3.1.4 数据库管理系统（DBMS）的功能及其工作过程 3.2 数据仓库和数据挖掘（阅读） 3.2.1 数据仓库的概念 3.2.2 为什么需要数据仓库 3.2.3 数据仓库的价值 3.2.4 数据仓库框架结构 3.2.5 数据挖掘

随着监测技术数字化和信息化程度逐步提高,获得的大尺度采空区围岩损伤演化过程,以及包括各种数据格式的图形、矢量等信息量呈数量级增加.将小波变换、固体断裂非平衡统计和神经网络理论用于对非线性采空区围岩断裂失稳信号进行数据挖掘以及综合分析,有利于正确认识和理解采空区围岩体损伤演化的全过程

（一）理论课程 1《空间解析几何》 2《离散数学》 3《时间序列分析》 4《数值计算方法》 5《运筹与优化》 6《Python 程序设计》 7《常微分方程》 8《大数据技术原理及应用》 9《复变函数论》 10《概率统计》 11《高等代数》 12《面向对象程序设计》 13《数据结构与算法》 14《数据库原理及应用》 15《数据挖掘》 16《数理统计》 17《数学分析（1）》 18《数学分析（2）》 19《数学建模(1)》 20《数学建模(2)》 21《数学软件及应用》 （二）实验课程 22《时间序列分析》 23《数据结构与算法》 24《数学软件及应用》 25《数值计算方法》 26《Python 程序设计》 27《大数据技术原理及应用》实验 28《面向对象程序设计》 29《数据库原理及应用》课程 30《数据挖掘》 31《数理统计》 （三）实践课程 32《专业教育》 33《web 数据挖掘与电子商务项目实训》 34《技能实训》教学大纲 35《客户数据分析项目设计》 36《数学建模(1)》 37《数学建模(2)》 38《中文文本数据挖掘项目实训》 39《综合项目实训》教学大纲 40《毕业设计（论文）》教学大纲 41《毕业实习》教学大纲

什么是大数据 ■概念/技术支持/大数据的来源 大数据的关键技术 采集技术/存储与管理技术 计算模式与系统/数据分析与挖掘技术 ■隐私安全 典型案例 ■环境云/百度迁徙/新浪舆情通/阿里云数加 我们的探索 ■网络监控分析/系统日志分析/教育评价分析

线性回归 ●最小二乘法 ●梯度下降 二分类任务 ●对数几率回归-Logistic Regression ●线性判别分析-Linear Discriminate Analysis 多分类任务 ●一对一 ●一对其余 ●多对多 类别不平衡问题

 1.1 What’s big data?  1.2 Overview of data analysis  1.3 Overview of data mining  1.4 Make requirement for different professional applications

 2.1 Overview of data types  2.2 Review of Data pre-processing tools and platforms  2.3 Clean, storage and management of raw data  2.4 Collections of data analysis and data mining

 3.1 Learning Problems  3.2 The least square method (LSM)  3.3 Linear regression analysis  1 Simple Linear Regression  2 Multiple Regression  3 Understanding the Regression Output  4 Coefficient of Determination R2  5 Validating the Regression Model

 5.1 Introduction of clustering analysis  5.2 Similarity calculation  5.3 Overview of basic clustering techniques  5.4 Partitioning method  5.5 Hierarchical method  5.6 Clustering based on density and grid  5.7 Clustering based on models  5.8 Outlier analysis