学科基础课平台必修课 《高等数学 A1》 《高等数学 A2》 《大学物理 A1》 《C++程序设计》 《C++程序设计实验》 《C++程序设计实训》 《线性代数》 《概率论与数理统计 B》 《离散数学Ⅰ》 《计算机组成原理 I》 《数据结构 I》 《数据结构 I 实验》 《计算机网络原理Ⅰ》 《操作系统Ⅰ》 《数字通信原理》 学科基础课平台选修课 《数字逻辑》 《Java 程序设计》 《Java 程序设计实验》 《管理信息系统》 《管理信息系统实训》 《数据库原理 A》 《人工智能导论》 《生理学 E》 《卫生统计学 B》 《流行病学 B》 《外科学总论 B》 《诊断学 D》（临床医学概要） 《诊断学 D》(临床医学概要） 《诊断学 D》 《编译原理》 《传感器技术及应用》 专业课平台必修课 《计算机类认识实习》 《医信工程生产实习》 《医信工程毕业实习》 《医信工程毕业设计（论文）I》 《医信工程毕业设计（论文）II》 《医学信息工程导论》 《生物信息学导论》 《生物医学信号处理》 《生物医学信号处理实验》 《数字图像处理 A》 专业课平台选修课 《软件工程概论 A》 《医学信息系统》 《现代病案信息管理》 《医学决策支持系统》 《智能医疗》 《智能医疗》实验 《数据挖掘》 《数据挖掘》实验 《大数据与深度学习》

（一）理论课程 1《数据库原理》 2《Java 程序设计》 3《操作系统原理》 4《人工智能导论》 5《信息安全概论》 6《数据结构与算法》 7《ARM 基础》 8《嵌入式系统技术》 9《计算机科学导论》课程互动式教学大纲 10《数字电路基础》 11《智能算法应用开发》 12《Web 前端开发技术》 13《C 语言程序设计》 14《Linux 程序设计》 15《面向对象程序设计》 16《数值计算方法》 17《云平台系统》 18《云应用开发》 19《软件工程经济学》课程设计教学大纲 20《软件工程经济学》课程设计教学大纲 21《网络编程技术》 22《移动开发技术》 23《计算机网络》 24《单片机基础》课程设计教学大纲 25《计算机组成原理》课程设计教学大纲 26《大数据分析(数据挖掘)》 27《智能算法程序设计(Python)》 28《Java Web 应用开发》 29《web 开发技术》 （二）实验课程 30《数据库原理》 31《Java 程序设计》 32《操作系统原理》 33《文献检索》 34《智能算法程序设计(Python)》 35《信息安全概论》 36《数据结构与算法》 37《ARM 基础》 38《Linux 系统管理》 39《嵌入式系统技术》 40《数字电路基础》 41《智能程序应用开发》 42《Web 前端开发技术》 43《C 语言程序设计》 44《Linux 程序设计》 45《面向对象程序设计》 46《数值计算方法》 47《云平台》 48《云应用开发》 49《软件工程经济学》课程设计教学大纲（实验） 50《网络编程技术》 51《移动开发技术》 52《计算机网络》 53《单片机基础》 54《计算机组成原理》 55《大数据分析(数据挖掘)》 56《智能算法程序设计(Python)》 57《Java Web 应用开发》课程 58《web 开发技术》课程 （三）实践课程 59《C 语言程序概念实训》 60毕业设计教学大纲 61《毕业实习》教学大纲 62《程序设计技能实训》 63《计算机综合项目实训》 64《专业教育》 65《嵌入式系统技术》 66《云应用开发课程设计》 67《C 语言课程设计》

4.1 概述. 1 4.1.1 什么是聚类分析.1 4.1.2 基本聚类方法概述.2 4.1.3 文本聚类.3 4.2 数据间的相似性度量. 4 4.2.1 数据对象间的距离.4 4.2.2 数据对象间的相似系数.5 4.2.3 数据类间的距离.5 4.2.4 数据标准化.7 4.3 基本聚类方法. 7 4.3.1 k-均值聚类方法 .7 4.3.2 层次聚类方法.8 4.3.3 聚类要注意的问题.10 4.4 基于密度的聚类（待更新）. 10 4.5 聚类结果的评估. 10 4.5.1 基于用户验证的评估方法.11 4.5.2 基于真实数据的聚类结果评估.11 4.6 聚类分析的案例与软件操作. 11 4.6.1 K-MEANS 聚类案例(SPSS Modeler).11 4.6.2 K-MEANS 聚类案例(R 语言) .15 4.6.3 层次聚类案例（SPSS）.20 4.6.4 层次聚类案例（R 语言）.23

《电子技术基础》课程教学大纲 《计算机网络原理》课程教学大纲 《数据仓库与数据挖掘》课程教学大纲 《数据库系统原理》课程教学大纲 《人工智能导论》课程教学大纲 《物联网专业英语》课程教学大纲 《数据结构》课程教学大纲 《物联网工程导论》课程教学大纲 《无线传感器网络及 RFID 技术》课程教学大纲 《通信技术基础》课程教学大纲 《物联网安全技术》课程教学大纲 《物联网工程技术》课程教学大纲 《物联网工程设计与实施》课程教学大纲 《物联网软件工程》课程教学大纲 《移动应用开发技术》课程教学大纲 《程序设计语言 C》课程教学大纲 《计算机组成原理》课程教学大纲 《微机原理与接口技术》课程教学大纲 《面向对象程序设计 JAVA》课程教学大纲 《Web 开发技术》课程教学大纲 《单片机与嵌入式系统设计》课程教学大纲 《离散数学》课程教学大纲 《传感器与检测技术》课程教学大纲 《物联网通信技术》课程教学大纲 《操作系统原理》课程教学大纲 《无线传感网技术》课程教学大纲 《信息工程管理》课程教学大纲 《项目管理教程》课程教学大纲 《无线通信技术》课程教学大纲 《科技文献检索》课程教学大纲

专业必修课程 《农业资源与环境专业导论》 《地质地貌学》 《农业气象学》 《地理信息系统基础》 《普通生态学》 《土壤学》 《植物营养学》 《农业资源环境专业实践》 《土壤植物理化分析 I》 《土壤植物理化分析Ⅱ》 《试验设计与统计分析》 《土壤地理学》 《环境监测》 《资源遥感与信息技术》 《绿洲农业生态学》 《作物施肥原理与技术》 《肥料工艺学》 《土壤改良与培肥》 专业实践环节 《农业气象学教学实习》 《生态学实习》 《环境监测实习》 《土壤学综合实习》 《植物营养学实习》 《农业资源与环境专业生产实习》 《肥料工艺学课程设计》 《土壤改良与培肥课程设计》 《农业资源与环境专业毕业论文》 专业选修课程 《科技论文写作》 《农业资源与环境专业外语》 《资源环境研究法》 《土壤资源调查与评价》 《土壤资源调查与评价实训》 《作物栽培学》 《植物保护学》 《智慧农业理论与实践》 《节水灌溉理论与技术 B》 《现代农业模式与发展》 《环境影响评价》 《产地环境与农产品质量管理》 《数据分析与数据挖掘实训》 《养分资源管理》 《环境规划与管理》 《植物营养分子生物学基础》 《农业固体废弃物处理》 《农业资源与环境法规》 《农业资源与环境研究前沿》 《双碳概论》 专业拓展课 《农产品营销学》 《现代企业管理》 《农业大数据原理与应用》 《农业物联网技术与应用》

为准确掌握超宽冷轧机不同宽度带钢的板形特征,以某2180 mm超宽冷轧机1900 mm宽度带钢实测板形数据为研究对象,借鉴‘大数据’的思想,结合数据挖掘领域中聚类分析方法,提出基于网格和密度的板形特征聚类方法,并以此方法对几种典型带钢宽度的大量板形实测数据进行分析,得到不同宽度带钢的板形特征.以分段函数对板形特征进行多项式表达,得到不同宽度带钢的板形特征参数化分析结果.提出的基于网格和密度的板形特征聚类与分析方法,能够快速准确地对大量板形实测数据进行分析,提取出长期生产过程中板形缺陷特征并得到参数化表达,从而为冷连轧机,特别是超宽带钢冷连轧机的辊形改进和控制策略优化提供数据基础

管 理 科 学 与 工 程 （ 1201） 《高级运筹学》 《系统科学与系统工程》 《高级计量经济分析》 《文献阅读与学术写作》 《管理科学与工程前沿》 《高级信息管理》 《管理科学研究方法》 《系统仿真与建模》 《社会网络分析》 《ESG 理论及应用》 《六西格玛管理》 管 理 科 学 与 工 程 （ 0871） 《数据驱动的管理方法》 《大数据治理》 《大数据分析与挖掘》 《高级信息系统分析与设计》 《大数据技术及应用综合实践》 《高级统计学》 《科技美学与创新思维》 《深度学习》 《高级管理学》 《大数据分析与管理》 《信息经济学》 《复杂网络理论与应用》 大 数 据 技 术 与 工 程 《大数据技术与工程前沿》 《创新创业与职业规划》 《数据采集与预处理》 《大数据可视化》 工 业 工 程 与 管 理 《工业工程与管理概论专题（英）》 《文献阅读与写作》 《质量与可靠性》 《运营管理》 《人因与设计》 《领导力与组织沟通》 《工程经济学》 《工程系统建模与仿真》 《定量分析：模型与方法》 《项目管理》 《供应链与物流管理》 《精益生产》 《数字经济》 《数字企业管理》 《数字创新与创业》 《项目管理案例研究》 《企业经营模拟实训》 《生产过程仿真与作业改善实训》 《工程伦理》 《文献阅读与学术写作实践》 《知识产权》 物 流 工 程 与 管 理 《专业实践》 《物联网概论》 《物流大数据前沿与技术》 《物流系统分析与优化》 《物流系统建模与仿真》 《物流系统应用实践》 《现代物流与供应链管理》

《数学分析》课程教学大纲 《高等代数》课程教学大纲 《空间解析几何》课程课程教学大纲 《常微分方程》课程教学大纲 《复变函数》课程教学大纲 《数值分析》课程教学大纲 《实变函数》课程教学大纲 《概率论与数理统计》课程教学大纲 《运筹学》课程教学大纲 《数学建模》课程教学大纲 《高等几何》课程教学大纲 《初等数论》课程教学大纲 《组合数学》课程教学大纲 《模糊数学》课程教学大纲 《高等代数选讲》课程教学大纲 《数学分析选讲》课程教学大纲 《基础数学实验》课程教学大纲 《R 语言数据分析与挖掘实践》课程教学大纲 《数理方程》课程教学大纲 《数学思想方法》课程教学大纲 《课件制作》课程教学大纲 《数学史》课程教学大纲 《初等数学研究》课程教学大纲 《数学教育经典阅读》课程教学大纲 《数学课标解读与教材研习》课程教学大纲 《数学课程改革与热点问题专题讨论》课程教学大纲 《数学课堂教学案例研究》课程教学大纲 《数学课堂教学技能微格训练》课程教学大纲 《数学课程与教学论》课程教学大纲

建立快速有效的针对大规模文本数据的聚类分析方法是当前数据挖掘研究和应用领域中的一个热点问题.为了同时保证聚类效果和提高聚类效率，提出基于\互为最小相似度文本对\搜索的文本聚类算法及分布式并行计算模型.首先利用向量空间模型提出一种文本相似度计算方法；其次，基于\互为最小相似度文本对\搜索选择二分簇中心，提出通过一次划分实现簇质心寻优的二分K-means聚类算法；最后，基于MapReduce框架设计面向云计算应用的大规模文本并行聚类模型.在Hadoop平台上运用真实文本数据的实验表明：提出的聚类算法与原始二分K-means相比，在获得相当聚类效果的同时，具有明显效率优势；并行聚类模型在不同数据规模和计算节点数目上具有良好的扩展性

《最优化方法》 《高级计算机系统结构》 《高级人工智能》 《自然语言处理》 《高级算法设计与分析》 《软件系统与工程》 《网络与信息安全》 《大数据处理技术》 《嵌入式系统及应用》 《数据挖掘理论与方法》 《现代密码学》 《机器学习》 《智能制造技术及应用》 《区块链与隐私计算》 《AI 驱动的材料与化学》 《计算机视觉》 《人工智能原理与应用》 《计算成像技术》 《AI for Vision and Imaging》 《学科前沿讲座 A》 《文献阅读与学术写作》 《网络空间安全概论》 《密码学理论与应用》 《网络空间安全前沿技术研讨》 《信息隐藏技术》 《信息安全管理与评估》 《网络攻防对抗技术》 《深度学习与大数据分析》 《大数据安全与隐私保护》 《专业英语》 《网络信息内容安全技术》 《专业实践》 《学科前沿讲座 B》 《人工智能工程应用及安全》