3.1 分析化学中的误差 3.2 有效数字及其运算规则 3.3 分析化学中的数据处理 3.4 显著性检验 3.5 可疑值取舍 3.6 回归分析法 3.7 提高分析结果准确度的方法

教学目的: 1. 掌握系统误差与随机误差的区别和减免；准确度与精密度的区别、联系与表示方法。 2. 熟练掌握有效数字的位数确定及运算规则，会用置信区间和置信概率处理分析数据。 3. 了解随机误差的分布规律，了解ｔ检验和 F 检验在具体分析中的应用。 教学重点： 1. 有效数字及其运算，标准偏差和平均值置信区间的计算 2. t、F 检验法的方法与作用，可疑值的取舍， 3. 提高分析结果准确度的方法。 教学难点： 1. 正态分布的概率范围； 2. 平均值的置信区间(如从σ求µ的置信区间,从 S 求 X 的置信区间，t 分布)

多维事务数据库DB的结构为 (ID,AA2,, Anitems),A是DB中的结构化 属性(例如顾客的年龄,职业收入等),而 items是同事务连接的项的集合(例如购物篮 中频繁项集)。每一个 t=(id,aa 2..2 items-t)由两部分信息组成: 维信息(a1,a2man)项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集

12.1 推荐系统概述 12.2 推荐算法 – 协同过滤 12.3 协同过滤实践 – 电影推荐系统

一、基本数据类型:数值型、字符型、日期型、布尔型、变体型。 二、常量与变量及其定义 三、不同数据类型的运算 四、表达式 五、内置函数

• 10.1 可视化概述 • 10.2 可视化工具 • 10.3 可视化典型案例

• 6.1 概述 • 6.2 HBase访问接口 • 6.3 HBase数据模型 • 6.4 HBase的实现原理 • 6.5 HBase运行机制 • 6.6 HBase编程实践

• 5.1 分布式文件系统 • 5.2 HDFS简介 • 5.3 HDFS相关概念 • 5.4 HDFS体系结构 • 5.5 HDFS存储原理 • 5.6 HDFS大数据读写过程 • 5.7 HDFS编程实践

一、分析观测环境中的归纳学习的一般模型。 二、解释学习机器如何从它所支持的函数集中选择一个近似函数。 三、介绍回归和分类问题的风险函数的概念

多维事务数据库DB的结构为 (ID,A,AAn, items),A是DB中的结 构化属性(例如顾客的年龄,职业收入等), 而 items是同事务连接的项的集合(例如购 物篮中频繁项集)。每一个 t=(id,aa2man,items--t)由两部分信息 组成:维信息(a1,a2man)和项集信息。 挖掘过程分为两部分:挖掘维度信息的模 式和从投影的子DB中找出频繁项集