理论力学 工程流体力学 流体力学 流体力学、泵与风机 工程力学 材料力学 机械原理 机械零件及装配体测绘 工程制图 机械设计 机械设计基础 机械制图 机械制造基础 机械设计基础课程设计 工程材料及机械制造基础 机械设计课程设计 金工实习 汽车概论 计算机绘图 CAD 三维造型 计算机绘图 B CAD 制图 控制理论基础 海洋能源开发利用 机械工程测试技术基础 车辆传动系统 车辆设计及理论 模具设计 微机接口技术 现代设计方法 互换性与技术测量 组合机构设计(双语) 机械制造技术 汽车制造工艺学 新能源汽车概论 液压与气动技术 先进制造技术 数控技术 机器人原理与应用 机电工程专业英语 生产实习 专业课程设计 毕业设计 专业综合实践 车辆电子及控制 汽车发动机 机电仿真与设计 机电一体化技术 单片机原理及应用 计算机应用设计 工程情报检索 运筹学与系统工程 生产系统建模与仿真 工业工程基础 工业工程 工程项目管理 人因工程 设施规划与物流分析课程设计 设施规划与物流分析 产品设计 物流装备技术 机械制造工程 工程数据库应用 机械 CAD/CAM 计算机辅助设计与制造 信息管理系统综合设计实践 信息管理系统 食品仓储与配送 交通工程 运输经济学 物流企业经营与管理 生产管理学 物流系统规划与设计 质量控制理论 现代流通学 物流分析课程设计 物流系统建模与仿真 物流信息管理系统综合设计实践 建模与仿真实践 物流系统仿真实践 物流工程综合实习 物流工程专业英语 毕业设计（论文） 工程经济学 工程概算与项目管理 数字逻辑 数字逻辑课程设计 现代控制理论 机电传动控制 微机原理及接口技术实验 微机原理及接口技术 传感器与现代检测技术 运动控制系统 控制系统仿真 电路原理 电工技术基础 电路原理实验 电力电子技术 电气控制技术 电机与拖动基础 电路计算机辅助设计 电机拖动及控制 电力系统基础 电气控制及 PLC 技术 现场总线技术 水工艺仪表与控制 新能源转换与控制技术 嵌入式系统 电子工艺实训 专业实习 电工电子技术基础 专业英语 电子设计创新 电路与电子技术 电子技术基础 模拟电子技术 数字电子技术 电气工程导论 电子设计自动化 电气工程实训 电子技术 电子技术实验（双语） 信号分析与处理 自动控制原理 单片机原理及接口技术 单片机综合实验 计算机控制技术 DSP 原理与应用

《C 语言程序设计 C》 《数据结构与算法》 《计算机组成原理 C》课程纲要 《数据库原理与应用 A》 《计算机网络》 《Python 基础与应用》 《数据采集与管理》 《大数据技术原理与应用》 《Java 程序设计》 《数据可视化》 《大数据运维》 《统计数据分析方法》 《机器学习 B》 《数据分析与挖掘技术》 《数据仓库（Hive）》 《大数据实时计算》 《专业英语 B》 《数学建模》 《人工智能基础 A》 《数据导入与预处理应用》 《数据科学与大数据专业文献检索与论文写作》 《创新思维培养与创业管理》 《Scala 技术与应用》 《数据科学导论》 《大数据与云计算》 《混合现实技术》 《分布式计算》 《区块链原理与技术》 《NoSQL 数据库技术》 《多模态信息处理》 《数据隐私与安全》 《多元统计分析与 R 语言建模》 《服务科学与服务工程概论》 《数据库系统工程师》 《知识图谱》 《Scala 程序设计》 《数据科学与大数据技术导论》 《大数据专业文献检索与论文写作》 《统计分析》 《数据采集与网络爬虫》 《计算机组成原理 D》课程纲要 《数据分析师认证》 《网络前端开发》 《非结构化数据存储与分析》 《信息安全前沿技术》 《项目管理》 《软件工程》 《算法设计与分析》 《运筹学》 《虚拟化技术》 《C 语言程序设计》 《操作系统原理（Linux）》 《数据库原理与应用 E》 《操作系统原理》 《深度学习》 《Hive 查询分析》 《流计算》 《文献检索与论文写作》 《数据资产登记》

 大数据处理的基本流程  大数据处理模型  大数据关键技术  大数据处理工具  大数据时代面临的新挑战 WordCount 关联规则基本模型 聚类 本章内容首先介绍了大数据处理的基本流程和大数据处理模型，接着介绍了大数据的关键技术，其中，云计算是大数据的基础平台和支撑技术，本章以Google 的相关技术为主线，详细介绍Google 以及其他众多学者和研究机构在大数据技术方面已有的一些工作，包括文件系统、数据库系统、索引和查询技术、数据分析技术等；接下来，介绍了大数据处理平台和工具，就目前技术发展现状而言，Hadoop 已经成为了大数据处理工具事实上的标准。最后，介绍大数据时代面临的新挑战，包括大数据集成、大数据分析、大数据隐私问题、大数据能耗问题、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。 大数据采集架构 预测模型

• 6.1 云数据库概述 • 6.1.1 云计算是云数据库兴起的基础 • 6.1.2 云数据库概念 • 6.1.3 云数据库的特性 • 6.1.4 云数据库是个性化数据存储需求的理想选择 • 6.1.5 云数据库与其他数据库的关系 • 6.2 云数据库产品 • 6.2.1 云数据库厂商概述 • 6.2.2 Amazon的云数据库产品 • 6.2.3 Google的云数据库产品 • 6.2.4 Microsoft的云数据库产品 • 6.2.5 其他云数据库产品 • 6.3 云数据库系统架构 • 6.3.1 UMP系统概述 • 6.3.2 UMP系统架构 • 6.3.3 UMP系统功能 • 6.4 Amazon AWS和云数据库 6.4.1 Amazon和云计算的渊源 6.4.2 Amazon AWS 6.4.3 Amazon AWS平台上的云数据库 • 6.5 微软云数据库SQL Azure • 6.6 云数据库实践 6.6.1 阿里云RDS简介 6.6.2 RDS中的概念 6.6.3 购买和使用RDS数据库 6.6.4 将本地数据库迁移到云端RDS数据库

1 数据管理技术的发展 1.1.1人工管理 1.1.2 文件系统 1.1.3数据库 1.1.4 XML技术 2 数据描述 1.2.1概念设计中的数据描述 1.2.2 逻辑设计中的数据描述 1.2.3物理设计中的数据描述 1.2.4数据联系的描述 3 数据模型 1.3.1 数据抽象的过程 1.3.2 概念模型 1.3.3 逻辑模型 1.3.4 外部模型 1.3.5 内部模型 1.3.6 数据库系统的体系结构 1.3.7 数据独立性 1.4.1 数据库管理系统 1.4.2 数据库系统 4 数据库管理系统和数据库系统 DB、DBMS和DBS的概念 4 计算机基础教研室 5 关系模型 1.5.1 基本术语 1.5.2 关系的定义和性质 1.5.3 关系模型的3类完整性规则 6 关系数据库的规范设计 7 数据库设计过程

从外部获取 Access2 2003数据库所需数据有两个不同 的概念。 1.从外部导入数据 即从外部获取数据后形成自己数据库中的数据表对象, 并与外部数据源断绝联结,这意味着当导入操作完成 以后,即使外部数据源的数据发生了变化,也不会再 影响已经导入的数据。 2.从外部链入数据 即在自己的数据库中形成一个链接表对象,这意味着 链入的数据将随时随着外部数据源数据的变动而变动 何时该应用何种获取外部数据的方式,需根据具体应 用的实际需求而定

1.1 数据库系统概述 1.1.1 四个基本概念 1.1.2 数据管理技术的产生和发展 1.1.3 数据库系统的特点 1.2 数据模型 1.2.1 两大类数据模型 1.2.2 数据模型的组成要素 1.2.3 概念模型 1.2.4 最常用的数据模型 1.2.5 层次模型 1.2.6 网状模型 1.2.7 关系模型 1.3 数据库系统结构 1.3.1 数据库系统模式的概念 1.3.2 数据库系统的三级模式结构 1.3.3 数据库的二级映像功能与数据独立性 1.4 数据库系统的组成 ❖数据库 ❖数据库管理系统（及其开发工具） ❖应用系统 ❖数据库管理员

8.1 数据中心与数据中心网络概述 8.1.1 数据中心 8.1.2 数据中心网络 8.1.3 数据中心网络体系结构 8.2 电交换数据中心网络架构 8.2.1 以交换机为中心的 DCN 架构 8.2.2 以服务器为中心的 DCN 架构 8.3 光电混合交换数据中心网络架构 8.4 光交换与光互连数据中心网络架构 8.4.1 基于光电路交换的全光数据中心网络 8.4.2 基于光分组交换的全光数据中心网络 8.4.3 数据中心机架内光互连架构 8.5 数据中心网络的路由技术 8.5.1 数据中心的流量特征分析 8.5.2 分布式路由机制 8.5.3 集中式路由机制 8.6 数据中心网络的传送技术 8.6.1 TCP 拥塞控制机制 8.6.2 多租户场景的带宽分配算法 8.7 软件定义数据中心网络 8.7.1 软件定义网络 8.7.2 软件定义数据中心网络

传统的分类算法大多假设数据集是均衡的,追求整体的分类精度.而实际数据集经常是不均衡的,因此传统的分类算法在处理实际数据集时容易导致少数类样本有较高的分类错误率.现有针对不均衡数据集改进的分类方法主要有两类:一类是进行数据层面的改进,用过采样或欠采样的方法增加少数类数据或减少多数类数据;另一个是进行算法层面的改进.本文在原有的基于聚类的欠采样方法和集成学习方法的基础上,采用两种方法相结合的思想,对不均衡数据进行分类.即先在数据处理阶段采用基于聚类的欠采样方法形成均衡数据集,然后用AdaBoost集成算法对新的数据集进行分类训练,并在算法集成过程中引用权重来区分少数类数据和多数类数据对计算集成学习错误率的贡献,进而使算法更关注少数数据类,提高少数类数据的分类精度

1.数据结构的定义 数据一>数据元素一>数据项 数据结构是指数据以及相互之间的联系。包括: (1)数据的逻辑结构。 (2)数据的存储结构(物理结构) (3)施加在该数据上的运算。 数据的逻辑结构是从逻辑关系上描述数据,它与数据的存储无关,是独立于计算机的 数据的存储结构是逻辑结构用计算机语言的实现(亦称为映象),它是依赖于计算机语言的。 数据的运算是定义在数据的逻辑结构上的,每种逻辑结构都有一组相应的运算。但运算的实现与数据的存储结构有关