数据库技术重点关注如何进行有效的数据组织、存储和访问，也与数据采集、传输、分析、可视化相关。 分布式数据库的特征 分布式数据库的分类 分布式数据库设计 分布式数据库事务管理

一、系统建模简介 二、逻辑数据建模的过程 三、数据的收集和整理技术 四、构建数据库模型的步骤 五、分析数据模型 六、类和对象建模

6.1 一个颠覆常识的认知实例 6.2 人类认知学习的生理学原理 6.3 认知过程的基本规律：“认”出特征，“知”道归属 6.4 大数据认知的计算机实现：以人脸识别为例 6.5 教育大数据与教育大数据技术的应用定位分析 6.6 本章小结

《专业导论》 《认识实习》 《高等数学》 《线性代数及其应用》 《国民经济统计学》 《随机过程》 《运筹学》 《实用回归分析》 《应用计算软件（SPSS）》 《概率论》 《企业经营统计》 《应用时间序列分析》 《非参数统计》 《实用统计软件（R 语言）》 《抽样技术与应用》 《应用多元统计分析》 《大数据技术》 《Python 语言与数据挖掘》 《探索性数据分析》 《数据可视化》 《统计推断》 《统计建模》 《装备制造企业统计学》 《统计专业英语》 《社会统计与社会调查方法》 《空间数据分析》 《数理统计》 《毕业实习》 《毕业设计（论文）》

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

针对数据立方体的结构特点,结合联机分析处理技术,提出了两种基于数据立方体的维内关联规则挖掘算法.以合肥农河超市实际数据作为测试数据,给出了两种算法的实验结果.结果表明,两种算法在不同支持度情况下执行效率存在明显差异,分别适合在高支持度和低支持度情况下进行关联规则挖掘

4.1 数据采集及数据采集系统 4.2 信号获取与信号调理技术 4.3 采样保持与A/D转换技术 4.4 数据存储与数据传输技术 4.5 PCI总线及其接口技术 4.6 多通道的组建方案 4.7 多功能数据采集卡典型实例分析

数据处理流程:数据传输手簿输入数据加工数据预处理 基线解算——重复基线检验——同步环检验——异步环 检验(以上为当天应完成的任务)重测与补测—WGS -84中无约束平差网精度分析北京54/80/地方独立中 三维无约束平差三维约束平差—二维平差—成果报 告——技术总结

•本章内容介绍了数据可视化的相关知识。数据可视化在大数据分析中具有非常重要的作用，尤其从用户角度而言，它是提升用户数据分析效率的有效手段。•可视化工具包括入门级工具、信息图表工具、地图工具、时间线工具和高级分析工具，每种工具都可以帮助我们实现不同类型的数据可视化分析，可以根据具体应用场合来选择适合的工具。•介绍了一些典型的数据可视化案例，从中可以深刻感受到数据可视化的魅力和重要作用。 10.1 可视化概述 10.1.1 什么是数据可视化 10.1.2 可视化的发展历程 10.1.3 可视化的重要作用 10.2 可视化工具 10.2.1 入门级工具 10.2.2 信息图表工具 10.2.3 地图工具 10.2.4 时间线工具 10.2.5 高级分析工具 10.3 可视化典型案例 • 10.3.1 全球黑客活动 • 10.3.2 互联网地图 • 10.3.3 编程语言之间的影响力关系图 • 10.3.4 百度迁徙 • 10.3.5 世界国家健康与财富之间的关系 • 10.3.6 3D可视化互联网地图APP 10.4 可视化工具实践 • 10.4.1 D3可视化库使用指南 • 10.4.2 Easel.ly信息图制作实践 • 10.4.3 数据可视化之魔镜 • 10.4.4 数据可视化之ECharts

（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