筛选
学科:
24个满足条件"数据科学"的课程
1/2
算法设计与分析
《算法设计与分析》是一门重要的计算机专业理论基础课程。该课程以系统的讲解算法设计的基本模式,算法分析的基本方法,问题的半形式化描述和算法证明,为初入计算机专业的学生建立起完整且系统的分析求解问题的方法体系。
Java语言程序设计
Java语言程序设计是计算机科学与技术专业软件方向的一门必修课程。通过本课程的教学,深化学生面向对象的编程设计思想和新一代程序设计的逻辑思维方式,提高学生在软件设计过程中分析问题和解决问题的实际动手能力,使学生的理论知识和实践技能得到共同发展。通过对Java语言及基于Java语言的程序设计的教学,培养学生用Java进行面向对象程序设计的能力。 要求掌握Java的基本语法、面向对象的语言特性、例外处理、applet、图形用户界面、多线程、输入输出、网络编程、JDBC以及面向对象程序设计的主要原则和方法。
云计算与大数据分析
基于信息化时代的到来,随着计算机技术、互联网技术、通讯技术的高速发展,大数据以及云计算得到了普遍应用,对网络技术带来了革命的转变,并在教育、军事、金融、机械等众多领域中发挥着巨大作用。
本课程主要学习云计算和大数据处理的相关原理和技术,结合核、医应用,与实际工程应用相结合,构建相应的云计算和大数据分析与应用平台
离散数学
离散数学是研究离散量的结构及其相互关系的数学学科,是现代数学的一个重要分支。离散的含义是指不同的连接在一起的元素,主要是研究基于离散量的结构和相互间的关系,其对象一般是有限个或可数个元素。离散数学在各学科领域,特别在计算机科学与技术领域有着广泛的应用,同时离散数学也是计算机专业的许多专业课程,如程序设计语言、数据结构、操作系统、编译技术、人工智能、数据库、算法设计与分析、理论计算机科学基础等必不可少的先行课程。通过本课程的学习,使学生具有现代数学的观点和方法,并初步掌握处理离散结构所必须的描述工具和方法.同时,也要培养学生抽象思维和慎密概括的能力,使学生具有良好的开拓专业理论的素质和使用所学知识分析和解决实际问题的能力,为学生以后学习计算机基础理论与专业课程打下良好的基础.
概率论
1. 本课程的目的是引导学生学习用数学的语言,来刻划、表达与抽象随机现象,着重在随机现象的“建模”。同时,这一课程也使学生对已学过的集合论、微积分、高等代数等数学知识有运用的机会,在提高学生分析问题,解决问题的能力方面是一个很好操练机会。
2. 重点放在随机现象的刻划,形成概率空间的概念。例如在概率空间这一部份,重在由等可能性分析过到一般的概率空间。对随机变量,重点也在要学生掌握它的统计特征的刻划方法。对于古典概型不宜过多陷于排列组合的计算技巧。
数理统计
数理统计学是应用广泛的基础性学科,主要研究对随机样本进行科学分析与处理的方法,包括如何有效地收集数据,如何估计参数,如何做检验,如何研究变量之间的关系以及如何进行统计决策等内容。作为统计学方向最基础的专业课程,主要目的是通过教学,使学生掌握本学科的基本概念和基本统计思想,具备使用常用的统计方法并结合利用先修课程中的数学、概率论知识来解决一些实际问题的能力,初步了解数理统计研究的新进展并初步建立统计思维方式。
C++语言程序设计
C++是一门具有现代编程思想(OOP)的重要计算机语言,有利于深入了解计算机器,编写快速高效的计算机软件。
本课的主要目的:
主要介绍C++语言和面向对象程序设计的方法的基本概念。它是一门语言编程课程,学习过程中可通过大量的程序实例和相关练习逐步掌握,主要培养学生掌握程序设计语言的基本要素,
学习者在学习过程逐步掌握C++的面向对象的功能,从而掌握面向对象程序设计的基本知识和基本技能。为后续的课程的学习奠定坚实的程序设计基础。
数据库原理
本课程系统地介绍了数据库的基本理论,并以目前比较流行的大型关系型数据库 SQL Server为载体,向学生讲述了大型关系数据库的概念、管理、设计和开发。通过本课程的学习,要求学生能从实用性的角度出发理解并掌握数据库的安全性、并发控制和恢复技术,能熟练的编写基本的SQL语句,掌握索引、数据完整性、视图、存储过程、触发器等概念及使用方法,并能进行数据库的设计、开发与管理。
数据结构与算法
1.从ADT角度介绍常用的数据结构和算法分析的基本方法。使学生从数据结构的逻辑结构、相应的一组基本运算、实现以及对实现的评价等方面去掌握线性表、栈、队列、串、数组、树、图等常用的数据结构,并对算法的时间和空间复杂性有一定的分析能力。
2.介绍排序技术。使学生掌握插入排序、选择排序、交换排序、基数排序、归并排序等常用的排序算法,并讨论他们的时间和空间开销。
3.通过本课程的学习,学生将掌握常用的数据结构和算法的设计和分析方法,提高程序设计的能力;针对简单的求解问题,选择合理的数据结构解决之。
线性代数
本课程是学习和研究近代数学的重要基础,在自然科学、社会科学、经济领域都有重要应用。本课程使学生学习和了解多项式、线性空间和线性变换等基本知识。通过学习,培养学生具有数学的思维方式、创新精神,以及解决实际问题的初步能力。
统计计算
通过本课程的学习使学生掌握统计计算的基本知识,了解各种随机数的产生和检验,数值计算方法,能利用随机数进行统计模拟和系统仿真,掌握EM算法和MCMC算法等现代统计方法。
数字图像处理
数字图像处理技术在物理学、生物医学、测绘、遥感等许多学科中具有广泛的应用,本课程主要讲授:图像的基本概念、图像变换、图像增强、图像恢复、图像重建、图像压缩等;实验部分着重培养学生的实际编程能力,包括图像的统计参数计算,直方图均衡,中值滤波,sobel锐化,DCT变换。
计算机系统概论
采取自底向上的教学模式,跨系统地介绍计算机系统的核心概念和设计思想。从介绍计算机系统的底层基础知识开始,逐步上升到操作系统和高级语言程序的接口层,将软件和硬件联系起来,阐述从问题描述到算出结果的七个层次的转换过程:从问题到算法的转换、从算法到高级语言程序的转换、从高级语言程序到(用指令集结构描述的)机器语言程序的转换、从指令集结构到微结构的转换、从微结构到逻辑电路的转换、从逻辑电路到晶体管器件的转换。
机器学习
机器学习是研究如何利用已有经验来设计模型和系统以自动解决具体问题的学科,在社会经济、日常生活、工农业生产等各个方面都有丰富的应用背景。特别是近年来在互联网信息挖掘与管理、生物信息学、商业用户分析、航空航天自动控制等方面的应用都有长足进展。
本课程讲授机器学习的核心思想、经典算法和重要理论,注重基础知识和前沿发展的结合。包括概念学习、决策树学习、贝叶斯学习、基于实例的学习、聚类、集成学习、相关学习理论(评估假设、CV维、可能近似正确学习等),详细阐述各种学习的理论,模型及算法,应用。
多元统计分析
多元统计分析是进行科学研究的一项重要工具,在自然科学、社会科学等方面有广泛的应用。多元分析研究的是多个变量的统计总体,这使它能够一次性处理多个变量的庞杂数据,而不需考虑异度量的问题。通过本课程的学习,使学生系统地了解多元统计分析的基本概念和基本原理,掌握一些常用的多元统计思想和统计方法,学会处理常见的多元统计问题。
统计软件
课程用由浅入深的教学方式教学生使用SAS系统,包括SAS的编程、数据管理、报表图形、基本统计分析功能。课程用小部分课时介绍另一统计软件R,R很适用于统计算法编程,也是世界上很多统计研究工作者主要使用的开发和计算软件。
数据挖掘
本课程以数据挖掘为主要内容,讲述实现数据挖掘的各主要功能、挖掘算法和应用,并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。掌握大型数据挖掘软件SAS Enterprise Miner的使用,培养学生数据分析和处理的能力。通过《数据挖掘》课程的教学,使学生理解数据挖掘的基本概念和方法,学习和掌握SAS Enterprise Miner中的数据挖掘方法。学生能够借助SAS Enterprise Miner软件工具进行具体数据的挖掘分析。
线性模型
线性模型是一类统计模型的总称,它包括了线性回归模型、方差分析模型、协方差分析模型和线性混合效应模型(或称方差分量模型)等,因此线性模型成为现代统计学中应用最为广泛的模型之一。通过本课程的学习,使学生掌握线性模型统计推断的基本理论、方法及其应用,其中包括理论与应用的近期发展。
数据分析技术
本课程主要讲授SPSS(statistical package for the social science)数据分析的基本原理、操作与运用。主要内容包括:SPSS基本知识及数据录入、SPSS命令文件编写、用Frequencies做数据汇总、描述性统计(Descriptives与Explore的应用)、数据变换、交叉汇总与关联分析(Crosstabs的应用)、描述子总体均值的差异(Means过程的应用)、均值比较分析(T——Test过程)、方差分析ANOVA、相关分析(Correlate过程分析)、简单线性相关(一元线性回归分析)、SPSS统计图形等方面。
计算方法
计算方法是数学科学与计算机技术结合的一门应用性很强的学科,它是计算数学的一个重要分支。本课程重点介绍计算机上常用的基本计算方法的原理和使用;同时对计算方法作适当的分析。