Advanced Data Analytics

课程简介

1. 数据分析简介，背景、定义和术语。 2. 数据分析的一般框架/步骤。可能的数据类型和数据特征。 3. 数据分析中的统计方法，包括线性回归、逻辑回归、主成分分析、独立成分分析、假设检验、方差分析、ARMA和ARIMA。 4. 涉及特殊数据类型的数据分析，如文本、序列和基因数据、时间序列、空间和时空数据。 5. 高级数据分析技术及其在数据分析中的应用：卷积网络、自动编码器、深度信念网络、循环神经网络、长短时记忆网络、深度强化学习、深度和受限玻尔兹曼机、生成对抗网络。 6. 用于数据分析的编程语言和工具。 7. 金融数据分析、新闻数据分析和社会媒体数据分析中的有用应用。

学习目标

1. 熟悉数据分析框架； 2. 学习现有的机器学习/数据挖掘/数据分析算法和技术； 3. 区分各种数据类型并构建合适的模型进行分析； 4. 利用现有软件或编写程序探索各种数据分析问题； 5. 基于实际数据开展团队项目。

先修要求

无（但具备机器学习、数据分析和编程语言的知识是可取的）

教学模式

讲授课程主要概念和方法，结合全面的示例，并通过课堂问题/答案/讨论帮助学生理解。 辅导和实验课提供机会，让学生通过练习和软件工具复习和巩固讲授内容。 项目作业给学生解决实际数据分析问题的机会。 书面作业帮助学生建立坚实的数据分析基础。