Advanced Techniques for High-Dimensional Data Management and Analytics

课程简介

• 高维数据介绍：高维数据类型概览；与传统关系数据库的比较；实际应用和挑战。 • 地理空间与时空数据：地理空间和时空数据的特性和组织；多样化的轨迹相似度度量；高效的索引结构和查询算法；道路网络上的高级路径算法。评估：设计和实现数据管理解决方案的实际作业。 • 时间序列数据：不同类型的时间序列数据及其特性介绍；时间序列数据建模，如循环神经网络；预测技术和预测模型。评估：涉及金融、零售和智慧城市等不同行业的实际案例研究。 • 多媒体数据：不同类型多媒体数据的介绍和特征提取；相似性搜索和信息检索；机器学习和AI技术的整合。评估：针对社交媒体、医学影像等多媒体数据分析的协作项目和演示。

学习目标

1. 识别各种复杂高维数据类型的关键特性，包括时间序列、地理空间、时空和多媒体数据，与传统关系数据库的比较； 2. 理解并设计适用于时空数据的高效数据管理解决方案，使用先进的算法和技术； 3. 分析并应用时间序列数据的预测技术，以预测现实世界中的未来趋势和模式； 4. 将机器学习和AI技术整合到多媒体数据的分析和应用中，以获取可操作的洞察； 5. 熟练掌握高级高维数据分析技术，利用数据库管理、机器学习和AI方法。

先修要求

最好具备一定的数据库和数据分析知识

教学模式

课堂活动包括讲授、辅导、实验室和研讨会（如适用）。 • 讲授将介绍抽象概念、复杂算法和实际应用，帮助学生全面理解和掌握高维数据及相关知识，重点在于概念和算法的理解。 • 辅导将通过简答题等形式提供机会，让学生练习讲授中所传达的知识。 • 实验室（如适用），将根据学生偏好侧重于工程导向或研究导向的方法。 • 研讨会（如适用），将邀请来自学术界和工业界的专家分享高维数据管理和分析的前沿理念和知识。