数据科学导论

《数据科学导论》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、1数据科学导论IntroductiontoDataScience第二章数据分析入门刘淇Email:qiliuql@ustc.edu.cn课程主页：http://staff.ustc.edu.cn/~qiliuql/DS2018.htmlAnIntroductiontoDataScience9/10/2018数据科学基础2什么是数据科学？基于传统的数学、统计学的理论和方法，运用计算机技术进行大规模数据计算、分析和应用的一门学科（摘录自大数据导论）用数据的方法研究科学，用科学的方法研究数据（摘录自鄂维南院士“数据科学的基本内容”）数据科学的提出1974年，丹麦计算机科学家P

2、eterNaur(图灵奖得主)提出了“数据学”概念，建议计算机学界不仅要关注科学计算，也要关注数据处理1996年，数据科学(DataScience)这一名称（主要是从统计学领域）开始出现2002年，数据科学杂志创办：主要以科学数据为对象2007年，JimGray提出数据密集型科学发现（科学研究的第四范式）2013年，有些媒体称为中国的大数据元年课程章节及学时分配（计划）3课程共计18周（1-18周，约16次课）数据科学基础及数据分析入门，第1-2次课数据预处理与数据统计，第3-4次课基本数据挖掘方法，第5-7次课神经网络与深度学习，第8次课大数据处理平台简介，

3、第9次课文本挖掘方法，第10-12次课信息推荐算法设计，第13次课社交网络数据分析，第14次课数据科学在代表性领域的应用，第15次课课程回顾及实验评述，第16次课课程目标4用科学的方法研究和应用数据原本计划课程报告两次，一次在第5周，内容为基本数据挖掘方法的论文调研与综述。第二次在第9周，围绕商业金融领域的数据科学应用，以近年来重要的大数据方向竞赛题目为题，分组实验并撰写实验报告，并在第14周进行讲评。计划调整文献调研报告1份（一般占30%）每人一份时间节点：第9周上课之前（2018.10.29）实验报告1份（一般占30%--40%）以小组为单位提交，

4、每小组一份，但需要包含每个人的工作介绍时间节点：第15周上课前（2018.12.10）以上+上课出勤情况即是考核方式文献调研（2018.10.29）5结合本学期上课的内容，调研相关的文献并撰写报告。文献可以从模型或应用中任一角度进行调研，调研的内容尽可能广，并将学到的内容和心得以报告形式提交。建议：大数据（数据分析）+本人学科语言要求：中英文不限（包括调研的内容）格式要求：专业、美观报告内容：题目调研结果综述学习心得参考文献9/10/2018文献调研（2018.10.29）6想了解更多更前沿的研究领域，可以通过以下途径：Nature,Science,IE

5、EE/ACMTransactions等期刊及其子刊KDD,AAAI,IJCAI,SIGIR,WWW,NIPS,ICML,ICDM,CIKM,VLDB,SIGMOD,ICDE,ACL,EMNLP等国际会议官网各种科技论坛、公众号在线课程文献调研7例如，从应用角度出发（推荐几篇）：教育QuestionDifficultyPredictionforREADINGProblemsinStandardTestsKnowledgeorGaming?CognitiveModellingBasedonMultiple-AttemptResponse金融TrackingtheDyn

6、amicsinCrowdfundingEnhancingCampaignDesigninCrowdfunding:AProductSupplyOptimizationPerspective推荐系统EfficientKaraokeSongRecommendationviaMultipleKernelLearningApproximationLearningrecencybasedcomparativechoicetowardspoint-of-interestrecommendation社交网络MaximizingtheCoverageofInformationProp

7、agationinSocialNetworksModelingUsers’PreferencesandSocialLinksinSocialNetworkingServices:aJoint-EvolvingPerspective上述所有论文均可在实验室主页上可下载http://staff.ustc.edu.cn/~cheneh/文献调研8例如，从模型角度出发：采样方法MCMC-Metropolis-HastingsMCMC-SLICESAMPLING分类决策树