我们已经发布了新的主题搜索,比下面的应用程序更简单、更快。
MA3405 -大数据统计数据挖掘
学分: |
3. |
年: |
2023 |
学生乐队的贡献: |
带1 |
由: |
科学与工程学院 |
最近的技术进步使收集、存储和分析非常大的数据集成为可能。因此,如果当代科学家要为21世纪的工业、商业、研究和社会提供先进的知识,就必须熟练地从庞大而复杂的数据集中提取重要信息。此外,雇主越来越要求毕业生能够通过查询大型数据集做出重要发现。本课程将通过R编程语言为数学理论和应用计算方法之间搭建桥梁,为学生分析大数据集的统计学习方法打下坚实的基础。课程将涵盖一系列有监督和无监督的学习方法。
学习成果
- 在适合大数据的统计学习方法的数学、视觉和概念特征之间进行转换;
- 使用适当的统计建模技术评估大型和复杂的数据集;
- 设计、实现和验证有监督和无监督机器学习系统;
- 在R计算环境中实现统计模型;
- 学习处理大型数据集的技巧。
学科评估
- >笔试-班级-(50%)-个人
- 书面>项目报告-(50%)-个人。
先决条件: |
Ma2405或ma2000或sc2202或sc2209 |
可用性 |
凯恩斯,第二阶段,内部 |
人口普查日期24 - 8月- 2023 |
协调员: |
伊薇特Everingham教授 |
讲师: |
Carla Ewels博士,Yvette Everingham教授。 |
工作负载的期望: |
这门3学分课程的学生课业约为130学时。
- 26个小时的讲座
- 13个小时研讨会
- 评估和自主学习
|
|
|
汤斯维尔,第二阶段,内部 |
人口普查日期24 - 8月- 2023 |
协调员: |
伊薇特Everingham教授 |
讲师: |
Carla Ewels博士,Yvette Everingham教授。 |
工作负载的期望: |
这门3学分课程的学生课业约为130学时。
- 26个小时的讲座
- 13个小时研讨会
- 评估和自主学习
|
|
|
注意:由于持续不断的科目质量改进过程,可能会出现轻微的变化,如果在评估细节上有轻微的变化,科目大纲代表了最新的官方信息。