《大数据数学基础》教学大纲.docx
- 文档编号:7188359
- 上传时间:2023-05-11
- 格式:DOCX
- 页数:5
- 大小:18.48KB
《大数据数学基础》教学大纲.docx
《《大数据数学基础》教学大纲.docx》由会员分享,可在线阅读,更多相关《《大数据数学基础》教学大纲.docx(5页珍藏版)》请在冰点文库上搜索。
《大数据数学基础》教学大纲
执笔人:
李围围一、课程基本信息
1.课程中文名称:
大数据数学基础
2.课程英文名称:
3.课程类别:
必修
4.适用专业:
商务数据分析
5.总学时:
48学时(其中理论24学时,实践24学时)
6.总学分:
3.0学分
一、课程的性质与任务
课程性质:
:
预计在2020年全球将总共拥有35ZB的数据,相当于人类每两年产生的数据量等于之前产生的全部数据量。
如何管理和使用这些超越目前人力处理范畴的数据,逐渐成为了一个全新的领域——数据科学领域。
而数据科学领域的基石就是数学。
信息化时代,大数据在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业中发挥着越来越重要的作用,人们使用大数据技术从海量数据中挖掘信息、发现规律、探索潜在价值。
在大数据的研究和应用中,数学是其坚实的理论基础,在数据处理、数据挖掘、评判分析等等过程中,数学方法扮演着至关重要的角色
课程任务:
通过本课程的学习,使学生了解了大数据在数学领域的作用,以及如何利用解决数学方面的问题,利用理论+实践的方式学习大数据后续技术所需的数学基础,为将来从事数据分析以及后续课程的学习和数据挖掘开发、科研业务奠定基础。
二、课程的基本内容及要求
第一部分大数据概述
1教学内容
(1)大数据简介
(2)大数据的定义
(3)大数据技术应用场景
(4)数学在大数据领域的应用
2教学重点
(1)认识大数据
(2)数学在大数据领域的应用
3教学难点
(1)微积分、统计学、线性代数、数值计算在大数据领域的应用
4基本要求
(1)了解大数据
(2)掌握数学在大数据领域的应用
第二部分微积分
1教学内容
(1)映射与函数
(2)数列极限与函数极限
(3)极限运算法则和存在法则
(4)连续函数的运算与初等函数的连续性
(5)导数
(6)函数的求导法则
(7)函数的微分
(8)微分中值定理
(9)函数的单调性与曲线的凹凸性
(10)函数的极值与最大值最小值求法
(11)方程的近似解
(12)定积分与不定积分
2教学重点
(1)导数与微分
(2)微分中值定理与导数的应用
(3)定积分与不定积分
3教学难点
(1)微分中值定理与导数的应用
(2)定积分与不定积分
4基本要求
(1)掌握函数与极限
(2)掌握导数与微分
(3)掌握微分中值定理
(4)掌握不定积分与定积分
第三部分概率论与数理统计
1教学内容
(1)数据的概括性度量
(2)随机事件与概率
(3)随机变量与数学期望
(4)离散型随机变量的概率分布
(5)连续型随机变量的概率分布
(6)参数估计与假设检验
2教学重点
(1)概率与概率分布
(2)参数估计与假设检验
3教学难点
(1)离散型随机变量和随机性随机变量的概率分布
(2)参数估计和假设检验
4基本要求
(1)掌握随机事件和概率的概念以及数学期望的求法
(2)掌握几种参数估计方法和基本的假设检验方法
第四部分线性代数
1教学内容
(1)行列式
(2)矩阵的定义与矩阵运算
(3)矩阵的特征值和特征向量
(4)矩阵的奇异值分解
2教学重点
(1)示例几种行列式和矩阵来理解基本运算;
(2)求解矩阵的特征值和特征向量;
(3)矩阵的奇异值分解。
3教学难点
(1)矩阵的特征值和特征向量的求法;
(2)矩阵奇异值分解。
4基本要求
(1)理解行列式和全排列的关系;
(2)掌握矩阵的基本运算;
(3)熟练掌握矩阵特征值特征向量的求法。
第五部分数值计算
1教学内容
(1)非线性方程求根
(2)线性方程组的数值解法
(3)非线性方程组与最优化问题
(4)求解非线性方程组的数值方法
(5)拉格朗日插值法
(6)牛顿插值法
(7)样条插值法
2教学重点
(1)非线性方程求根的几种方法;
(2)线性方程组和非线性方程组的数值解法;
(3)插值方法。
3教学难点
(1)非线性方程组的数值解与最优化问题;
(2)插值方法
4基本要求
(1)让学生理解二分法,消去法;
(2)熟练掌握拉格朗日插值法和牛顿插值法;
三、实验教学要求
实验项目表以及实验课时分配
序号
实验项目名称
实验要求
实验时数
1
微积分
验证极限运算法则与存在法则和在导
4
数与微分,定积分与不定积分上的示例
2
概率论与数理统计
实现参数估计和假设检验
6
理解行列式和全排列的关系;掌握
3
线性代数
矩阵的基本运算;熟练掌握对矩阵进行
6
特征分解和奇异值分解
实现线性方程组和非线性方程组的数
4
数值计算
值解法;理解二分法,消去法;熟练掌
8
握拉格朗日插值法和牛顿插值法
四、课程学时分配
序号
1
教学内容
理论学时
实验学时
其它
大数据概述
2
2
微积分
5
4
3
概率论与数理统计
5
6
4
线性代数
6
6
5
数值计算
6
8
总计
24
24
五、大纲说明
1、本课程教学采用机房教学,讲练结合的方式。
2、突出学生解决实际问题的能力,加强过程性考核。
课程考核的成绩构成=学习态度(10%)+课堂参与(20%)+期末考核(70%),期末考试建议采用开卷形式,试题应包括基本概念、基本理论、程序设计、绘图、综合应用等部分,题型可采用判断题、选择、简答、应用题等方式。
3、教学过程中教学内容必须全部完成。
六、参考书目
教材:
《大数据数学基础》,张良均著,人民邮电出版社。
七、
制定人:
李围围
审定人:
批准人:
制定时间:
2017.11
审定时间:
时间:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 大数据数学基础 数据 数学 基础 教学大纲