机构名称：
¥ 1.0
知识和理解学生必须了解主要的机器学习（ML）算法，并且必须证明根据问题本身的要求选择最合适的ML算法以解决特定问题的能力。学生还必须知道用于正确评估ML算法的性能的技术。学生必须了解主要的大数据框架，以获取，模型，共享，分析，分析和可视化大量信息。学生还必须证明他/她能够选择最合适的框架来处理不同的任务。应用知识和理解学生必须证明能够通过使用机器学习技术来解决实际问题。学生还必须证明他/她可以正确评估基于机器学习的系统的性能。学生必须证明能够通过不同的大数据框架来管理，建模和分析大量数据，以处理不同的任务，还可以评估设计架构的性能。课程内容/教学大纲数据挖掘和机器学习。知识表示：树木，规则，集群。（0.5 CFU）基本机器学习方法：统计建模，线性模型，基于实例的学习，聚类。（0.75 CFU）绩效评估：交叉验证，成本敏感分类，ROC曲线。（0.5 CFU）高级机器学习：决策树，支持向量机，MLP（0.75 CFU）数据转换：属性选择，PCA（0.25 CFU）。深度学习：深网的培训和绩效评估，卷积神经网络。（0.75 CFU）大数据库系统简介。大数据的数据模型。NOSQL数据库：键值 - 列 - 族，图数据库系统。（1.5 CFU）大数据系统简介。大数据系统的定义。Hadoop生态系统。纱。猪。蜂巢。Giraph。 火花。 （2.5 CFU）大数据分析简介（BDA）：BDA生命周期：数据库中的知识发现，数据准备，模型计划，模型构建，数据可视化。 （1 CFU）商用和开源工具的示例：Oracle，IBM业务分析，Microsoft Power BI，Microsoft Azure。 aws。 SAP HANA（1 CFU）阅读/参考书目数据挖掘：实用的机器学习工具和技术。 - 第4版。 / Ian H. Witten，Frank Eibe，Mark A. < / div> 霍尔，克里斯托弗·J·帕尔 - 摩根·考夫曼（Morgan Kaufmann），2017年。 大规模数据集的采矿”，J。Leskovec，A。Rajaraman，J.D.Ullman，2014年（在线书）。 课程（或模块）讲座和实验室活动的教学方法。 考试/评估标准Giraph。火花。（2.5 CFU）大数据分析简介（BDA）：BDA生命周期：数据库中的知识发现，数据准备，模型计划，模型构建，数据可视化。（1 CFU）商用和开源工具的示例：Oracle，IBM业务分析，Microsoft Power BI，Microsoft Azure。aws。SAP HANA（1 CFU）阅读/参考书目数据挖掘：实用的机器学习工具和技术。- 第4版。 / Ian H. Witten，Frank Eibe，Mark A. < / div> 霍尔，克里斯托弗·J·帕尔 - 摩根·考夫曼（Morgan Kaufmann），2017年。 大规模数据集的采矿”，J。Leskovec，A。Rajaraman，J.D.Ullman，2014年（在线书）。 课程（或模块）讲座和实验室活动的教学方法。 考试/评估标准- 第4版。/ Ian H. Witten，Frank Eibe，Mark A. < / div>霍尔，克里斯托弗·J·帕尔 - 摩根·考夫曼（Morgan Kaufmann），2017年。大规模数据集的采矿”，J。Leskovec，A。Rajaraman，J.D.Ullman，2014年（在线书）。课程（或模块）讲座和实验室活动的教学方法。考试/评估标准
课程描述机器学习和大数据SSD：...
主要关键词
相关文件推荐
