数据科学导引
计算机科学与技术(一级学科0812)专业
计算机科学与技术（一级学科0812）专业硕士研究生培养方案一、培养目标培养适应国家建设需要的、热爱祖国、遵纪守法、德智体全面发展、具备严谨科学态度和敬业精神的计算机科学与技术人才，通过硕士阶段的学习，较全世界面掌握计算机科学与技术学科的基础知识和理论，了解相关领域的研究动态。
能在某一热门领域内从事教学、科研与开发工作。
二、研究方向本学科硕士生的培养主要侧重计算机软件与理论、计算机应用技术两个专业领域。
研究方向包括：（1）软件自动化（2）分布计算与并行处理（3）新型程序设计与方法学（4）先进操作系统（5）软件工程（6）计算机理论（7）数据库技术与应用（8）语言信息工程（9）计算机图形学与CAD（10）多媒体计算机技术（11）自然语言处理（12）人工智能（13）机器学习与数据挖掘（14）模式识别（15）计算机系统信息安全三、招生对象分别从三个渠道招收三种类型的硕士生。
1．符合规定手续，符合质量的免试应届本科生（包括外校推荐免试生）。
2．通过国家统一考试达到标准的各类学生作为计划内硕士生。
3．通过国家统一考试达到标准的各类学生为委托培养或自费硕士生。
四、学习年限1．学习年限为二年半。
2．在职委托培养硕士如承担较多的在职工作，可延长半年。
五、课程设置与学分要求硕士研究生毕业要求修满至少32个学分，其中包括：（1）A类课8分；（2）B类课9分；（3）D类课（选修）至少16分，学生在导师的指导下选择D类课程。
A类：科学社会主义理论与实践（2学分）自然辩证法（2学分）第一外语（4学分）B类：分布式计算系统（3学分）计算理论导引（3学分）数据挖掘（3学分）D类：软件开发环境（2学分）软件方法学（2学分）分布式数据处理（2学分）数据库新技术（2学分）计算机图形学（2学分）多媒体信息检索技术（2学分）计算机科学逻辑理论（2学分）机器翻译理论与技术（2学分）嵌入式系统（2学分）软件体系结构（2学分）网络编程技术（2学分）软件质量管理（2学分）软件Agent技术（2学分）智能Agent技术（2学分）计算机视觉理论与应用（2学分）网络安全（2学分）网格技术（2学分）算法理论（2学分）数理逻辑（2学分）形式语言与自动机（2学分）计算机科学与技术进展（2学分）计算机理论探索与技术实践（一）（2-学分）计算机理论探索与技术实践（二）（2-学分）计算机理论探索与技术实践（三）（2-学分）外系课程开设的与本学科相关的课程，每门2学分。
计算机科学与技术(师范)专业导引课教学大纲
计算机科学与技术（师范）专业导引课教学大纲一、说明本课程是将计算机科学与技术（师范）专业课程进行铺垫式引导、概览式介绍的课程。
培养学生的专业兴趣，激发学生对计算机科学领域的兴趣，使学生为专业学习做好心理准备，加强主动学习的兴趣。
（一）课程性质通过专业导引让新生知道自己所学专业的课程设置、专业培养目标、就业方向和就业现状以及学好本专业的方法与技巧等，减少学生因为对所学专业缺乏了解所造成的盲目性，尽早培养学生的专业意识，树立正确的专业思想和学习观，激发学生的学习动机，打下良好的专业基础。
（二）教学目的通过专业导引课程，介绍专业发展的最新动态及成果、专业的杰出人才等等，重点在培养学生形成良好的专业思维模式（计算思维）和注重学生学习方法的培养。
透过知识和方法的传授,深入到智慧的训练和思维的培养层次上，培养学生发现问题、分析问题、解决问题的能力。
（三）教学内容第一章计算机学科的基本含义和培养目标第二章计算机专业人才能力和课程体系第三章本科生如何参与科技项目第四章计算机专业课程的学习第五章计算思维的认识第六章计算学科的基本问题介绍一个对问题进行抽象的典型实例——哥尼斯堡七桥问题。
然后，通过“梵天塔”问题和“停机问题”分别介绍学科中的可计算问题和不可计算问题。
从“梵天塔”问题再引出算法复杂性中的难解性问题、P类问题和NP类问题，证比求易算法，P=NP是否成立的问题，旅行商问题与组合爆炸问题，找零问题、背包问题与贪婪算法。
（四）教学时数学时：18学时学分：1学分课程类别：必修面向专业：计算机科学与技术师范专业（五）教学方式（1）老师专题讲解（2）同学们到网上、图书馆查阅资料（3）同学之间的讨论二、本文第一章计算机学科的基本含义和培养目标教学要点：本章首先简单介绍计算学科命名的背景、计算学科的定义，以及计算学科的根本问题，并阐述了计算学科专业名称的演变、分支学科及其培养侧重点，计算机学科的发展，我国计算机专业的发展。
数据导引--data paper的概念辨析与译名修正
２． Ｙａｎｊｉｎｇ Ｍｅｄｉｃａｌ Ｃｏｌｌｅｇｅ， Ｃａｐｉｔａｌ Ｍｅｄｉｃａｌ Ｕｎｉｖｅｒｓｉｔｙ， Ｂｅｉｊｉｎｇ １０１３００， Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ： ［ Ｐｕｒｐｏｓｅ ／ Ｓｉｇｎｉｆｉｃａｎｃｅ］ Ｎｏｗａｄａｙｓ， ｗｉｔｈ ｔｈｅ ｉｎｃｒｅａｓｉｎｇ ｉｍｐｏｒｔａｎｃｅ ｏｆ ｒｅｓｅａｒｃｈ ｄａｔａ， ｄａｔａ ｐａｐｅｒ ｄｅｓｃｒｉ⁃
研究性论文可在文中引用datapaper来说明数据的细节内容同样的datapaper也可以引用与数据集相关联的研究性论文internationaljournalofroboticsresearch48datapaper是对大规模存储数据集进行简要描述的一类出版物其发表同样需要经过同行评议有一定的评审周期目的是为本领域的科研人员提供高质量多用途的科学数据使用说明2????1????3datapaper同义或近义表述目前使用datapapers作为数据导引专有名称的数据期刊较多包括ecologybiodiversitydatajournalgeosciencedatajournal等
２０２０ 年 １ 月
现 代 情 报
第 ４０ 卷第 １ 期
·情报理论与前瞻观点·
Ｊｏｕｒｎａｌ ｏｆ Ｍｏｄｅｒｎ Ｉｎｆｏｒｍａｔｉｏｎ
Ｊａｎ．， ２０２０
Ｖｏｌ ４０ Ｎｏ １
数据导引———Ｄａｔａ Ｐａｐｅｒ 的概念辨析与译名修正
黄国彬１ 郑 霞１∗ 付映宏２
（１． 北京师范大学政府管理学院， 北京 １００８７５； ２． 首都医科大学燕京医学院， 北京 １０１３００）
ｂｉｎｇ ａｎｄ ｉｎｔｒｏｄｕｃｉｎｇ ｒｅｓｅａｒｃｈ ｄａｔａ ｈａｓ ｄｅｖｅｌｏｐｅｄ ｆｒｏｍ ａ ｃｏｎｃｅｐｔｕａｌ ｃｏｎｃｅｐｔ ｔｏ ａ ｎｅｗ ｐｕｂｌｉｃａｔｉｏｎ ａｖａｉｌａｂｌｅ ｔｏ ｓｃｉｅｎｔｉｆｉｃ ｒｅ⁃
《科学计数法》教学设计
《科学计数法》教学设计一、学生起点状况分析科学记数法是在学生学习了有理数的加、减、乘、除、乘方等内容之后，安排了一节与现实世界中的数据(尤其是大数)相关的数学内容，一方面让学生感受现实生活中的各种大数据，培养学生的数感。
另一方面又通过对较大数学信息进行合理的处理的过程中，学会用简便的方法表示大数，同时为今后用科学记数法表示微观世界中较小的数据奠定基础。
二、教学任务分析本节课学习内容是用科学记数法表示比10大的数。
大数在实际生活中有着广泛的应用，因此在教学中利用多媒体、互联网等现代教育手段实施教学能突出本课特色，同时在课堂中引导学生通过动手、动口、动脑等活动，主动探索，发现问题:互动合作，解决问题:归纳概括，形成能力。
增强数学应用意识，养成及时归纳总结的良好学习习惯。
并为今后学习用科学记数法表示“小数”打下基础。
[教学目标]知识与技能1.复习和巩固有理数乘方的概念，掌握有理数乘方的运算方法.2.了解科学记数法的意义，并会用科学记数法表示比较大的数.过程与方法1.通过科学记数法的学习让学生从各种角度感受大数,促使学生重视大数的现实意义，培养学生的情感.2.通过微课堂教学让学生感受学习数学的乐趣.情感、态度与价值观让学生充分感受到数学知识在我们生活中的应用.[教学重难点]重点:正确运用科学记数法表示较大的数.难点:掌握10的幂指数特征，[教学过程]一、情境导入1.第六次全国人口普查时，我国全国总人口约为1370000000人2.地球半径约为6400000m3.光的速度约为30000000m/s以上有简单的表示方法吗？应用微课教学二、复习(微课教学)师:我们先来看这几个问题.1.指名回答什么叫做乘方，并让学生说出103， -103，(-10)3，a n等的底数、指数、幂。
2.计算:101，102，103，104，105，106，1010。
教师引导学生得出:由第3题计算: 105=100000, 106=1000000, 1010=1 0000000000左边用10的n次幂表示简洁明了，且不易出错，右边有许多零，很容易出现写错的情况，读的时候也是左易右难，这就使我们想到用10的n次幂表示较大的数，比如一亿、一百亿等。
计算理论导引习题答案
什么是时间复杂度？请举例说 明。
时间复杂度是评价算法执行时 间快慢的一个指标，通常用大O 表示法来表示。例如，对于一 个简单的顺序查找算法，其时 间复杂度为O(n)，表示随着问 题规模n的增加，算法的执行时 间线性增长。
计算模型习题答案详解
习题1
解释图灵机的基本原理和工作过程。
答案
图灵机是一种理论上的计算模型，由一条无限长的纸带和一个读写头组成。读写头可以读取、写入和移动纸带上 的符号，根据当前状态和读取的符号来决定下一步的动作和状态转移。图灵机的工作过程可以模拟任何计算机程 序的执行过程。
RAM模型的扩展与优化
包括引入并行计算、分布式计算等概念，以 提高RAM模型的计算能力和效率。
其他计算模型
量子计算模型
利用量子力学原理进行计算的模型，具有在某些特定 问题上比传统计算机更高的计算效率。
生物计算模型
模拟生物体内信息处理过程的计算模型，如神经网络、 基因算法等。
光计算模型
利用光学原理进行计算的模型，具有高速并行处理和 低能耗等优点。
形式语言与自动机习题答案详解
习题1
解释什么是形式语言，并给出其定义和性质 。
答案
形式语言是பைடு நூலகம்于描述计算机程序的语法和语 义的一种数学工具。它由一组符号和一组规 则组成，可以表示各种不同类型的数据结构 和算法。形式语言具有确定性、封闭性和可 计算性等性质，这些性质使得我们可以对计
算机程序进行精确的描述和分析。
Python语言基础 掌握Python语言的基本语法、数 据类型、控制结构、函数等，以 及常用的Python库和框架。
其他编程语言 了解其他常见的编程语言，如C#、 JavaScript、Go等，以及它们的 特点和应用场景。
“数据科学导论”课程教学探讨
“数据科学导论”课程教学探讨作者：周建英李广明王双成来源：《教育教学论坛》2020年第24期[摘要] 近年来，很多高校均开设了大数据相关专业，但是整体上，我国大数据人才培养相较于西方发达国家还处于初级阶段，专业建设及课程体系也处于探索阶段。
在分析国内数据科学人才培养现状的基础上，以上海立信会计金融学院数据科学专业人才培养方向为例，从数据科学人才培养目标和社会人才市场需求入手，探讨“数据科学导论”在课程教学过程中的问题，结合专业发展方向和目标定位，初步形成具有特色的课程体系设置方案。
作为导论课程，将以培养学生专业认知基础为目标，采用理论教学、前沿讲座以及实践教学相结合的方式进行多方式教学，成效显著。
[关键词] 数据科学;课程教学;人才培养数据科学是关于数据的科学或者研究数据的科学，数据科学研究和探索计算机中数据中存在的规律、处理方法以及技术，研究的对象是计算机中的数据。
那么数据科学应该包括两方面内涵：一个是数据本身，比如数据的各种类型、状态、属性及变化形式和数据的变化规律;另一个是数据能够为自然科学和社会科学研究提供新的研究方法、研究依据，包括用于研究和探索自然界和人类行为现象和自然规律。
近些年来，很多高校，包括双一流的高校，以及地方院校均在响应人才市场需求和技术发展需求前提下，开设了大数据相关专业。
但是整体上，我国大数据人才培养相比较西方发达国家还处于初级阶段，专业建设及课程体系也处于探索阶段，而针对大数据方向的实践课程构建更是没有成熟的经验可借鉴。
本文在分析国内数据科学人才培养现状及研究现状的基础上，以上海立信会计金融学院数据科学专业人才培养方向为例，从数据科学人才培养目标和社会人才市场需求入手，探讨“数据科学导论”在课程教学过程中的几点思考和建议，结合专业发展方向和目标定位，初步形成具有特色的课程体系设置方案，作为导论课程，将以培养学生专业认知基础为目标，从加强教师队伍建设以及提高教师教学责任心入手，采用理论教学、前沿讲座以及实践教学相结合的方式进行多方式教学，成效显著。
三大检索工具(SCI、EI、ISTP)
三大检索工具(SCI、EI、ISTP)一.三大检索工具及相关数据库介绍'1．三大检索工具简介科技部下属的“中国科学技术信息研究所”从1987 年起,每年以国外四大检索工具SCI 、ISTP 、Ei、ISR 为数据源进行学术排行。
由于ISR(《科学评论索引》) 收录的论文与SCI 有较多重复，且收录我国的论文偏少因此，1993年起不再把ISR 作为论文的统计源。
而其中的SCI 、ISTP 、Ei 数据库就是图书情报界常说的国外三大检索工具。
SCI ，即《科学引文索引》，是自然科学领域基础理论学科方面的重要期刊文摘索引数据库。
它创建于1961 年，创始人为美国科学情报研究所所长Eugene Garfield(1925.9.15).利用它，可以检索数学、物理学、化学、天文学、生物学、医学、农业科学以及计算机科学、材料科学等学科方面自1945 年以来重要的学术成果信息；SCI 还被国内外学术界当做制定学科发展规划和进行学术排名的重要依据。
ISTP ，即《科学技术会议录索引》，创刊于1978 年，由美国科学情报研究所编制,主要收录国际上著名的科技会议文献。
它所收录的数据包括农业、环境科学、生物化学、分子生物学、生物技术、医学、工程、计算机科学、化学、物理学等学科。
从1990-2003 年间，ISTP 和ISSHP( 后文将要讲到ISSHP) 共收录了60 ，000 个会议的近300 万篇论文的信息。
Ei，即《工程索引》,创刊于1884 年,由Elsevier Engineering Information Inc. 编辑出版。
主要收录工程技术领域的论文（主要为科技期刊和会议录论文) ,数据覆盖了核技术、生物工程、交通运输、化学和工艺工程、照明和光学技术、农业工程和食品技术、计算机和数据处理、应用物理、电子和通信、控制工程、土木工程、机械工程、材料工程、石油、宇航、汽车工程等学科领域。
2.与三大检索工具相关的其它数据库介绍SSCI，即《社会科学引文索引》,创刊于1969 年，收录数据从1956 年至今；是社会科学领域重要的期刊文摘索引数据库。
《SCI》、《EI》、《ISTP》、《SSCI》、《CSSCI》、《A&HCI》简介
一、美国《科学引文索引》（简称SCI）概况美国《科学引文索引》其英文全称为Science Citation Index，简称SCI，是美国科学情报研究所（Institute for Scientific Information，简称ISI，网址：）出版的一部世界著名的综合性检索工具，于1961年创刊，其出版形式包括印刷版期刊、光盘版及联机数据库，现在还发行了互连网上Web版数据库。
SCI（印刷版，双月刊）收录全世界出版的数、理、化、农、林、医、生命科学、天文、地理、环境、材料、工程技术等自然科学各学科的核心期刊约3500种，另外也收录一些会议录、专著丛书、图书等；ISI通过它严格的选刊标准和评估程序挑选刊源，而且每年略有增减，从而做到SCI收录的文献能全面覆盖全世界最重要和最有影响力的研究成果。
SCI网络版全称为：Science Citation Index Expand，每周更新，收录全球5600多种科学技术期刊（即外圈）。
SCI每年收录5600种期刊,组成外圈,从外圈中再精选3500种期刊组成内圈(即核心期刊),这些期刊统称为源期刊。
随着科学技术的发展,收录的源期刊不断吐故纳新,内圈保持总量不变,外圈每年有所变更和增加。
ISI所谓最有影响力的研究成果，指的是报道这些成果的文献大量地被其它文献引用。
为此，作为一部检索工具，SCI一反其它检索工具通过主题或分类途径检索文献的常规做法，而设置了独特的“引文索引”（Citation Index）。
即通过先期的文献被当前文献的引用，来说明文献之间的相关性及先前文献对当前文献的影响力。
SCI以上做法上的特点，使得SCI不仅作为一部文献检索工具使用，而且成为科研评价的一种依据。
科研机构被SCI收录的论文总量，反映整个机构的科研、尤其是基础研究的水平；个人的论文被SCI收录的数量及被引用次数，反映他的研究能力与学术水平。
美国拥有SCI检索系统的ISI数据服务集团创立30多年来，不断地向外界公布与科学论文相关的各类数据，并根据一些特殊需要提供有价值的比较分析与排名。
数据科学导引
内容简介
《数据科学导引》内容共分十五章，包括绪论、数据预处理、回归模型、分类模型、集成模型、聚类模型、 关联规则挖掘、降维、特征选择、EM算法、概率图模型、文本分析、图与络分析、深度学习、分布式计算。附录 部分对相关的基础知识做了简要介绍 。
全书内容共分十五章，包括绪论、数据预处理、回归模型等内容。
成书过程
《数据科学导引》是博雅大数据学院系列教材的第一本。其目的是从技术的角度对数据科学涉及的模型和算 法进行全面介绍。
该教材是集体创作的成果。欧高炎负责数据预处理、分类模型、集成模型、关联规则挖掘、降维、文本分析、 分布式计算等章节和附录。朱占星负责回归模型、聚类模型、特征选择、EM算法、概率图模型和深度学习等章节。 董彬对教材进行审阅并提出了很多宝贵意见。鄂维南负责全书的统筹和组织以及所有章节的修改，同时负责绪论 章节。北京大学计算机科学技术研究所邹磊和湖南大学信息科学与工程学院彭鹏撰写了图与络分析章节的初稿。 北京大学数据科学专业姚嘉豪、余欣航、陈嘉和王文佳等同学对该教材初稿进行了校核。博雅大数据学院的数据 分析师晏晓东和高扬参与了该教材案例与实战部分的撰写和“数据嗨客”在线案例和练习的整理。博雅大数据学 院的UI设计师戴晓彤制作了该教材大部分插图 。
教学资源
《数据科学导引》配套建设有数据科学导引数字课程。该数字课程包括实践案例、配套数据集、拓展阅读等 内容 。
教材特色
《数据科学导引》系统地介绍数据科学的基本内容，包括数据预处理，数据分析的基本方法，特殊问题的处 理（比方说文本分析）深度学习以及分布式系统。除了从理论角度系统地介绍数据科学的基本内容，该教材还 提供了数据分析实践案例。学生可以借助“数据嗨客”这一平台进行实际的操作，和数据进行互动，在提高动手 能力的同时加深对理论的理解和认识。教师可以将数据嗨客提供的在线实践练习作为实践作业，学生在线完成后 教师可以直接得到反馈报表，从而减轻教师的工作量 。
机制创新助推大数据人才培养与产业融合发展——对话博雅大数据学院院长 欧高炎
43DIALOGUEThese Innovations inSystems and Mechanisms have laid a Solid Foundation for the Development of Big Data Talent Cultivation and Industry Integration编辑/冉叶兰 胡琼月机制创新助推大数据人才培养与产业融合发展——对话博雅大数据学院院长 欧高炎采访背景：国家“十三五”规划纲要中明确提出：“实施国家大数据战略，推进数据资源开放共享”。
党的“十九大”报告指出，要推动互联网、大数据、人工智能和实体经济深度融合。
大数据和人工智能作为新一轮产业变革的核心力量，将进一步释放科技革命和产业变革积蓄的能量，对于打造新动力具有重要意义。
而推动大数据和人工智能的发展不仅要依靠国家战略与相关政策的支持，更需要相关人才的支撑，人才的质量和数量决定着大数据和人工智能发展水平和潜力。
而中国大数据与人工智能领域人才缺口明显，“技术+管理”人才难求。
博雅大数据学院是专注于大数据教育培训、教学产品研发与服务的机构。
针对大数据时代下人工智能人才的培养，大数据时代杂志社独家专访到博雅大数据学院院长欧高炎。
人物简介：欧高炎，北京大学博士、博士后，博雅大数据学院院长，大数据教育联盟秘书长。
中国计算机学会数据库专委会委员。
大数据教育、服务和竞赛平台“数据嗨客”创始人。
中国人民银行征信中心“大数据新算法在个人信用评分中的使用效果评估”项目负责人。
对话44大数据时代：实施国家大数据战略，推动互联网、大数据、人工智能和实体经济深度融合，必然离不开人才的支撑。
对于大数据与人工智能人才，应该具备什么样的素质和技能，您是如何定义的？欧高炎：近年来，大数据行业的发展和对大数据以及人工智能在人类社会各个方面广泛应用的期待，对大数据和人工智能人才培养提出了刻不容缓的要求。
国内外高校纷纷成立大数据研究机构或大数据学院。
计算机科学与工程导论
计算机科学与工程导论计算机科学与工程导论是计算机学科的一门基础课程，旨在向学生们介绍计算机科学与工程的基本概念、原理和应用。
本文将从计算机科学和计算机工程两个方面论述导论课程的内容。
一、计算机科学的基本概念与原理1. 计算机科学的发展历程计算机科学作为一门学科，在过去几十年中经历了快速的发展。
从最早的机械计算器，到现代计算机的诞生和普及，计算机科学的发展带动了科技和社会的进步。
2. 计算机系统组成计算机系统由硬件和软件组成。
硬件包括中央处理器（CPU）、存储器、输入输出设备等，而软件包括操作系统、编程语言等。
深入了解计算机系统组成对于理解计算机工作原理和进行计算机系统设计至关重要。
3. 算法与数据结构算法是计算机科学的核心，是解决问题和完成任务的方法和步骤。
好的算法能够提高计算机程序的效率和性能。
而数据结构是组织和存储数据的方式和方法，不同的数据结构适用于不同的问题和场景。
4. 编程语言与程序设计编程语言是计算机与人交流的桥梁，它提供了表示和执行算法的方式。
掌握一门或多门编程语言，能够编写出高效、可靠的程序，并解决实际问题。
二、计算机工程的基本概念与应用1. 计算机体系结构计算机体系结构描述了计算机硬件组件之间的关系和工作原理。
了解计算机体系结构对于理解计算机内部的工作原理和性能优化非常重要。
2. 操作系统与系统软件操作系统是计算机系统的核心软件，它负责管理计算机硬件资源和提供服务。
了解操作系统的工作方式和功能，能够更好地利用计算机资源，提高系统的性能。
3. 网络与通信技术在信息时代，网络与通信技术的重要性不言而喻。
计算机工程的一个重要方向就是网络与通信技术的研究和开发。
了解网络技术，能够构建和管理计算机网络，并实现信息的传输与交流。
4. 数据库与信息管理数据是计算机科学与工程的核心。
数据库技术提供了存储和管理大量数据的方法和工具。
了解数据库的原理和应用，能够有效地组织和管理数据，并实现数据的查询与分析。
数据科学与大数据技术专业的教材建设探索
广告与品牌研究学子园地103NEWS CULTURE CONSTRUCTION 新闻文化建设数据科学与大数据技术专业的教材建设探索张晓丽摘要：随着大数据时代的到来，信息技术蓬勃发展，国家大力推进大数据产业的发展，鼓励高校设立数据科学和数据工程相关专业。
在趋势的推动下，许多高校成立了数据科学与大数据技术专业。
本文通过研究数据科学与大数据技术专业的发展现状，探索新专业下人才培养的课程设置及教材建设等问题，同时介绍高等教育出版社在数据科学与大数据技术专业教材建设方面的研发成果。
关键词：数据科学与大数据技术专业；课程设置；教材建设随着以互联网、大数据、人工智能、区块链等为代表的新一代信息技术的发展，人类社会已进入数字经济或大数据时代。
大数据被认为是一种基础性、战略性资源，成为社会进步的新引擎，深刻改变了人类的思维、生产和生活方式。
谈论大数据是时代话题，拥有大数据是时代特征，解读大数据是时代任务，应用大数据是时代机遇。
大数据的发展催生了数据科学，而数据科学承载着大数据发展的未来[1]。
在大数据技术的迅猛发展势头下，为满足社会对数据科学人才的需求，我国众多高校纷纷成立了数据科学与大数据技术专业。
作为一门新兴专业，如何科学合理地搭建课程体系，梳理人才培养方案，成为全国高校专家及相关行业领域技术人员争相讨论的问题。
教材是教学内容的载体，高等教育出版社作为中国高等教育出版的国家队和主力军，始终以“植根教育、弘扬学术、繁荣文化、服务社会”为使命，面对新兴专业，积极探索研发新产品，服务于高校教学需求。
一、数据科学与大数据技术专业发展状况数据科学是以数据为研究对象，从数据中提取信息、形成知识、支持决策的理论与方法；数据科学家则是通过从数据中提取可操作的知识来解决实际问题。
在当下，数据科学和大数据技术人才成为各领域急需的人才，从事与数据科学有关的工作也成为当下年轻人较为追求的职业选择。
为满足社会对数据科学人才的需求，斯坦福大学、加州大学伯克利分校、密歇根大学等世界著名大学纷纷建立数据科学研究中心并设置数据科学专业。
数据科学研究生培养方案
数据科学研究生培养方案一、培养目标本学科面向国家需求，瞄准国际学科前沿，发挥中国科学技术大学理、工等学科优势，实现多学科交叉，培养学生具备坚实的数据科学理论基础和系统深入的专门知识；要求学生透彻了解数据科学及相关学科的理论、方法与技术，掌握大数据科学研究的方法。
学生须熟练掌握一门外国语，能阅读本专业的外文资料并撰写专业领域外文文章；具有较强的综合能力、语言表达能力及写作能力；具有健康的体魄和良好的心理素质。
毕业生具有严谨求实的科学态度和作风，能独立从事数据科学方面的基础研究、应用研究和关键技术创新等研究工作；也可在大数据相关应用领域从事专业性开发和管理工作。
二、研究方向“数据科学”具有跨学科交叉特点，分别在数学、统计学、计算机科学与技术、信息与通信工程、生物学五个一级学科下交叉设置，其主体依托于数学一级学科。
自主设置二级交叉学科“数据科学”代码和名称：99J1 数学（数据科学），99J1 统计学（数据科学），99J1 计算机科学与技术（数据科学），99J1 信息与通信工程（数据科学），99J1 生物学（数据科学）。
主要研究方向包括但不限于：1.数据科学理论2.大数据分析技术3.大数据应用工程三、学制及学分1. 硕士培养模式通过硕士研究生招生统考或免试推荐等形式，取得我校硕士研究生资格者，学制为3年。
研究生在申请硕士学位前，必须取得总学分不低于35分。
学分具体分布如下：2. 硕博一体化培养模式在读硕士研究生入学2年后，在完成硕士阶段基本学习任务的基础上，若通过博士生资格考核，可以取得硕博连读博士生资格，其中博士阶段学制为3-4年（直博生学制为5-6年）。
研究生在申请博士学位前，必须取得总学分不低于47分（包括硕士阶段）。
其中公共必修课（英语、政治I、政治II）合计学分为11分，专业综合知识答辩 2学分，学位论文开题2学分。
硕士层次基础与专业课程不少于26学分，博士层次基础与专业课程不少于4学分，其中学科基础课总计不少于14学分，参加学科前沿讲座、学术报告会（包括3. 普通博士生培养模式。
本科课程教学大纲《数据科学导论》
数据科学导论》教学大纲、课程及教师基本信息注1：平时考核（100%）=15%平时作业+15%projectl流数据处理/结构化数据分析+15%project2文本分析+15%project3图数据分析；2：平时考核应占总成绩的40-70%。
考核办法说明：本课程的考核分为三个方面，包括平时上机实践、3个大作业（即流数据处理/结构化数据分析、文本分析、图数据分析）和期末闭卷考试。
平时上机实践，学生必须完成上机练习题目，并提交上机实验报告；大作业锻炼学生综合运用所学知识、解决复杂问题的能力；期末考试考查学生对知识点的掌握和灵活运用能力。
最终成绩的计算按照平时成绩:大作业1:大作业2:大作业3:期末成绩=15:15:15:15:4的0比例产生。
二、任课教师简介三、课程简介课程简介“数据科学导论”是一门入门课程，同时也是“数据科学”课程群统领式的课程, 把学生引进数据科学的大门。
它的目标有两个：一个是扩展学生在数据科学方面的视野培养兴趣，另一个是为学习后续课程打下坚实的基础，培养数据科学家。
教学内容分为四大模块，分别是基础（base）模块、关系数据/流数据处理（relational&stream）模块、文本数据处理和分析（text）模块、图数据处理和分析（graph）模块。
基础模块为后续的3个实践模块的基础，内容包括：•概念：数据科学概论，主要介绍数据科学的基本概念、大数据及其价值、数据处理的全生命周期，包括数据的采集和获取、数据预处理/清洗和集成、数据管理、数据分析、可视化和解释等；•方法：包括各种数据模型、数据处理的不同模式（批处理和流式处理）、通用的数据分析方法、数据可视化等；•平台和工具：包括分布式计算与大数据平台（Hadoop&Spark）以及Python 语言。
其中Python语言部分，包括对Python语言基础以及Python的几个重要的库（数据预处理库pandas、机器学习库Scikit-Leam、可视化库Matplotlib）的介绍。
bigdecimal类型的值序列化时被转换成了科学计数法-概念解析以及定义
bigdecimal类型的值序列化时被转换成了科学计数法-概述说明以及解释1.引言1.1 概述：在现代计算机编程中，精确计算和处理大量小数值非常常见。
为了满足这种需求，许多编程语言提供了`BigDecimal`类型，它能够实现高精度的小数计算和存储。
然而，在进行`BigDecimal`类型的值序列化时，经常会遇到一个问题：它们会被转换成科学计数法的形式。
科学计数法是用于表示非常大或非常小的数字的一种方法，它使用指数形式来表示数字。
这种转换可能会导致一些困惑和不准确的结果。
因此，理解`BigDecimal`类型的序列化问题以及科学计数法对值的影响是非常重要的。
本文将探讨`BigDecimal`类型的定义和特点，分析`BigDecimal`类型的值序列化问题，并讨论科学计数法对`BigDecimal`值的影响。
最后，我们将总结`BigDecimal`类型的序列化问题，探讨解决方法，并对科学计数法进行进一步的理解与应用。
通过本文的阅读，读者将能够更好地理解`BigDecimal`类型的序列化问题，掌握解决方法并合理应用科学计数法，从而提高计算机编程的精确度和准确性。
1.2文章结构文章结构是为了确保文章逻辑清晰、层次分明，并使读者容易理解文章的组织和内容安排。
本文1.2节主要介绍文章结构的安排和组织。
1.2 文章结构在本文中，为了全面深入地探讨Bigdecimal类型值序列化时转换为科学计数法的问题，我们将文章分为三个主要部分：引言、正文和结论。
这三个部分共同构成了本文的框架。
引言部分（Chapter 1）主要对本文的研究背景和目的进行了概述。
我们介绍了Bigdecimal类型值序列化问题的重要性以及科学计数法对值的影响。
此外，我们还简要解释了文章的结构和目的，为读者提供了一个整体的了解。
正文部分（Chapter 2）则是本文的核心内容，有以下三个子部分：2.1 Bigdecimal类型的定义和特点在本节中，我们将对Bigdecimal类型进行定义和特点的介绍。
三大索引简介-学术论文
学术论文基础知识系列之一——什么是三大检索三大检索工具即：SCI--Science Citation Index《科学引文索引》EI—Engineering Index《工程索引》ISTP—Index to Scientific & Technical Proceedings 《科技会议录索引》对于三大检索工具，目前有：印刷版(print)、光盘版(CD-ROM)、网络版(web)、联机版(online)四种利用方式。
鉴于各检索工具，各个版本在收录范围、检索性能各不相同，特别是在查询个人文章的收录与引用时，情况比较复杂，对查全率、查准率都要求较高。
以下介绍利用三大检索工具(网络版)查找个人文章被收录、引用情况的方法与技巧。
最后为便于用户了解，简介了其他几种常用于评价的文献检索工具。
一、美国《科学引文索引》（简称SCI）概况美国《科学引文索引》其英文全称为Science Citation Index，简称SCI，是美国科学情报研究所（Institute for Scientific Information，简称ISI，网址：）出版的一部世界著名的综合性检索工具，于1961年创刊，其出版形式包括印刷版期刊、光盘版及联机数据库，现在还发行了互连网上Web版数据库。
SCI（印刷版，双月刊）收录全世界出版的数、理、化、农、林、医、生命科学、天文、地理、环境、材料、工程技术等自然科学各学科的核心期刊约3500种，另外也收录一些会议录、专著丛书、图书等；ISI通过它严格的选刊标准和评估程序挑选刊源，而且每年略有增减，从而做到SCI收录的文献能全面覆盖全世界最重要和最有影响力的研究成果。
SCI网络版全称为：Science Citation Index Expand，每周更新，收录全球5600多种科学技术期刊（即外圈）。
SCI每年收录5600种期刊,组成外圈,从外圈中再精选3500种期刊组成内圈(即核心期刊),这些期刊统称为源期刊。
高校数字人才培养体系建设现状与展望
【教育新探索】社会科学家SOCIAL SCIENTIST20２１年８月（第８期，总第2９２期）Ａｕｇ.,20２１（No.８,Ｇeneral No.２９２）收稿日期：２０２１－０６－１５基金项目：本文为科学技术部国家重点研发计划“大数据驱动的企业技术创新咨询产品研发与服务示范”（项目编号２０１８ＹＦＢ１４３５０４）阶段性研究成果作者简介：李佩洁（１９８４－），女，四川达州人，中国人民大学经济学院党委副书记、博士、副教授，研究方向为数字与生态经济、教育管理；王娟（１９８７－）女，安徽池州人，北京大学数学科学学院、大数据分析与应用技术国家工程实验室博士后，研究方向为数字生态与数字经济、企业管理（通讯作者）。
高校数字人才培养体系建设现状与展望李佩洁１，王娟２（１．中国人民大学经济学院，北京１００８７２；２．北京大学数学科学学院，北京１００８７１）摘要：培养符合时代要求的人才是高校学科建设与人才培养工作的根本出发点。
当前，经济社会已经进入到数据驱动的新发展阶段，数字时代需要数字人才，而数字人才储备不足已经成为制约我国经济高质量发展的瓶颈之一。
如何构建数据科学教育体系，培养满足经济社会发展亟须的数字人才，是目前高校需要共同思考和探索的问题。
文章在梳理国内外代表性高校数据科学教育体系现状上，构建面向新时期数字人才培养体系框架，即在课程设置上基于数学、统计学和计算机等基础科学开展交叉学科知识培养，同时针对某个行业的大数据分析与应用问题开展实践应用能力培养。
未来数字人才培养体系的完善也应围绕学科交叉和行业应用两方面展开。
关键词：数字人才；数据科学；交叉学科；课程设置；数字时代中图分类号：Ｇ６４文献标识码：Ａ文章编号：１００２－３２４０（２０２１）０８－０１５６－0５国家《“十四五”规划和２０３５年远景目标纲要》中提出，要坚持创新驱动发展，强化国家战略科技力量。
这就需要激发人才创新活力，培养造就高水平人才队伍，包括创新型、应用型、技能型人才。
Python数据科学导引智慧树知到答案2024年内蒙古农业大学
Python数据科学导引内蒙古农业大学智慧树知到答案2024年第一章测试1.大数据的起源是（）。
A:电信B:公共管理C:金融D:互联网答案:D2.机器学习的实质是（）。
A:根据现有数据，寻找输入数据和输出数据的映射关系/函数B:建立数据模型C:挑出输入数据和输出数据的最佳映射关系/函数D:衡量输入数据和输出数据的映射关系/函数的好坏答案:A3.Spark支持的分布式部署方式中哪个是错误的（）。
A:spark on YARNB:standaloneC:Spark on localD:spark on mesos答案:C4.以下表述正确的是:（）A:机器学习指机器有学习的能力,是人类达成人工智能目标的手段。
B:人工智能是人们长远以来的目标,期待机器像人一样有智慧。
C:人或机器表现的很有智慧取决于先天本能/创造者事先设定的规则和后天学习。
D:深度学习是机器学习的一种。
答案:ABCD5.有效抑制机器学习过拟合的方法是（）A:平滑损失函数。
B:重新设计损失函数，引入平滑函数。
C:减少数据量。
D:加大数据量。
答案:ABD6.下面表述正确的（）A:迁移学习指训练集中包括没有输出数据与之对应的输入数据,但这些输入数据与其他输入数据不相干。
B:监督学习指训练集中包括没有输出数据与之对应的输入数据,且所有输入数据属于同类别数据。
C:强化学习指只有评价性输出结果的机器学习。
D:监督学习指训练集所有输入数据都有相应输出数据与之对应。
答案:ABCD7.关于Spark中的RDD描述正确的（）A:Destributed：分布式，可以并行在集群计算。
B:Resilient：表示弹性的，弹性表示。
C:RDD（Resilient Distributed Datset）叫做弹性分布式数据集，是Spark中最基本的数据抽象。
D:Datset：就是一个集合，用于存放数据的。
答案:ABCD8.大数据的定义是不唯一的，从不同的角度对大数据都会有不同的理解。
三大检索工具-收录检索技巧及核心期刊投稿导引
三大检索工具-收录检索技巧及核心期刊投稿导引三大检索工具(SCI、ISTP、Ei)收录检索技巧及核心期刊投稿导引一、绪论1．三大检索工具简介科技部下属的"中国科学技术信息研究所"从1987年起，每年以国外四大检索工具SCI、ISTP、Ei、ISR为数据源进行学术排行。
由于ISR(《科学评论索引》)收录的论文与SCI有较多重复，且收录我国的论文偏少；因此，自1993年起，不再把ISR作为论文的统计源。
而其中的SCI、ISTP、Ei数据库就是图书情报界常说的国外三大检索工具。
SCI，即《科学引文索引》，是自然科学领域基础理论学科方面的重要的期刊文摘索引数据库。
它创建于1961年，创始人为美国科学情报研究所所长Eugene Garfield(1925.9.15)。
利用它，可以检索数学、物理学、化学、天文学、生物学、医学、农业科学以及计算机科学、材料科学等学科方面自1945年以来(我馆购买了1994年至今的数据使用权)重要的学术成果信息；SCI还被国内外学术界当做制定学科发展规划和进行学术排名的重要依据。
ISTP，即《科学技术会议录索引》，创刊于1978年，由美国科学情报研究所编制，主要收录国际上著名的科技会议文献。
它所收录的数据包括农业、环境科学、生物化学、分子生物学、生物技术、医学、工程、计算机科学、化学、物理学等学科。
从1990-2003年间，ISTP和ISSHP(后文将要讲到ISSHP)共收录了60，000个会议的近300万篇论文的信息。
Ei，即《工程索引》，创刊于1884年，由Elsevier Engineering Information Inc.编辑出版。
主要收录工程技术领域的论文(主要为科技期刊和会议录论文)，数据覆盖了核技术、生物工程、交通运输、化学和工艺工程、照明和光学技术、农业工程和食品技术、计算机和数据处理、应用物理、电子和通信、控制工程、土木工程、机械工程、材料工程、石油、宇航、汽车工程等学科领域。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
数学科学学院
通选课领域
是否属于艺术与美育
否
平台课性质
平台课类型
授课语言
中文
教材
数据科学导引,欧高炎、朱占星、董斌、鄂维南,高等教育出版社,2017年,Machine Learning: A Probabilistic Perspective,Kevin P. Murphy,The MIT Press.,2012.年,Understanding machine learning: From theory to algorithms.,Shalev-Shwartz, Shai, and Shai Ben-David.,Cambridge university press,2014.年,
第九节 图算法与社交网络分析 4学时
9.1 链接分析 2学时
介绍图分析的基本概念，介绍链接分析的经典算法PageRank
9.2 图结构分析和社区发现 2学时
介绍从图结构中进行社区发现的概念和内容，讲解社区发现的经典算法。
第十节 推荐系统 2学时
介绍推荐系统的概念，介绍基于邻域的推荐方法，基于协同过滤的推荐算法，讲解推荐系统的评价指标（评分预测RMSE和MAE，TopN推荐中的精度和召回率，覆盖率，多样性的含义）
参考书
第一版； ； ； ；
教学大纲
要求学生掌握：
(1) 数据科学的基本思想和内容
(2) 处理数据分析问题的基本方法：数据预处理，数据探索，分类，回归，降维等；
(3) 深刻理解重要的几种机器学习算法，包括线性回归，随机森林，支持向量机，主成分分析等
(4) 优秀的实践操作能力，使用编程语言实现机器学习算法。
介绍特征选择的常用方法；介绍模型选择的方法，重点介绍交叉验证、模型调参的概念和方法
第七节 降维 2学时
介绍降维的概念和意义，介绍常用的降维算法，重点讲解主成分分析（PCA）和线性判别分析（LDA）
第八节 文本分析 4学时
8.1 文本模型 2学时
介绍文本表示方法，TF模型（Term Frequency）和TF-IDF模型、讲解文本分类中经典的朴素贝叶斯算法（Na?ve Bayes）
数据科学导引课英文名称
Introduction to Data Science
先修课程
微积分，线性代数，概率统计
中文简介
这是一门数据科学专业的基础课。主要目的：（1）介绍数据分析的基本原理、模型和算法；（2）获取数据分析的实际经验。这门课强调理论和实践经验相结合，采用大班课堂教学，小班实际操作的模式。由于这门课是第一次开设，所以数据科学专业的学生有优先选课的权利。
3.1 分类问题介绍 2学时
介绍分类问题概念，分类问题的评价指标介绍、介绍基本的K-近邻算法
3.2 支持向量机 2学时
介绍支持向量机算法原理、原问题和对偶问题、核方法、SMO算法（Sequential minimal optimization）
3.3 集成分类 2学时
介绍集成算法的基本概念，Bagging和Boosting方法介绍，介绍随机森林算法，重点讲解Boosting算法的经典代表AdaBoost算法
第一节 课程介绍 1学时
介绍数据科学的发展历史、数据科学包含的内容、数据类型及对应模型、介绍数据科学中的经典算法。
第二节 数据预处理 2学时
介绍数据预处理的基本概念和内容，重点介绍数字编码、One-Hot编码、缺失值处理、异常值检测、数据标准化和数据离散化。
第三节 分类模型 （共6课时）
介绍分类问题的基本概念、分类问题的评价方法、代表性的分类算法。
第十一节 神经网络和深度学习 2学时
介绍神经网络的概念和发展历史，讲解多层感知机算法和经典的后向传播算法（Back Propogation），讲解深度学习的基本原理。介绍深度学习的发展方向，常见的深度学习模型。
第十二节 大规模数据与分布式计算 3学时
介绍大规模数据处理框架MapReduce，介绍适合批处理的大数据处理平台Hadoop，适合机器学习模型训练的Spark和分布式图处理平台。
主要内容：数据预处理，分类模型，聚类模型，回归模型，特征提取和模型选择，降维，文本分析，图算法和社交网络分析，推荐系统，神经网络与深度学习，分布式计算。
英文简介
This is an introductory course to the analysis of data. The main purpose is to (1) introduce the basic principles, models and algorithms for data analysis and (2) give the students an opportunity to deal with real data. The course will have a lecture component as well as a lab component.
8.2 主题分析 2学时
介绍文本主题分析的概念和常见的主题分析模型，如LSA（Latent Semantic Analysis）, pLSA（probabilitistic Latent Semantic Analysis）和LDA等，重点讲解LDA主题分析模型（Latent Dirichlet Allocation）。
这门课强调理论和实践经验相结合，采用大班课堂教学，小班实际操作的模式。
课堂教学2/3， 实习1/3
考勤10%，平时作业 30%， 课程项目60%
教学评估
朱占星：
The main topics are: Preprocessing data, classification, clustering, regression, feature selection and model selection, dimension reduction, text analysis, graph algorithms and social network analysis, recommendation systems, neural networks and deep learning, distributed systems.
第四节 聚类模型和K-Means 2学时
介绍聚类的基本概念，聚类问题的评价指标介绍，介绍常见的聚类算法，重点讲解经典的K-Means算法
第五节 回归模型 2学时
介绍回归的基本概念，回归问题的评价指标，介绍线性回归和正则化的方法（LASSO, Ridge 和 Elastic net）
第六节 特征选择和模型选择 2学时