数据挖掘与应用-北京大学
数据挖掘在高校图书馆服务中的应用研究
数据挖掘在高校图书馆服务中的应用研究一、本文概述随着信息技术的迅猛发展和大数据时代的到来，数据挖掘技术已经广泛应用于各个领域，尤其在高校图书馆服务中，数据挖掘技术的应用逐渐成为研究的热点。
本文旨在探讨数据挖掘技术在高校图书馆服务中的应用及其效果，以期为提升图书馆服务质量和效率提供有益的参考。
本文首先介绍了数据挖掘技术的基本概念、原理及其在其他领域的应用情况，为后续研究奠定理论基础。
接着，分析了高校图书馆服务的现状及其面临的挑战，如用户需求多样化、信息资源海量化、服务效率要求高等。
在此基础上，本文深入探讨了数据挖掘技术在高校图书馆服务中的应用场景，如读者行为分析、图书推荐系统、学科服务等。
通过案例分析和实证研究，本文评估了数据挖掘技术在高校图书馆服务中的应用效果，并指出了存在的问题和不足。
本文提出了针对性的建议和改进措施，以期推动数据挖掘技术在高校图书馆服务中的更广泛应用和深入发展。
本文的研究不仅有助于提升高校图书馆的服务质量和效率，也有助于推动数据挖掘技术的进一步发展和完善。
二、数据挖掘技术基础数据挖掘（Data Mining）是从大量、不完全、有噪声、模糊、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。
数据挖掘涉及的技术方法很多，主要有数据清理、数据集成、数据变换、数据挖掘过程模型、数据挖掘方法和知识评价等。
数据挖掘的主要功能包括分类、聚类、关联分析、序列模式挖掘、预测、时间序列分析和偏差分析等。
在高校图书馆服务中，数据挖掘技术的应用主要体现在以下几个方面：通过对读者的借阅记录、浏览行为等数据进行挖掘，可以分析出读者的阅读兴趣、习惯和需求，从而为读者提供更加精准、个性化的推荐服务；通过对图书馆藏书的利用情况、读者的借阅率等数据进行挖掘，可以评估图书馆的服务质量，发现存在的问题和不足，从而改进图书馆的管理和服务；数据挖掘技术还可以用于图书馆的决策支持，通过对大量的数据进行挖掘和分析，可以为图书馆的发展规划、资源配置等提供科学依据。
基于数据挖掘的高校数据式审计框架探究——以高校办学和科研业务为例
近年来，随着信息技术的飞速发展，数据信息的数量、类型、流转渠道等迎来了爆发式的增长或转变，审计信息化成为了审计工作的重要思路。
习近平总书记在中央审计委员会第一次会议中明确指出，要“善于运用新技术、新手段，坚持科技强审，加强审计信息化建设，积极推进大数据审计”。
审计信息化也将成为新时代审计发展的必然路径。
因此，如何充分收集信息、有效利用信息，缓解“信息不对称”的困境，切实提高审计效率、拓展审计范围、突破审计深度是审计工作当前乃至今后长期的重大课题。
一、高校数据式审计研究及应用现状审计信息化一般包括信息系统审计、数据式审计和审计信息管理系统建设。
审计署原审计长刘家义曾指出：“审计出路在于信息化，信息化关键在于数字化”。
因此，当审计对象、审计内容以及其所有的载体都信息化、数字化时，数据式审计也势在必行。
“数据式审计”的概念最早由石爱中等[1]提出，是指以数据为直接对象的审计方式，以系统内部控制测评为基础，通过对电子数据的收集、转换、整理、分析和验证，来实现审计目标。
以此为基础，诸多学者也探讨了数据式审计的内涵及价值，如黄型君[2]通过辨析数据式审计与信息系统审计的区别，提出数据式审计的客体是电子数据，是直接与审计目标相关联的审计方式；刘汝焯[3]提出对底层数据开展审计的价值远大于加工处理后的信息；秦荣生[4]提出数据式审计能够为各类常规审计和风险管理提供多维度、多样化、多种类的数据。
同时，还有部分研究者提出建设审计数据中心、采用文本挖掘技术和多维数据分析等方法均可以助力开展数据式审计[5-7]。
随着数据式审计的概念在商业审计中逐渐得以广泛应用，高浩玮[8]首先将其引入高校内审业务范畴，提出数据式审计是解决高校内部审计覆盖面与审计深度双重压力的上佳选择。
2017年，教育部正式出台《关于推进直属高等学校内部审计信息化建设的意见》（教财〔2017〕10号）[9]，要求“加快推进数字化审计方式，提升运用信息化技术发现问题、评价判断、宏观分析、支撑决策的能力”“探索创新审计模式方法，推动内部审计科学发展”。
北京大学信息科学技术学院考研考情分析及经验指导【盛世清北】
北京大学信息科学技术学院考研考情分析及经验指导【盛世清北】【简介】本文重点说明北京大学信息科学技术学院考研招生变化，复试内容及分数线，参考书，历年真题，盛世清北内部资料，北京大学信息科学技术学院考研经验等。
【考情分析】北京大学信息科学技术学院专业课历年考试难度大，考的深，考的活，即使是同一本教材，但是掌握程度与考生高校要求不可同日而语。
考什么，怎么考，怎么学，怎么考高分是在报考北京大学考生面前的拦路虎。
因此，考生要了解和掌握北京大学考试风格，考试题型，考试重点，难点，突破跨越顶尖名校的障碍。
由于北京大学考试要求及难度大于其他高校，因此，北京大学专业课程的备考，也可用于其他高校通科目专业课程备考使用。
【2021招生目录】【院系招生变化】对比北京大学信息科学技术学院2021年与2020年招生目录，总结出：1、招生专业不变；2、各专业研究方向不变；3、信号与信息处理、计算机系统结构、计算机软件与理论、计算机应用技术专业的招生目录备注增加招生计划人数情况；4、考试科目由801计算机专业基础变为408计算机学科专业基础综合；912半导体物理或934 数字与模拟电路变更为838电子线路或 855半导体物理；5、统招人数发生变化：电磁场与微波技术专业的招生人数增加1人，通信与信息系统专业招生人数增加1人，信号与信息处理专业招生人数减少1人，计算机软件与理论专业招生人数增加3人，其他专业招生人数不变；6、科目代码发生变化，即866变更为838，806变更为805，总数，北大信息科学技术学院招生变化较大，备考考生注意报考。
【复试分数线】【复试内容】一、复试规则1. 复试基本内容：包括专业知识、科研能力、逻辑思维与表达能力、英语听力及口语测试等。
2. 成绩权重：初试成绩占总成绩的50%，复试成绩占总成绩的50%。
3. 外语听力及口语测试均在复试中进行，成绩计入复试总成绩。
4. 总成绩计算公式：总成绩=50%×初试总成绩/5+复试成绩(百分制)×50%。
北京大学学生学业成绩表
【北大考研辅导班】北大软件与微电子学院考研招生专业招生科目考研分数线拟录取考研经验
【北大考研辅导班】北大软件与微电子学院考研招生专业招生科目考研分数线拟录取考研经验一、北大软件与微电子学院简介-启道根据教育部、科技部教高[2003]2号文件：关于批准在北京大学建立“国家集成电路人才培养基地”的精神，北京大学经2004年4月20日第531次校长办公会研究决定，将“北京大学软件学院”与“北京大学国家集成电路人才培养基地”结合，“北京大学软件学院”更名为“北京大学软件与微电子学院”。
2003年12月，在教育部组织的对全国35所示范性软件学院中期评估中，北京大学软件学院综合评比排名第一，被誉为“示范中的示范”；2004年11月9日，学院荣获“北京大学教学成果一等奖”；2004年12月9日，荣获“北京市高等教育教学成果一等奖”；2005年9月,荣获高等教育“国家级教学成果一等奖”。
北京大学软件与微电子学院按照建设世界一流大学的总体规划来建设，是按新模式建立、新机制运行的北京大学直属学院，学院实行理事会领导下的院长负责制，探索多途径合作办学的管理体制与运行机制，与国内外企业合作，拉动社会资金投入，实行运作企业化，办学专业化和后勤社会化，实现培养高层次、实用型、复合型国际化人才的目标。
北京大学软件与微电子学院秉承北京大学“民主科学、兼容并蓄”的传统，坚持北大“勤奋、严谨、求实、创新”的学风，以坚持创新创业、坚持面向需求、坚持质量第一为建院宗旨。
经过一段时间的发展，初步形成了一个学院（北京大学软件与微电子学院）、两个学科（软件工程学科、集成电路设计与工程学科）、四个基地（国家软件人才国际（北京）培训基地、国家集成电路设计人才培养基地、软件工程国家工程研究中心北京工程化基地、无锡产学研合作教育基地）的综合性软件与微电子人才培养实体。
北京大学软件与微电子学院是经国家教育部、国家计委批准成立的“国家示范性软件学院”，也是教育部和科技部设立的“国家集成电路人才培养基地”。
软件与微电子学院从建院起，就以"创建世界一流软件与微电子学院"为己任。
2023年数据计算及应用专业考研方向和院校排名
2023年数据计算及应用专业考研方向和院校排名数据计算及应用是一个较为新兴的专业，旨在培养具有数据处理和分析能力、掌握各种数据分析工具和技术的人才。
随着大数据时代的到来，数据分析和应用的重要性不断增强，因此数据计算及应用专业考研方向也备受关注。
本文将为考生介绍2023年数据计算及应用专业考研方向和院校排名。
一、数据计算及应用专业考研方向1. 数据挖掘数据挖掘是数据计算及应用专业中的重要方向之一，数据挖掘的主要任务是发现数据中的模式和规律，用于解决实际问题和做出决策。
考生可以学习数据挖掘的算法和模型，了解回归、分类、聚类等数据挖掘方法的基本原理，并能应用数据挖掘工具进行数据分析。
2. 人工智能人工智能也是数据计算及应用专业中重要的一个方向，人工智能的研究主要包括机器学习、自然语言处理、计算机视觉等。
考生可以学习人工智能的基本原理和算法，熟悉神经网络、决策树等机器学习算法，并能应用Python等编程语言进行人工智能的开发。
3. 网络安全网络安全是数据计算及应用专业中的重要方向之一，主要研究信息的保密、完整和可用性问题。
考生可以学习网络安全的基本理论和技术，如加密算法、网络攻防、安全审计等，并能应用网络安全工具进行网络安全评估和防范。
二、数据计算及应用专业院校排名1. 北京大学北京大学是国内一流大学，其数据计算及应用专业是该校计算机科学与技术学院自主设置的本科专业。
该专业学生可以选择数据分析、数据挖掘、互联网安全等方向进行研究。
此外，该校还设有计算机科学与技术专业的硕士和博士研究生教育，研究生可以选择数据科学与技术方向进行深入学习。
2. 清华大学清华大学也是国内一流大学，其计算机科学与技术系设有数据科学与技术本科专业。
该专业主要培养计算机科学和数学等相关专业的全面学生，注重数据的处理和分析能力。
此外，该校还设有计算机技术研究生教育，包括计算机科学与技术、信息科学与技术、软件工程等专业。
3. 上海交通大学上海交通大学拥有优秀的计算机视觉、人工智能等研究团队，其电子信息与电气工程学院设有数据科学与工程本科专业。
2016北京大学计算机科学与技术(智能科学与技术)(信息科学技术学院)考研专业目录招生人数参考书目
更多资料请到易研官网 下载
棵哈夫曼树的是
A．24，10，5 和 24，10，7 B．24，10，5 和 24，12，7
C．24，10，10 和 24，14，11 D．24，10，5 和 24，14，6
4．现在有一颗无重复关键字的平衡二叉树（AVL 树）,对其进行中序遍历可得到
书名 《计算机组成原理》
作者
出版社
唐朔飞 编 著
高等教育出版社年
《计算机组成原理学习指导与习题解 答》
唐朔飞 编 著
高等教育出版社
《数据结构（c 语言版）》
严蔚敏、吴 清华大学出版社
伟民编著
《计算机组成原理》
白中英 主 科学出版社
更多资料请到易研官网 下载
学科专业基
2,0,2,9,3,4,2,8,2,3,8,4,5，若进程要访问的下一页的页号为 7，依据 LRU 算
法，应淘汰页的页号是（）
A．2 B．3 C．4 D．8
28．在系统内存中设置磁盘缓冲区的主要目的是（）
A．减少磁盘 I/O 次数
B．减少平均寻道时间
C．提高磁盘数据可靠性
更多资料请到易研官网 下载
（）
Ⅰ．S1 会限制用户申请资源的顺序
Ⅱ．S1 需要进行所需资源总量信息，而 S2 不需要
Ⅲ．S1 不会给可能导致死锁的进程分配资源，S2 会
A．仅Ⅰ Ⅱ B．仅Ⅱ Ⅲ C．仅Ⅰ Ⅲ D．Ⅰ Ⅱ Ⅲ
27 ． 系 统 为 某 进 程 分 配 4 个 页 框 ， 该 进 程 已 访 问 的 页 号 序 列 为
Ⅲ. 左规时可能引起阶码下溢
Ⅳ. 尾数溢出时结果不一定溢出
A．仅Ⅱ Ⅲ B．仅ⅠⅡⅣ C．仅ⅠⅢ Ⅳ D．ⅠⅡ Ⅲ Ⅳ
数据挖掘技术在高校图书管理系统中的应用研究
2012年2月内蒙古科技与经济F ebruar y 2012 第3期总第253期Inner Mongolia Science T echnology &Economy No .3Total No .253数据挖掘技术在高校图书管理系统中的应用研究X吴 淼(西安财经学院图书馆,陕西西安 710100) 摘 要:高校图书管理系统中,积累了大量的读者对资源的历史访问数据。
这些数据背后隐藏着许多重要的信息,通过对其进行更高层次的分析,便能更好地利用这些数据为读者服务。
文章在描述数据挖掘技术与方法的基础上,结合目前高校图书管理系统的实际情况,给出了数据挖掘在图书管理系统中的具体应用实例。
关键词:数据挖掘;图书管理系统;关联规则算法;分类算法;应用 中图分类号:T P311.13 文献标识码:A 文章编号:1007—6921(2012)03—0083—02 随着信息技术的不断发展,数据挖掘在金融、保险、商业等领域已获得了较为广泛的应用,但是在教育信息数据的挖掘与知识发现方面的研究和应用还比较少。
在这种情况下,为了图书馆科学的发展和资源有效的利用与配置,作为图书馆信息技术部的工作人员,通过对目前多数图书MIS 系统的分析发现,虽然管理信息系统为图书馆工作信息化管理和服务带来了显著地效益,但这些系统主要是对图书馆一些事务性工作给以支持和管理,并没有对大量的数据进行分析和利用,因而对管理决策问题没有提供足够的支持。
而数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的技术,它能挖掘出数据键潜在的模式。
找出最有价值的信息和知识。
而数据挖掘工具可以方便简单的构建复杂的分析模型,并可以通过向导自动按照数据挖掘的各种技术对数据进行分析挖掘,而不必理会应用程序底层的复杂计算和数据挖掘方法的复杂公式和程序。
因此使用数据挖掘技术可以方便快捷的对海量信息进行深层次的开发,提取表面上庞杂无序的信息的内在联系,从而优化图书馆资源建设以及推动读者个性化服务。
2015北京大学计算机科学与技术(智能科学与技术)考研参考书、历年真题、报录比、招生专业目录、复试分数线
前景日趋明显，如，智能机器人、智能化机器、智能化电器、智能化楼宇、智能化社区、智
能化物流等等，对人类生活的方方面面产生了重要的影响。智能科学与技术是自动化工程、
机电工程、计算机工程等工程学科的核心内容，工程性和实践性很强，所培养的学生正是目
前高新技术研究及产业发展急需的人才，同时这里人才也会对传统产业的提升和改造起到积
（材
料及
环境
矿物
学）
★地
质学
（石 46 27 58.70 24 7 29.17 32 8 25.00 6 8 4
油地
质学）
摄影
测量 39 5 12.82 29 8 27.59 33 6 18.18 8 4 8
与遥
感
合计 691 39 5.64 601 38 6.32 647 33 5.10 44 24 28
术）
生态
3 学
合计 194 57 29.38 166 44 26.51 203 54 26.60 62 57 55
地图
学与
地理 34 5 14.71 44 7 15.91 33 4 12.12 12 10 11
信息
系统
固体
地球
11 3 物理
27.27 9
2 22.22 7
2 28.57 9 11 11
基础
心理 223 6 2.69 144 3 2.08 123 4 3.25 11 6 5
学
发展
与教
59 育心
心理学系 理学
38 1 2.63 42
32 3
应用
心理 344 25 7.27 182
142 1 0.70 21 6 4
学
应用
心理 65 8 12.31 237 34 14.35 340 28 8.24 9 10 16
2023年大数据管理与应用专业考研方向和院校排名
2023年大数据管理与应用专业考研方向和院校排名大数据管理与应用是一门涉及各个领域的综合性学科，其涵盖了大数据采集、存储、处理、分析和可视化等方面的技术与方法。
考研方向包括数据挖掘与机器学习、大数据分析与应用、大数据技术与系统等。
在社会各行各业的数据爆炸时代，大数据管理与应用专业将具有巨大的发展潜力和受到市场的广泛关注。
一、考研方向1、数据挖掘与机器学习数据挖掘是从大数据中挖掘隐含的有用信息，为决策提供依据的技术和方法。
机器学习是指通过学习和分析大量数据来建立数据模型和预测模型的过程。
在这一方向的研究中，涉及到统计学、算法、人工智能、计算机科学等多学科知识。
2、大数据分析与应用大数据分析是指根据大数据进行数据分析，并利用分析结果进行商业决策的过程。
大数据应用是指将大数据应用于各个领域，如金融、医疗、教育、交通等。
在这一方向的研究中，需要掌握数据分析技术与商业战略知识。
3、大数据技术与系统大数据技术与系统是指传统数据库无法处理大规模数据时，采用的针对大数据的新技术和系统，如分布式存储、云计算、Hadoop等。
在这一方向的研究中，需要掌握大数据技术和系统设计、开发和实施等方面的知识。
二、院校排名1.北京大学北京大学的信息科学技术学院设有《大数据管理与云计算》教学方向，通过课程设置和实践环节，培养学生的大数据处理技巧和能力。
2.浙江大学浙江大学拥有首屈一指的计算机科学与技术学院，开设了《大数据与知识工程》方向，学生将接受数据分析、数据挖掘、自然语言处理等方面的培训。
3.华南理工大学位于广东省的华南理工大学在数据处理和云计算方面一直是领先者。
学生在学习《大数据管理与应用》方向时将获得完善的实践机会，并相关领域的硕士和博士学位证书。
4.西安交通大学西安交通大学的汉晋理工学院设立了《大数据分析与管理》方向，为学生提供了从数据采集、清理到数据分析的全过程培训机会。
5.上海交通大学上海交通大学计算机科学与工程学院通过《大数据管理》方向提供提供包括深度学习计算机视觉、分布式系统、大数据非结构数据处理、社交网络分析、商业智能等内容。
2023年数据科学与大数据技术专业考研方向和院校排名
2023年数据科学与大数据技术专业考研方向和院校排名一、数据科学与大数据技术专业考研方向数据科学与大数据技术专业考研方向主要关注以下方面：1. 数据挖掘与分析：包括数据的处理、分析和挖掘，如机器学习、深度学习、自然语言处理等。
2. 大数据管理：包括大数据的存储、管理、查询和处理，如Hadoop、Spark、NoSQL 等。
3. 可视化与展示：包括通过图表、报表等方式将大数据分析结果进行可视化展示。
4. 系统构建与应用：包括根据不同场景需求，构建大数据系统，利用大数据技术解决实际应用问题。
针对这些方向，考研生需要具备以下能力：1. 基本的数据处理和算法知识，了解数据挖掘、机器学习、深度学习等相关算法的原理和应用场景。
2. 扎实的编程基础，熟练掌握至少一种编程语言（如Python、Java等），了解常用的大数据技术（如Hadoop、Spark等）的编程模型和API。
3. 数据库知识和大数据技术的基础知识，熟悉数据管理和查询的基本原理，了解数据存储和处理的方案。
4. 理解大数据系统构建和应用场景，有一定的实践经验和项目实战能力。
二、数据科学与大数据技术专业考研院校排名1. 清华大学清华大学数据科学系是全球首个建立数据科学本科专业的高校，也是国内唯一一所设立数据科学系的高校，该系于2015年成立。
清华大学在数据科学、人工智能、机器学习等领域拥有全球领先的研究水平，其数据科学与大数据技术研究所是全国的重点研究机构，该学科在国内同类高校中也是领先的。
2. 北京大学北京大学信息科学技术学院下设了数据科学与计算机学院，这是我国第一个大数据学院。
该学院计算机科学、数据科学以及智能交通等领域实力雄厚，在数据科学和大数据技术方面也处于国内领先地位。
学院设有博士、硕士和学士三个教育层次的数据科学与大数据技术专业，不仅培养了大量具有高水平理论基础和实践能力的高端人才，而且在数据挖掘等领域也有较高的学术产出。
3. 上海交通大学上海交通大学计算机科学与工程系设有数据科学与工程研究所和软件学院，该校是国内较早开设数据科学与工程研究生和本科生专业的高校之一。
北京大学软件与微电子学院
1301210624-1301211135
1B003
JAVA程序设计
14.06.09（一）
9：00-11：00
笔试（闭卷）
3205
二学位
0BI04
操作系统与虚拟化安全
14.06.09（一）
9：00-11：00
笔试（开卷）
3203
0C703
嵌入式系统设计
14.06.10（二）
9：00-11：00
笔试（闭卷）
3204
0C702
DSP软件开发技术与工具
14.06.10（二）
14：00-16：00
笔试（闭卷）
3203
0CG10
企业理财与融资实务
14.06.11（三）
18：00-20：00
笔试（闭卷）
3303
0320
专业英语
14.06.12（四）
18：00-20：00
笔试（闭卷）
1544
博士
0B703
14.05.22
电子文档
0D701
移动通信服务终端
14.05.22
电子文档
0B812
项目计划与控制-1班
14.05.22
电子文档
0C104
实用软件开发方法
14.05.24
电子文档
中关村
0C801
高新产品国际营销-2班
14.05.24
电子文档
中关村
0B812
项目计划与控制-2班
14.05.24
电子文档
北京大学软件与微电子学院
（13-14）学年（2月-6月）期末考试安排表（北京校区）
课程
编号
课程名称
数据挖掘：应用与技术
资源 、网点资源、产品资源 、物质 资源
识来 支持决 策 层的 战略部 署和 业务 创
一
是有助于更深刻地 了解自身的经 等 ）进 行科学调配 ，以尽可能地 达到资
新。银行对数据的利 用逐渐 由 日常事务 营状况 。如全面地 掌握 自己的资产负债 源的最优化配置 ，使现有资源发挥出最
操作变成挖掘分析处 理 联机分析处理 数量及其分布 、 资调度情况 、 投 信贷资 大的效能。
的经营能 办。
牛奶 ”的规 则。关联规则挖掘的对象是 事务型 （ 交易）数据库 一个事务一 般
银行纷纷采用数据挖掘技术来提高 自己 据挖掘 综合数理 统计、人工智能 、知识 由交易号 、处理时间以及顾客购买的商 工程 以及数据库等领域的研 究成果来构 品组成 。 令 Ｉ ［ｌ ｉ ．．ｍ｝ ＝ ｉ，２．， 是一组项 的集合 ．ｉ
掘技 术提 取 关于 持卡 人 的各 类统计 指 格 式一致、语义统一的数据 ，以确保所 支持度， 是 ｘ ＞ ｃ Ｙ的可信度 。 一Ｙ的支 ｘ＞
步骤 ：
集 Ｘ， 如果 Ｘ量Ｔ。关联规 则可 表示 为 ：
数 据集成 ：通过 清洗 不一致和不兼 Ｘ ＞ 【 ｐ ｏｔ ， ｎ ｄ ｎｅ＝ｃ， 中 ＝ Ｙ ｓ ｐ ｒ ＝ｓ ｏ ｆ ｅ ｃ ｕ ｃ ｉ 】 其
超过 １０ ２ ０万笔 交易 ，并 且利 用数 据挖 容数据等操作把异构 分布 的数据集成为 Ｘ ， 妄 且 Ｘ ＝ 重【 Ｙ 直， ｎＹ ，Ｓ 是Ｘ一Ｙ的 ＞
维普资讯
－－・一
蟹
蓄； ｒ － 乞
编 者 按 ：数据挖 掘 是 什 么？ 数据挖 掘 能给 银 行 带 来什 么？ 数据挖 掘 怎 么实施 ？ 编者 选 编 的此 组 文章 ，
北京大学软件与微电子学院工程硕士专业方向及导师清单
序 号
研究方向
限选 20 人
限选 10 人
协助导师
1
数据挖掘与商务智能（19） 电子商务与物流（50） 物联网技术与应用（19）
吴中海、王平、李杰、孙圣力、 时广轶
高培椿
刘京（王平） 段莉华（王平、高培椿） 安利平、于树江（李杰） 刘宏志（吴中海）
*通信与应用电子、光电子与物理电子 2 个方向的学生不参加双选；国际、港澳台学生不参加双选。
欧衡（马克宣、许晓栋） 李毅、向勇、翁剑青（王平） 吴戈、赵柯、陈安全（刘道广）
1
2
集成电路设计（46） 半导体能源技术与应用（9） 低碳技术与经济（66）
张兴、 于敦山 、罗 正忠 、陈陵 都、严伟、王振宇、时广轶
程玉华*、Leabharlann 玉丰、陈胜利、卢阳正、蔡正 扬、陈志祥、金光祖、连水养
曹健（张兴）
艺术设计（19） 3 CG 制作（44）
文化创意产业管理（9）
刘道广、许晓栋、王平
马克宣、李万康、倪进
基于Weka的MOOC学习者学习成绩影响因素分析——以Coursera网站北京大学一门课程为例
基于Weka 的MOOC 学习者学习成绩影响因素分析——以Coursera 网站北京大学一门课程为例王小越1 贾积有2 （1.江苏开放大学 设计学院，江苏 南京 210000； 2.北京大学 教育学院，北京 100871）摘 要：本文应用数据挖掘软件Weka，对北京大学2015年在Coursera 平台上线的一门课程中学员的网上学习行为数据进行了相关分析。
对全体学员和有学习成绩的学员的学习行为分析结果均表明：学员的学习成绩与课程网页浏览次数、平时测验总成绩、论坛发帖数、论坛回帖得票呈正相关关系。
对无学习成绩的学员学习行为分析结果表明：他们的论坛讨论参与度不高，不重视平时测验。
出现这个现象的原因可能是他们不关注考试成绩和证书，只关注学习过程。
基于以上数据挖掘结果，为了取得较好的教学效果，我们建议MOOC 课程应该积极引导学生参与论坛的发帖，重视课程网页和课件的设计，同时可考虑改进平时测验的内容和方式，关注学习者的需求，以便引起学员注意，让学员积极主动地完成测验。
关键词：Weka；学习成绩；数据分析；MOOC中图分类号：G4 文献标志码：A 文章编号：2096-0069（2021）02-0068-07百到几十万不等，但学员中断学习现象依旧突出，真正完成学习并获得结业证书的人数相对较少。
因此，本文以北京大学2015年在Coursera 平台上线的一门课程（简称为A 课程）为例，基于学校提供的课程后台数据，从学员在该课程中的网上学习行为包括发帖、作业、测试等方面入手，使用数据挖掘工具Weka 分析影响学员学习成绩的因素[1]。
一、数据处理及描述性统计分析（一）课程注册人数及及格率该课程共有8019位学员注册，去除授课教师、助教以及没有参与任何学习活动的学员之后，剩余真正学员6167位，其中919位学员有学习成绩（即grade>0），约占真正学员总人数的14.9%，5248位学收稿日期：2020-12-14基金项目：江苏开放大学（江苏城市职业学院）“十三五”2020年度科研规划课题“艺术设计类在线课程构建模式研究”（2020-J-02）作者简介：王小越（1992— ），女，河北唐山人，助教、硕士，研究方向为学习科学与技术、学习分析、在线教育、艺术教育等；贾积有（1969— ），男，河南获嘉人，北京大学教育学院教育技术系主任、教授、博士生导师、北京大学教育信息化国际研究中心主任，研究方向为教育技术学和人工智能教育应用。
北京大学
N
穗志方
女
教授
信息科学技术学院
自然语言处理
信息提取与知识工程
Y
N
汪国平
男
教授
信息科学技术学院
人机交互与虚拟现实理论
图形图象与多媒体技术
Y
N
王捍贫
男
教授
信息科学技术学院
程序验证
程序语义
Y
N
王厚峰
男
教授
信息科学技术学院
自然语言处理
机器学习
Y
N
王千祥
男
教授
信息科学技术学院
软件工程
软件中间件
Y
N
王腾蛟
男
教授
男
高级工程师
信息科学技术学院
光网络研究
高速光传输系统研究
Y
N
胡薇薇
女
教授
信息科学技术学院
光通信
光电子
Y
N
金 野
男
信息科学技术学院
通信网络，通信技术
网络协议，通信应用
Y
N
李红滨
男
教授
信息科学技术学院
通信网络（无线通信、计算机通信）
通信信号处理
Y
N
李正斌
男
教授
信息科学技术学院
光通信网络
光电子器件与光传感系统
可重构计算、新型FPGA结构
Y
N
代亚非
女
教授
信息科学技术学院
计算机网络与分布式系统
互连网及其应用技术
Y
N
李晓明
男
教授
信息科学技术学院
互联网及其应用技术
并行计算
Y
N
北京大学信息科学技术学院
北京大学信息科学技术学院【字体：大中小】考研书店一．基本情况北京大学信息科学技术学院成立于2002 年9 月。
学院由12 个研究所和中心组成：基础实验教学研究所、电子工程研究所、量子电子学研究所、光子和通信技术研究所、物理电子学研究所、软件研究所、网络和信息系统研究所、计算语言学研究所、计算机系统结构研究所、数字媒体研究所、微电子学研究院、信息科学中心。
学院覆盖了4 个一级学科：（计算机科学和技术、电子科学和技术、信息和通信工程、物理学），11 个二级学科（计算机软件和理论、计算机系统结构、计算机使用技术；微电子学和固体电子学、物理电子学、电磁场和微波技术、电路和系统；通信和信息系统、信号和信息处理；无线电物理、声学）。
其中5 个二级学科在2002 年被评为国家重点学科（计算机软件和理论、计算机使用技术、微电子学和固体电子学、物理电子学、通信和信息系统）。
学院教学研究实力雄厚，拥有一支高水平的师资队伍，其中中国科学院院士3 人( 含双聘 1 人) 、中国工程院院士1 人，教授70 余人，博士生导师50 余名。
学院拥有3 个国家级重点实验室——视觉和听觉信息处理国家重点实验室、微米/ 纳米加工技术国家级重点实验室和区域光纤通信和新型光通信系统国家重点实验室（北京大学）， 5 个部委和市级重点实验室，以及和国际著名公司、科研机构组建的若干联合实验室。
近年来，学院承担了大量的国家级科研项目（年平均科研经费约一亿元），每年在国内外核心刊物和高水平会议上发表学术论文500 多篇。
北京大学的信息科学技术学科具有悠久的历史，最早可以追溯到上个世纪50 年代数学系的计算数学专业、物理系的无线电物理、电子物理和半导体物理专业。
几十年来，北京大学在信息科学技术学科取得了一系列具有全国领先水平的重大研究成果：20 世纪70 年代我国第一台百万次数字计算机150 的研制，80 年代卫星通信和光纤通信系统的研制和使用，90 年代纳米电子学、量子电子学研究的重要成果和微电子技术以及拥有自主知识产权的核心技术领先的指纹识别系统等等，都对国家的经济发展、国防建设以及人民生活水平提高乃至生活和工作方式的改变产生了重大影响。
2023数据科学与大数据技术专业大学前十名
2023数据科学与大数据技术专业大学前十名数据科学与大数据技术专业大学前十名北京大学(排名第1)、清华大学(排名第2)、浙江大学(排名第3)、国防科技大学(排名第4)、北京航空航天大学(排名第5)、北京邮电大学(排名第6)、哈尔滨工业大学(排名第7)、上海交通大学(排名第8)、南京大学(排名第9)、华中科技大学(排名第10)。
大数据专业毕业后的去向大数据人才的工作是，把海量信息采集、存储、分析，挖掘出信息背后更多的价值，以更好地辅助企业、政府机关做出决策。
随着大数据往各领域延伸发展，市场对统计学、数学方面的专业人才，数据分析、数据挖掘、人工智能等偏软件领域的需求加大。
数据分析师/大数据分析培训，加米谷大数据培训机构，可预约现场试听课，大数据开发零基础班预报中。
大数据专业毕业生可以胜任大数据技术开发与应用，大数据运维和云计算等工作，可以去大型互联网公司就业，做前、后端开发、数据分析师、机器学习算法工程师，App开发、智能游戏设计与开发、数据科学家等。
也可以进入各行各业，在银行、电信、电力、交通等企事业单位，政府、信息产业及其他国民经济部门，甚至医疗系统、媒体等单位，依托具体业务，从事大数据分析、大数据应用开发、大数据系统研发、数据可视化等相关工作。
毕竟大数据作为一门技术，为具体行业的决策服务。
在国内来看，国家信息中心信息化研究部副主任、南海大数据应用研究院院长于施洋指出：“从地域分布，从各个省来说，北京排第一，东部沿海地区这些省份排在前面，在西南地区，四川、重庆、贵州这三个地方异军突起，是我们大数据发展的第二个增长极。
”各省份大数据发展指数的排名中，贵州、重庆、四川，紧随东部沿海省份，全部排进了前十名，领先任何一个中部省份。
这主要是地方政策引领的结果，毕业生想从事和大数据相关的工作，也可以考虑去这些大数据发展比较好、政策支持比较多的地方。
数据科学与大数据技术专业主要学什么数据科学与大数据专业的必修基础课程方面大数据(人工智能)概论、Linux 操作系统、Java语言编程、数据库原理与应用、数据结构、数学及统计类课程(高等数学、线性代数、概率论、数理统计)、大数据应用开发语言、Hadoop大数据技术、分布式数据库原理与应用、数据导入与预处理应用、数据挖掘技术与应用、大数据分析与内存计算等。
- 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)。
课程大纲数据挖掘与应用Data mining and application课程编号：02817130 授课对象：研究生学分：3 任课教师：张俊妮课程类型：必修开课学期：2017年秋先修课程：概率论、数理统计任课教师简历（500字左右）：张俊妮博士现任北京大学光华管理学院统计学副教授。
她1998年毕业于中国科学技术大学，获计算机软件学士学位；2002年毕业于美国哈佛大学，获统计学博士学位。
她的研究领域为因果推断、贝叶斯分析、蒙特卡洛方法、数据挖掘以及统计在经济、金融、营销中的应用。
曾在国际主要学术期刊Journal of the American Statistical Association, Journal of Educational and Behavioral Statistics, Statistica Sinica, Computational Statistics and Data Analysis, Journal of Chemical Physics, 管理世界, 经济学季刊等国内外刊物上发表文章。
并有中文专著《数据挖掘与应用》。
她曾参与国家自然科学基金项目“品牌个性维度及其测量量表研究”，负责过北京大学光华管理学院与中国信达资产管理公司合作的“金融不良资产定价”课题研究项目和北京天健兴业资产评估公司“统计估值模型”的项目研究，主持国家自然科学基金项目“使用倾向分和主分层进行因果推断”，并且担任过担任美国国立卫生学院（NIH）国际研究合作基金项目“生活质量研究中的因果推断”的中方负责人。
在2010年“计量方法在经济中的应用”国际大会上，她是组委会成员之一。
她于2004-2009年担任Computation Statistics编委（Associate Editor）。
她至今仍担任北京哈佛校友会理事，是美国统计学会和全球华人统计学会成员。
任课教师联系方式：光华管理学院2号楼473办公室，电话：62757922，邮箱：zjn@助教姓名及联系方式：辅导、答疑时间：一、项目培养目标1 Learning Goal 1Graduates will be thoroughly familiar with the specialized knowledge andtheories required for the completion of academic research.1.1 Objective 1 Graduates will have a deep understanding of basic knowledge and theoriesin their specialized area.1.2 Objective 2 Graduates will be familiar with the latest academic findings in theirspecialized area and will be knowledgeable about related areas.1.3 Objective 3 Graduates will be familiar with research methodologies in their specializedarea, and will be able to apply them effectively.2 Learning Goal 2Graduates will be creative scholars, who are able to write and publishhigh-quality graduation dissertation and research papers.2.1 Objective 1 Graduates will write and publish high-quality graduation dissertation andresearch papers2.2 Objective 2 Graduates will be critical thinkers and innovative problems solvers.3 Learning Goal 3Graduates will have a broad vision of globalization and will be able tocommunicate and cooperate with international scholars3.1 Objective 1 Graduates will have excellent oral and written communication skills3.2 Objective 2 Graduates will be able to conduct efficient academic communication in atleast one foreign language4 Learning Goal 4 Graduates will be aware of academic ethics and will have a sense of socialresponsibility.4.1 Objective 1 Graduates will have a sense of social responsibility.4.2 Objective 2 Graduates will be aware of potential ethical issues in their academic career.4.3 Objective 3 Graduates will demonstrate concern for social issues.二、课程概述本课程主要从统计学的角度探讨与数据挖掘相关的理论与应用。
课程中将使用SAS等统计软件。
三、课程目标在学习完本课程之后，学生应理解数据挖掘的大框架以及数据挖掘中各种常用的方法，并可熟练使用统计软件进行数据挖掘。
四、内容提要及学时分配期末考试时间：五、教学方式课程讲授为主。
六、教学过程中IT工具等技术手段的应用课程提供pdf讲义，上课时用计算机演示讲义，并讲授及演示统计软件的使用。
学生做作业和期末项目时需要使用统计软件分析数据。
七、教材张俊妮（2009），《数据挖掘与应用》，北京大学出版社。
八、参考书目（1）实际应用1.Berry, M. J. A. and Linoff, G. (1997). Data mining techniques for marketing, sales andcustomer relationship management. Wiley Publishing Inc.2.Berry, M. J. A. and Linoff, G. (2000). Mastering data mining: the art and science of customerrelationship management. John Wiley & Sons.3.Kudyba, S. (Eds) (2004). Managing Data Mining: Advices from Experts. Cybertech Publishing. （2）数据挖掘综述4.Dunham, M. H. (2003). Data mining introductory and advanced topics. Pearson Education.5.Han, J. and Kamber, M. (2001). Data mining: concepts and techniques. Morgan KaufmannPublishers.6.Hastie, T., Tibshirani, R. and Friedman, J. (2001). The elements of statistical learning.Springer-Verlag.7.Weiss, S. M. and Indurkhya, Nitin (1998). Predictive data mining: a practical guide. MorganKaufmann Publishers.（3）数据挖掘的某些方面或某些数据挖掘方法8.Breiman, L., Friedman, J. H., Olshen, R. A. and Stone, C. J. (1984). Classification and regressiontrees. Chapman & Hall, New York.9.Kohonen, T. (1995). Self-organizing maps, 3rd edition. Springer-Verlag.10.McCullagh, P. and Nelder, J. A. (1989), Generalized linear models, second edition. Chapman &Hall/CRC.11.Pyle, D. (1999). Data preparation for data mining. Morgan Kaufmann Publishers.12.Ripley, B. D. (1996). Pattern recognition and neural networks. Cambridge University Press.13.Rubin, D. B. (1987). Multiple imputation for nonresponse in surveys. John Wiley & Sons, Inc.14.Samarasinghe, S. (2006). Neural networks for applied sciences and engineering: fromfundamentals to complex pattern recognition. Auerbach.15.Zhang, C. and Zhang, S. (1998). Association rule mining. Springer-Verlag.十、课程学习要求及课堂纪律规范学生分为各小组，每个组由3~4人组成，在整个学期中互相合作与支持，并共同完成课程要求的作业和期末项目。
每次作业按照规定时间上交。
迟于规定时间24小时内上交的作业，扣除该次作业总分的50%。