大数据与人工智能

姜亦学杨忠宝

目录

  • 1 大数据与人工智能概论
    • 1.1 大数据导论
    • 1.2 人工智能导论
    • 1.3 当人工智能遇上大数据
    • 1.4 课件视频
    • 1.5 第1章 讲课视频
    • 1.6 课内讨论
    • 1.7 第1章单元测试（客观题）
    • 1.8 第1章单元测试（主观题）
  • 2 大数据处理流程
    • 2.1 大数据的框架
    • 2.2 大数据采集及预处理
    • 2.3 大数据存储
    • 2.4 大数据分析和挖掘
    • 2.5 大数据可视化
    • 2.6 大数据经典案例
    • 2.7 课件视频
    • 2.8 第2章 讲课视频
    • 2.9 课内讨论
    • 2.10 第2章单元测试（客观题）
    • 2.11 第2章单元测试（主观题）
  • 3 专家系统与机器学习
    • 3.1 机器学习概述
    • 3.2 机器学习算法
      • 3.2.1 分类
      • 3.2.2 聚类
      • 3.2.3 关联分析
      • 3.2.4 机器学习算法-讲课视频
    • 3.3 深度学习
      • 3.3.1 人工神经网络（ANN）
      • 3.3.2 卷积神经网络（CNN）
      • 3.3.3 循环神经网络（RNN）
      • 3.3.4 生成对抗网络（GAN）
      • 3.3.5 强化学习（DQN）
      • 3.3.6 迁移学习
      • 3.3.7 对偶学习
      • 3.3.8 深度学习算法-讲课视频
    • 3.4 专家系统
    • 3.5 课件视频
    • 3.6 第3章单元测试（客观题）
    • 3.7 第3章单元测试（主观题）
  • 4 Python语言程序设计
    • 4.1 Python语言概述
    • 4.2 Python语言基础及输入输出
    • 4.3 Python语言选择结构
    • 4.4 Python语言循环结构
    • 4.5 Python语言典型数据类型
    • 4.6 Python语言函数
    • 4.7 Python网络数据爬虫、可视化
    • 4.8 Python参考资料
    • 4.9 Python基础-讲课视频
    • 4.10 mDesigner简介
    • 4.11 课件视频
    • 4.12 第4章单元测试（客观题）
    • 4.13 第4章单元测试（主观题）
    • 4.14 第4章单元测试（主观题2）
  • 5 上机实践
    • 5.1 实验1 mDesigner
    • 5.2 实验2 Python网络数据爬虫、可视化
    • 5.3 实验3 附加实验：词云图
  • 6 作业
    • 6.1 作业1
    • 6.2 作业2
    • 6.3 作业写法及提交方法视频
大数据分析和挖掘

1. 大数据分析：


2. 数据挖掘：


3. 参考资料1：

学习视频1（北京理工大学 王国仁等）： （学习该视频的:5.1-5.4） 

手机安装“学习强国”APP，然后：

①搜索“大数据技术导论”；

或

②按下图指示找到该视频。

点击下方“电视台“，再点击上方“看慕课”，点击“理工农医”，然后向下滚屏找到该视频（大数据技术导论）