篩選
學科:
24個滿足條件"數據科學"的課程
1/2
算法設計與分析
《算法設計與分析》是一門重要的計算機專業(yè)理論基礎課程。該課程以系統(tǒng)的講解算法設計的基本模式，算法分析的基本方法，問題的半形式化描述和算法證明，為初入計算機專業(yè)的學生建立起完整且系統(tǒng)的分析求解問題的方法體系。
Java語言程序設計
Java語言程序設計是計算機科學與技術專業(yè)軟件方向的一門必修課程。通過本課程的教學，深化學生面向對象的編程設計思想和新一代程序設計的邏輯思維方式，提高學生在軟件設計過程中分析問題和解決問題的實際動手能力，使學生的理論知識和實踐技能得到共同發(fā)展。通過對Java語言及基于Java語言的程序設計的教學，培養(yǎng)學生用Java進行面向對象程序設計的能力。 要求掌握Java的基本語法、面向對象的語言特性、例外處理、applet、圖形用戶界面、多線程、輸入輸出、網絡編程、JDBC以及面向對象程序設計的主要原則和方法。
云計算與大數據分析
基于信息化時代的到來，隨著計算機技術、互聯(lián)網技術、通訊技術的高速發(fā)展，大數據以及云計算得到了普遍應用，對網絡技術帶來了革命的轉變，并在教育、軍事、金融、機械等眾多領域中發(fā)揮著巨大作用。
本課程主要學習云計算和大數據處理的相關原理和技術，結合核、醫(yī)應用，與實際工程應用相結合，構建相應的云計算和大數據分析與應用平臺
離散數學
離散數學是研究離散量的結構及其相互關系的數學學科，是現(xiàn)代數學的一個重要分支。離散的含義是指不同的連接在一起的元素，主要是研究基于離散量的結構和相互間的關系，其對象一般是有限個或可數個元素。離散數學在各學科領域，特別在計算機科學與技術領域有著廣泛的應用，同時離散數學也是計算機專業(yè)的許多專業(yè)課程，如程序設計語言、數據結構、操作系統(tǒng)、編譯技術、人工智能、數據庫、算法設計與分析、理論計算機科學基礎等必不可少的先行課程。通過本課程的學習，使學生具有現(xiàn)代數學的觀點和方法，并初步掌握處理離散結構所必須的描述工具和方法．同時，也要培養(yǎng)學生抽象思維和慎密概括的能力，使學生具有良好的開拓專業(yè)理論的素質和使用所學知識分析和解決實際問題的能力，為學生以后學習計算機基礎理論與專業(yè)課程打下良好的基礎．
概率論
1. 本課程的目的是引導學生學習用數學的語言，來刻劃、表達與抽象隨機現(xiàn)象，著重在隨機現(xiàn)象的“建?！?。同時，這一課程也使學生對已學過的集合論、微積分、高等代數等數學知識有運用的機會，在提高學生分析問題，解決問題的能力方面是一個很好操練機會。
2. 重點放在隨機現(xiàn)象的刻劃，形成概率空間的概念。例如在概率空間這一部份，重在由等可能性分析過到一般的概率空間。對隨機變量，重點也在要學生掌握它的統(tǒng)計特征的刻劃方法。對于古典概型不宜過多陷于排列組合的計算技巧。
數理統(tǒng)計
數理統(tǒng)計學是應用廣泛的基礎性學科，主要研究對隨機樣本進行科學分析與處理的方法，包括如何有效地收集數據，如何估計參數，如何做檢驗，如何研究變量之間的關系以及如何進行統(tǒng)計決策等內容。作為統(tǒng)計學方向最基礎的專業(yè)課程，主要目的是通過教學，使學生掌握本學科的基本概念和基本統(tǒng)計思想，具備使用常用的統(tǒng)計方法并結合利用先修課程中的數學、概率論知識來解決一些實際問題的能力，初步了解數理統(tǒng)計研究的新進展并初步建立統(tǒng)計思維方式。
C++語言程序設計
C++是一門具有現(xiàn)代編程思想(OOP)的重要計算機語言，有利于深入了解計算機器，編寫快速高效的計算機軟件。
本課的主要目的：
主要介紹C++語言和面向對象程序設計的方法的基本概念。它是一門語言編程課程，學習過程中可通過大量的程序實例和相關練習逐步掌握，主要培養(yǎng)學生掌握程序設計語言的基本要素，
學習者在學習過程逐步掌握C++的面向對象的功能，從而掌握面向對象程序設計的基本知識和基本技能。為后續(xù)的課程的學習奠定堅實的程序設計基礎。
數據庫原理
本課程系統(tǒng)地介紹了數據庫的基本理論，并以目前比較流行的大型關系型數據庫 SQL Server為載體，向學生講述了大型關系數據庫的概念、管理、設計和開發(fā)。通過本課程的學習，要求學生能從實用性的角度出發(fā)理解并掌握數據庫的安全性、并發(fā)控制和恢復技術，能熟練的編寫基本的SQL語句，掌握索引、數據完整性、視圖、存儲過程、觸發(fā)器等概念及使用方法，并能進行數據庫的設計、開發(fā)與管理。
數據結構與算法
1．從ADT角度介紹常用的數據結構和算法分析的基本方法。使學生從數據結構的邏輯結構、相應的一組基本運算、實現(xiàn)以及對實現(xiàn)的評價等方面去掌握線性表、棧、隊列、串、數組、樹、圖等常用的數據結構，并對算法的時間和空間復雜性有一定的分析能力。
2．介紹排序技術。使學生掌握插入排序、選擇排序、交換排序、基數排序、歸并排序等常用的排序算法，并討論他們的時間和空間開銷。
3．通過本課程的學習，學生將掌握常用的數據結構和算法的設計和分析方法，提高程序設計的能力；針對簡單的求解問題，選擇合理的數據結構解決之。
線性代數
本課程是學習和研究近代數學的重要基礎，在自然科學、社會科學、經濟領域都有重要應用。本課程使學生學習和了解多項式、線性空間和線性變換等基本知識。通過學習，培養(yǎng)學生具有數學的思維方式、創(chuàng)新精神，以及解決實際問題的初步能力。
統(tǒng)計計算
通過本課程的學習使學生掌握統(tǒng)計計算的基本知識，了解各種隨機數的產生和檢驗，數值計算方法，能利用隨機數進行統(tǒng)計模擬和系統(tǒng)仿真，掌握EM算法和MCMC算法等現(xiàn)代統(tǒng)計方法。
數字圖像處理
數字圖像處理技術在物理學、生物醫(yī)學、測繪、遙感等許多學科中具有廣泛的應用，本課程主要講授：圖像的基本概念、圖像變換、圖像增強、圖像恢復、圖像重建、圖像壓縮等；實驗部分著重培養(yǎng)學生的實際編程能力，包括圖像的統(tǒng)計參數計算，直方圖均衡，中值濾波，sobel銳化，DCT變換。
計算機系統(tǒng)概論
采取自底向上的教學模式，跨系統(tǒng)地介紹計算機系統(tǒng)的核心概念和設計思想。從介紹計算機系統(tǒng)的底層基礎知識開始，逐步上升到操作系統(tǒng)和高級語言程序的接口層，將軟件和硬件聯(lián)系起來，闡述從問題描述到算出結果的七個層次的轉換過程：從問題到算法的轉換、從算法到高級語言程序的轉換、從高級語言程序到（用指令集結構描述的）機器語言程序的轉換、從指令集結構到微結構的轉換、從微結構到邏輯電路的轉換、從邏輯電路到晶體管器件的轉換。
機器學習
機器學習是研究如何利用已有經驗來設計模型和系統(tǒng)以自動解決具體問題的學科，在社會經濟、日常生活、工農業(yè)生產等各個方面都有豐富的應用背景。特別是近年來在互聯(lián)網信息挖掘與管理、生物信息學、商業(yè)用戶分析、航空航天自動控制等方面的應用都有長足進展。
本課程講授機器學習的核心思想、經典算法和重要理論，注重基礎知識和前沿發(fā)展的結合。包括概念學習、決策樹學習、貝葉斯學習、基于實例的學習、聚類、集成學習、相關學習理論（評估假設、CV維、可能近似正確學習等），詳細闡述各種學習的理論，模型及算法，應用。
多元統(tǒng)計分析
多元統(tǒng)計分析是進行科學研究的一項重要工具，在自然科學、社會科學等方面有廣泛的應用。多元分析研究的是多個變量的統(tǒng)計總體，這使它能夠一次性處理多個變量的龐雜數據，而不需考慮異度量的問題。通過本課程的學習，使學生系統(tǒng)地了解多元統(tǒng)計分析的基本概念和基本原理，掌握一些常用的多元統(tǒng)計思想和統(tǒng)計方法，學會處理常見的多元統(tǒng)計問題。
統(tǒng)計軟件
課程用由淺入深的教學方式教學生使用SAS系統(tǒng)，包括SAS的編程、數據管理、報表圖形、基本統(tǒng)計分析功能。課程用小部分課時介紹另一統(tǒng)計軟件R，R很適用于統(tǒng)計算法編程，也是世界上很多統(tǒng)計研究工作者主要使用的開發(fā)和計算軟件。
數據挖掘
本課程以數據挖掘為主要內容，講述實現(xiàn)數據挖掘的各主要功能、挖掘算法和應用，并通過對實際數據的分析更加深入地理解常用的數據挖掘模型。掌握大型數據挖掘軟件SAS Enterprise Miner的使用，培養(yǎng)學生數據分析和處理的能力。通過《數據挖掘》課程的教學，使學生理解數據挖掘的基本概念和方法，學習和掌握SAS?Enterprise?Miner中的數據挖掘方法。學生能夠借助SAS?Enterprise?Miner軟件工具進行具體數據的挖掘分析。
線性模型
線性模型是一類統(tǒng)計模型的總稱，它包括了線性回歸模型、方差分析模型、協(xié)方差分析模型和線性混合效應模型（或稱方差分量模型）等，因此線性模型成為現(xiàn)代統(tǒng)計學中應用最為廣泛的模型之一。通過本課程的學習，使學生掌握線性模型統(tǒng)計推斷的基本理論、方法及其應用，其中包括理論與應用的近期發(fā)展。
數據分析技術
本課程主要講授SPSS（statistical package for the social science）數據分析的基本原理、操作與運用。主要內容包括：SPSS基本知識及數據錄入、SPSS命令文件編寫、用Frequencies做數據匯總、描述性統(tǒng)計（Descriptives與Explore的應用）、數據變換、交叉匯總與關聯(lián)分析（Crosstabs的應用）、描述子總體均值的差異（Means過程的應用）、均值比較分析（T——Test過程）、方差分析ANOVA、相關分析（Correlate過程分析）、簡單線性相關（一元線性回歸分析）、SPSS統(tǒng)計圖形等方面。
計算方法
計算方法是數學科學與計算機技術結合的一門應用性很強的學科，它是計算數學的一個重要分支。本課程重點介紹計算機上常用的基本計算方法的原理和使用；同時對計算方法作適當的分析。
