課程大綱：
一、理解大數(shù)據(jù)分析
    1、大數(shù)據(jù)熱點問題
    2、大數(shù)據(jù)發(fā)展趨勢
    3、大數(shù)據(jù)與云計算
    4、大數(shù)據(jù)挖掘面臨的困難與挑戰(zhàn)
    5、服務(wù)產(chǎn)生大數(shù)據(jù)，大數(shù)據(jù)即服務(wù)
    6、大數(shù)據(jù)管理與數(shù)據(jù)思維
二、“工欲善其事”——分析環(huán)境搭建
    1、Python語法快速入門
    2、易于實現(xiàn)的并行編程
    3、矩陣工具Numpy
    4、高級數(shù)據(jù)分析包Pandas
三、理解數(shù)據(jù)——數(shù)據(jù)預(yù)處理
    1、數(shù)據(jù)清洗：數(shù)據(jù)變換，異常值處理，離散化等
    2、了解數(shù)據(jù)分布：數(shù)據(jù)度量
    3、數(shù)據(jù)的可視化探索
    4、向量的相似性度量
    5、對數(shù)據(jù)進行降維：PCA和SVD
四、怎樣自動獲取海量數(shù)據(jù)
    1、從Web自動抓取數(shù)據(jù)
    2、網(wǎng)絡(luò)爬蟲與面臨的問題
    3、基于Python的爬蟲框架Scrapy
    4、數(shù)據(jù)清洗BeautifulSoup
    5、爬蟲實例分析——獲取大眾點評的用戶評論
五、從大數(shù)據(jù)中淘金——個性化推薦系統(tǒng)
    1、關(guān)聯(lián)規(guī)則
    2、K-近鄰算法
    3、基于內(nèi)容的推薦
    4、基于用戶的推薦
    5、怎樣評價推薦結(jié)果的有效性
    6、案例分析：電影推薦，美食推薦，廣告投放
六、見微知著——基于大數(shù)據(jù)的用戶行為挖掘與分析
    1、復(fù)雜網(wǎng)絡(luò)與社會網(wǎng)絡(luò)
    2、社會網(wǎng)絡(luò)的可視化與Python工具
    3、基于社會網(wǎng)絡(luò)的用戶行為分析
    4、微博用戶行為分析
    5、案例研討：基于科研合作網(wǎng)絡(luò)的行為分析
七、輔助決策——大數(shù)據(jù)可為決策提供更多的輔助信息
    1、決策樹、貝葉斯網(wǎng)絡(luò)等分類器原理
    2、分類器性能評價指標
    3、支持向量機
    4、案例分析：金融信貸分類
    5、案例分析：分析用戶評論以改進服務(wù)質(zhì)量
八、大數(shù)據(jù)分析前沿技術(shù)與展望
    1、深度學習初窺
    2、輿情監(jiān)測
    3、大數(shù)據(jù)中的隱私保護
    4、討論與總結(jié)
課程周期：
24課時（45分/課時）