北京航空航天大学大数据技术与应用硕士课程详解

　　随着互联网的发展，大数据技术越来越受互联网企业的关注，大数据技术人才慢慢崛起。据北京航空航天大学在职研究生招生老师介绍：大数据技术与应用硕士越来越受到在职人员的青睐。大数据技术与大数据专业将从大数据应用的系统搭建、应用开发、海量数据分析等方面系统地帮助企业掌握大数据应用中的各种典型问题的解决办法，包括海量数据分布式处理系统的设计和搭建、分布式文件存储和分布式数据处理能力、大规模数据存储、实时计算系统的规划设计、实现一个基于MapReduce的并行算法、部署Hive并实现一个的数据操作等等，提升企业解决企业大数据实际问题的能力。

　　主要课程介绍：

　　《流数据分析技术》

　　本课程主要讲解流式数据分析的技术、方法和工具，以及流式数据分析技术研究进展等，具体内容包括流式数据分析的概念、流式数据分析技术、流式数据挖掘算法、流式数据分析应用等，并结合实际案例进行讨论和分析。

　　《计算广告学》

　　本课程详细讲解计算广告学的体 系、主要形式，以及当前主流和新兴网络广告，包括广告投放样式、广告投放系统、广告计费方式分析等。同时深入学习并掌握大规模广告投放系统如何通过竞价机制的设计，平衡广告主、广告发布商、网民各方利益，掌握搜索广告检索的基本流程及常用技术。

　　《数据可视化技术》

　　本课程从技术和管理的角度讲解数据可视化的核心概念，同时阐述了与数据可视化相关联的数据采集、数据分析、数据治理及数据挖掘等方面的内容，使学生理解数据可视化的价值和意义，掌握大数据分析、处理的方法和最优表现形式。

　　《搜索引擎系统应用实践》

　　本课程以大量非结构化Web数据中构建现代搜索引擎和Web信息管理的技术为基础，利用真实案例，让学生通过实践增进对Web信息采集机制、Web索引机制以及基于关键字或基于相似性搜索机制的了解，让学生通过对实践经验的总结，深入了解和感悟搜索引擎系统的应用机制。

　　《多元统计分析及R语言建模》

　　本课程主要讲解多元数据的收集和整理、多元数据的直观显示、线性与非线性模型及广义线性模型、判别分析、聚类分析、主成分分析、因子分析、对应分析、典型相关分析等常见的主流方法，以及系统地介绍经济管理等领域应用颇广的一些新方法。

　　《机器学习与模式识别》

　　本课程着重讲解机器学习与模式识别的基本理论、基本方法和算法原理，同时注重理论与实践紧密结合，避免引用过多的、繁琐的数学推导。在课程中设计了商业大作业等培养学生利用基础理论解决实际问题的能力和进行科学研究的初步能力。