复杂数据分析方法

课程编码：020204D05004Z 英文名称：Complex data analysis methods 课时：40 学分：2.00 课程属性：专业普及课 主讲教师：汪寿阳等

本课程的目的在于通过学习，使学生能够掌握在经济学、管理学和工程技术研究中需要掌握的复杂数据分析方法，了解定量分析方法的前沿发展和最新理论成就，注重培养学生的学术研究能力和数据定量分析能力，掌握规范地运用复杂数据分析方法和通用的分析软件，以有效研究解决经济管理、社会管理和工程技术中的重要问题。
本课程针对博士研究生的培养，提供其复杂数据分析方法和技术工具。教学内容侧重于讲授复杂数据分析的思想，强化这些方法在经济管理和工程技术研究中的实际应用，主要内容包括结构化数据分析，如：主要数据分解方法及其应用、事件分析方法及其拓展与应用、主要解决横截面数据回归和分类问题的机器学习方法及其应用，和非结构化数据分析，如：文献计量方法及其应用、文本挖掘方法及其应用、图像数据挖掘方法及其应用等。
讲课和文献阅读、小组课程大作业结合。要求参加所有环节，注重平时考核及课程过程的参与，理论与实践并重，突出应用。作业及研究报告要求不能违反基本的学术道德规范，引用必须注明出处，不能抄袭，不能直接下载同学或他人的报告，如果发现视为作弊，不给课程成绩。

应用统计分析II、数理统计、高等数学、概率论、线性代数

第一章 复杂数据研究导论 4学时 汪寿阳
第1节 复杂数据研究导论
第二章 文献计量方法及其应用 6学时 魏云捷
第1节 文献综述简介
第2节 citespace术语介绍
第3节 数据获取
第4节 合作网络分析
第5节 共现分析
第6节 共被引分析
第7节 案例
第三章 数据分解方法及其应用 6学时 魏云捷
第1节 大数据时代的挑战
第2节 数据分解方法介绍
第3节 模特征分析
第4节 案例
第四章 事件分析法及其应用 6学时 魏云捷
第1节 事件分析法基本概念
第2节 事件分析法研究步骤
第3节 案例
第五章 机器学习方法及其应用 6学时 孙少龙
第1节 机器学习方法概述
第2节 传统机器学习方法
第3节 前沿机器学习方法
第4节 案例
第六章 文本数据挖掘方法及其应用 6学时 孙少龙
第1节 文本数据挖掘方法概述
第2节 文本切词及特征词选择
第3节 文本表示模型
第4节 本文分析
第5节 案例
第七章 图像数据挖掘方法及其应用 6学时 孙少龙
第1节 图像数据挖掘方法概述
第2节 传统图像数据挖掘方法
第3节 深度学习方法
第4节 案例

汪寿阳 研究员，研究领域：金融管理、物流与供应链管理、对策与冲突分析、预测方法与技术等； 魏云捷 助研，研究领域：人工智能、宏观经济分析与预测、外汇市场分析与预测