大数据抽样：从基础到前沿

课程编码：180080070103M0005H 英文名称：Subsampling for Massive Data: From Foundations to Frontiers 课时：20 学分：1.00 课程属性：高级强化课 主讲教师：王海鹰

本短期课程专为研究生设计，旨在探索大数据抽样的基础与前沿。在处理海量数据集时，一个共同的挑战是如何在有限的计算资源下提取有用信息。本课程设计兼顾易懂性与独立性，将对这一新兴研究领域进行全面的概述。课程从基本概念出发，逐步深入到最新开发的技术，并在此过程中指出许多新的研究机会。

概率论与数理统计

第一章 随机数值线性代数与算法杠杆抽样 王海鹰
第1节 普通最小二乘法的快速近似 1.0学时
第2节 杠杆抽样的统计性质 2.0学时
第3节 杠杆得分的快速近似 2.0学时
第二章 最优抽样及相关主题 王海鹰
第1节 A-最优性下的最优抽样方法 (OSMAC) 2.0学时
第2节 更高效的估计方法 2.0学时
第3节 海量数据信息子抽样方法的比较 1.0学时
第4节 其他模型的扩展 1.0学时
第三章 非随机子数据选择 王海鹰
第1节 基于信息的最优子数据选择 2.0学时
第2节 扩展：线性模型、逻辑回归、广义线性模型、在线稀疏化 (online thinning) 1.5学时
第四章 罕见事件数据 王海鹰
第1节 具有罕见事件的海量数据逻辑回归 1.5学时
第2节 非均匀对数几率校正 (Nonuniform Log Odds Correction) 1.5学时
第五章 关于编码与实现的几点说明 王海鹰
第1节 关于编码与实现的几点说明 1.0学时

略