视觉分析
可视化分析旨在通过信息可视化促进数据分析过程。信息可视化旨在为抽象信息制作精美的图片，例如股票价格、家谱和软件设计图。精心设计的图片可以快速有效地传达这些信息。可视化分析面临的挑战是设计和实施有效的可视化方法，生成复杂数据的图形表示，以便来自各个领域（生物信息学、社交网络、软件可视化和网络）的数据分析师可以直观地检查复杂数据并进行关键决策。本单元将提供基本的 HCI 概念、可视化技术和基本算法，以实现抽象信息的良好可视化
机器学习和数据挖掘
机器学习是自动构建解释和概括数据集的数学模型的过程。它将统计和算法开发的元素集成到同一学科中。数据挖掘是知识发现中的一门学科，旨在通过自动和半自动方式促进对大量数据的探索和分析。本主题提供机器学习和数据挖掘的实用和技术介绍。涵盖的主题包括发现数据模式、分类、回归、特征提取和数据可视化的问题。还包括各种类型的机器学习技术和统计技术的分析、比较和使用。
数据科学原理
本单元的重点是理解和应用用于数据分析、管理和可视化的相关概念、技术、算法和工具——目标是发现信息和知识，以指导有效的决策制定，并从中获得新的见解。大数据集。为此，本学习单元使用 Python 编程语言广泛介绍了数据管理、分析、建模和可视化。使用功能强大的通用 Python 脚本语言开发定制软件；使用各种数据库进行数据收集、清洗、预处理和存储；探索性数据分析以理解和描述复杂的数据集；挖掘未标记的数据以识别关系、模式和趋势；从标记数据中进行机器学习以预测未来；向不同的受众传达调查结果，包括有效的数据可视化。核心数据科学内容将以普通讲座+教程的授课方式进行授课。除了每周的面对面讲座/教程外，还将通过在线学习平台教授 Python 编程。学习单元将包括涵盖上述数据科学技能范围的实践练习。
计算统计方法
本学习单元的目标是加深对用于统计学习、推理、探索性数据分析和数据挖掘的现代计算密集型方法的理解。将介绍用于统计学习的高级计算方法，包括聚类、密度估计、平滑、预测模型、模型选择、组合优化方法、抽样方法、Bootstrap 和蒙特卡罗方法。此外，该单元还将演示如何有效地将上述技术应用于实践中的大型数据集。
>> 选修课程
COMP5046 自然语言处理
COMP5328 高级机器学习
COMP5329 深度学习
COMP5338 高级数据模型
COMP5349 云计算
COMP5425 多媒体检索
INFO5060 数据分析和商业智能
INFO5301 信息安全管理
QBUS6810 统计学习与数据挖掘
QBUS6840 预测分析
CSYS5010 复杂系统导论
DATA5207 社会科学中的数据分析
EDPC5012 评估学习技术创新
ITLS6107 应用 GIS 和空间数据分析
PHYS5033 环境足迹和 IO 分析
