---

---

《大数据挖掘与分析》

---

---

• 授课人：王成军
• 联系方式：[email protected]
• 计算传播网：http://computational-communication.com

时间安排

• 36学时，两学分

大数据挖掘与分析 050302D01 费彝民楼403 周二5-6节课

授课计划

• 一、计算新闻传播学简介 [课程要求、 常见问题 、Jupyter Notebook使用、 Slides制作方法]
• 二、大数据简介
• 三、数据科学的编程工具：Python使用简介（3h） [Graphlab、rpy2]
• 四、数据抓取：抓取政府工作报告 [Beautifulsoup]
• 五、数据抓取：抓取天涯论坛帖子
• 六、数据清洗：清洗推特数据
• 七、数据清洗：清洗占中新闻、清洗天涯论坛帖子
• 八、统计初步: 分析天涯论坛的帖子
• 九、机器学习: 分析天涯论坛的帖子
• 十、文本挖掘简介
• 十一、文本挖掘：基于机器学习的情感分析
• 十二、文本挖掘：主题模型 [graphlab]
• 十三、计算传播应用：推荐系统简介
• 十四、计算传播应用：推荐系统实践 [音乐推荐、 电影推荐、隐含语义模型]
• 十五、网络科学理论简介
• 十六、网络科学模型
• 十七、网络科学：使用NetworkX分析网络结构
• 十八、课程总结 回帖网络分析

作业信息

https://github.com/computational-class/bigdata/wiki/

Tutorials

http://nbviewer.jupyter.org/github/computational-class/bigdata/blob/gh-pages/code/ 或者 http://github.com/computational-class/bigdata/tree/gh-pages/code/

推荐http://nbviewer.jupyter.org/ 更流畅浏览

例如：数据抓取：抓取47年政府工作报告

PPT

http://nbviewer.jupyter.org/github/computational-class/bigdata/tree/gh-pages/slides/ 或者 http://github.com/computational-class/bigdata/tree/gh-pages/slides/  

推荐http://nbviewer.jupyter.org/ 更流畅浏览

例如：数据抓取：抓取47年政府工作报告