科目简介

澳 门 科 技 大 学

应用数学与数据科学硕士学位课程

必修科目:

MIMZ01 数据科学中的数学方法(3 学分)

本课程将主要介绍数据科学中常用的数学方法,如傅里叶基础知识及傅里叶分析,包括DFT与FFT,以及多项式插值、契比雪夫级数,微分方程与数值解法,数据建模以及实用优化算法如梯度下降、蒙特卡洛马尔可夫链与非线性优化算法如Levenberg-Marquardt等。

MIMZ02 数值线性代数(3 学分)

本课程将主要面向工程类、科学类不同专业方向的学生,介绍线性代数中重要的概念,如线性方程组求解、最小二乘问题、特徵值问题以及奇异值分解等。并进一步介绍如何使用LAPACK以及MATLAB来实现相关算法,并应用已有程序包开发新的代码。

MIMZ03 数据科学开源工具(3 学分)

本课程将主要讲授Python语言的基本语法以及控制结构,进而介绍数据分析中常用的模块如:Numpy, Pandas, Mathplotlib, Scipy, Sqlite等的使用。最后介绍应用Python及其模块来进行常见的数据分析操作,如抓取网络数据、正则表达式、存储数据及访问,数据蒙特卡洛模拟,聚类分析,PCA主成分分析,以及时间序列分析与预测。

MIMZ04 应用统计分析(3 学分)

本课程将主要介绍数据科学中常用的概率统计模型和方法,如概率论的基础理论,随机事件的概率问题,数字特徵,统计量,离散型和连续型随机变量的分佈模型,数据收集和分类,大数定理和中心极限定理,点估计和区间估计,常用假设检验法等。

MIMZ05 数据挖掘(3 学分)

本课程将主要介绍数据挖掘的基本概念与技术,如数据清洗和集成、数据存储、管理和选择、挖掘频繁模式、关联和相关性、分类和聚类、异常数据检测、数据表示和可视化等。

MIMZ06 机器学习(3 学分)

本课程将广泛地介绍机器学习、数据挖掘、统计模式识别等内容。主题包括:(一)监督学习(参数/非参数算法,支持向量机,核函数,神经网络)。(二)无监督学习(聚类,降维,推荐系统,深度学习推荐)。(三)在机器学习的最佳实践(偏差/方差理论;在机器学习和人工智能创新过程)。

MIMZ07 时间序列分析(3 学分)

本课程将为学生全面介绍动态系统、计量经济和时间序列的独立而明确地分析。课程将学习包括向量自回归、广义矩估计、单位根的经济与统计结果、非线性时间序列等。另外,课程将介绍包括线性表徵、自相关、生成函数、谱分析、卡尔曼滤波等动态系统的传统分析工具。这些内容有助于经济理论研究和解释现实世界的数据。

选修科目:

MIME01 应用数学高级专题(3 学分)

本课程将主要介绍应用数学中的实用专题,如(1)初等数论与密码学原理: 讲授整数的整除理论、同馀理论、连分数理论等,以及应用数论进行常见加密的算法 如DES,AES,RSA,Elgamal等。(2)数学物理反问题的计算方法:介绍Tikhonov正则化方法、共轭梯度优化算法、变分法正则化等以及应用实例如图像去模煳、形状反演等。

MIME02 数据科学高级专题(3 学分)

本课程将主要介绍数据科学中比较新的理论以及应用,例如Google最新的TensorFlow机器学习处理流程,Coffee等学习架构。另外,也将邀请工业界代表来讲授实践中数据处理以及应用。

MIME03 数据科学程序设计(3 学分)

本课程将主要介绍并行计算与分佈式计算的算法及其程序设计,加强学生对不同编程语言的学习使用能力。此外,也将介绍如GitHub,Hadoop,Spark等在数据分析处理中的应用。

MIME04 数码图像处理 (3 学分)

本课程旨在介绍数码图像处理及模式识别的基本原理、方法及其应用。内容包括数码图像的预处理、特徵提取、分析;统计模式识别,结构模式识别及其在不同领域中的应用。学生应根据所学内容,选读相关论文并给出相应报告。

MIME05 数据可视化与可视分析 (3 学分)

本课程将主要介绍数据分析处理中常用的可视化技术, 包含对不同特徵分佈的数据进行多纬度展示,学习常用的Python绘图模块如Matplotlib与Seaborn等。

MIME06 数据仓库与数据挖掘 (3 学分)

本课程旨在介绍数据仓库和数据挖掘的基本原理和技术,内容包括数据仓库(Data Warehouse)和联机分析(OLAP)技术,数据预处理技术(数据的清理、集成、转换和归约),数据挖掘技术(分类、预测、关联和聚类),以及数据挖掘的应用和发展趋势。

MIME07 随机过程 (3 学分)

随机过程主要研究随时间变化的随机现象。本科目从工程应用的角度讲授随机过程的基本理论及其应用。内容主要包括随机过程的基本概念、泊松过程、更新过程、马尔可夫链、排队论等。本课程培养学生使用随机过程理论对随机现象进行建模分析的能力。

MIME08 多媒体信号与系统 (3 学分)

本科目将介绍多媒体信号的表达与处理技术, 包括各种表达多媒体信号的方法, 如: 时域, 频域, 时-频域及特徵域。这些表达都可用于多媒体信号的区分。亦会讨论多媒体信号的滤波设计以及一些自适应的处理技术, 如隐藏Markov模型, 随机场模型, 状态空间模型等。

MIME09 数据库系统 (3 学分)

本科目介绍有关数据库设计、实现和管理的基本理论。希望学生们通过这门课程的学习能够:正确理解有关数据库设计的概念,并且可以按照数据库设计的步骤来完成设计;利用现有的关係数据库管理系统来实现相应的数据库设计方案;对于已经建立好的数据库进行管理和维护,实现资源共享,同时维护数据的一致性。并介绍空间数据库的概念与原理。

研究院办公室:
澳门氹仔伟龙马路
澳门科技大学A座二楼206室
电话 : (+853) 8897-2240
电邮 : lmawong@must.edu.mo
传真 : (+853) 2882-3280