中科院数学与系统科学研究院博士研究生入学考试《大数据与机器学习》考试大纲

2023年考研数学大纲汇总(完整版)（2020年考研数学大纲汇总(完整版)）

又是一年考博季，2022年博士研究生招生考试已经全部结束。接下来华慧考博网将为有意报考2023年考博的考生提供急时准确的各大院校2023年博士研究生招生简章及招生专业目录、考博参考书目、考博考试大纲等考博招生考试相关资料详情！各位考生如有关于考博的其他问提，欢迎大家来华慧考博咨询。

中科院数学与系统科学研究院博士研究生入学考试《大数据与机器学习》考试大纲

中科院数学与系统科学研究院博士研究生入学考试《大数据与机器学习》考试大纲

一、考试内容: 1、统计决策方法 最小错误率贝叶斯决策、最小风险贝叶斯决策、neyman-pearson决策。 2、非监督学习 动态聚类算法、模糊聚类方法、层次聚类方法、性能度量、距离计算。 3、探索性分析与特征工程 关联分析、因果分析、可视化;特征的评价准则、特征选择的最优算法、主成分分析、因子分析。 4、分类方法 判别函数、决策树、神经网络、支持向量机、近邻法、逻辑回归、XGBOOST、GBDT、LGBM。 5、自然语言处理及应用 自然语言概念与方法、N-gram模型、Word2Vec模型、BERT模型、命名实体识别、实体关系识别、句法分析、情感分析、舆情分析。 6、深度学习 深度学习算法原理、RNN、LSTM、CNN、Transformer、网络优化策略。 7、强化学习 贝尔曼方程、马尔可夫决策过程与价值函数、基于价值的方法、基于策略的方法、actor-critic。

中科院数学与系统科学研究院博士研究生入学考试《大数据与机器学习》考试大纲

8、群体智能计算 群体智能计算基本概念、演化策略(ES)、差异演化(DE)、遗传算法(GA)、粒子群优化(PSO)算法、人工蜂群优化算法(ABC)。 9、集成学习 个体与集成、Boosting、Bagging、集成策略、多样性。 10、模型评估与选择 经验误差与过拟合、评估方法、性能度量、比较检验、偏差与方差、统计检验。 11、大数据与机器学习方法的应用 经济领域、能源领域、金融领域、大宗商品领域;知识图谱、边缘计算、数据隐私、算法偏见;搜索引擎、地理位置服务、流数据和实时数据分析、社交媒体分析、金融科技。 12、大数据系统建设 关系数据库、NoSQL数据库、数据仓库、数据立方体、大规模并行处理技术、数据中台、MapReduce计算模型、Hadoop平台、Spark平台。

中科院数学与系统科学研究院博士研究生入学考试《大数据与机器学习》考试大纲