什么是大數(shù)據(jù)（Big Data）？它將如何改變我們的社會(huì)生活？《媒體大數(shù)據(jù)挖掘與案例實(shí)戰(zhàn)》課程內(nèi)容涵蓋“大數(shù)據(jù)”的主要幾個(gè)方面，包含數(shù)據(jù)獲取、文本分析、網(wǎng)絡(luò)分析、數(shù)據(jù)挖掘和大數(shù)據(jù)可視化等方面，旨在幫助學(xué)生認(rèn)識(shí)大數(shù)據(jù)，同時(shí)學(xué)習(xí)方法，掌握相關(guān)技術(shù)。
課程章節(jié)
1 第一講：緒論
1.1 大數(shù)據(jù)的概念及發(fā)展趨勢(shì)
1.2 融媒體時(shí)代下的媒體數(shù)據(jù)特性
1.3 數(shù)據(jù)挖掘技術(shù)與應(yīng)用場(chǎng)景
1.4 數(shù)據(jù)新聞的理解與發(fā)展
2 第二講：數(shù)據(jù)獲取
2.1 數(shù)據(jù)爬取的基礎(chǔ)知識(shí)
2.2 HTML基礎(chǔ)與正則表達(dá)式基礎(chǔ)
2.3 Gooseeker-數(shù)據(jù)爬取軟件基礎(chǔ)介紹
2.4 Python-數(shù)據(jù)爬取程序基礎(chǔ)介紹
2.5 API的基礎(chǔ)介紹與原理1
2.6 API的基礎(chǔ)介紹與原理2
2.7 Gooseeker數(shù)據(jù)爬取案例-爬蟲規(guī)則的制作
2.8 python數(shù)據(jù)爬取案例-爬蟲規(guī)則的編寫
2.9 python數(shù)據(jù)爬取案例-api的使用
2.10 python數(shù)據(jù)爬取案例-模擬瀏覽器
3 第三講：文本分析：內(nèi)容的挖掘
3.1 文本分析的概念與分詞
3.2 KNIME中的英文分詞案例
3.3 初識(shí)中文分詞
3.4 中文分詞的案例實(shí)戰(zhàn)
3.5 中文關(guān)鍵詞提取的方法與案例實(shí)戰(zhàn)
3.6 中文停用詞過濾的案例實(shí)戰(zhàn)
3.7 中文詞頻統(tǒng)計(jì)的案例實(shí)戰(zhàn)
3.8 中文命名實(shí)體的方法與案例實(shí)戰(zhàn)
4 第四講：網(wǎng)絡(luò)分析：關(guān)系的挖掘
4.1 初識(shí)網(wǎng)絡(luò)分析
4.2 社會(huì)關(guān)系網(wǎng)絡(luò)網(wǎng)絡(luò)挖掘?qū)崙?zhàn)1
4.3 微博傳播網(wǎng)絡(luò)挖掘案例1
4.4 網(wǎng)絡(luò)的基本概念與特征量
4.5 社會(huì)網(wǎng)絡(luò)分析
4.6 社交網(wǎng)絡(luò)傳播
4.7 社交網(wǎng)絡(luò)營銷
4.8 網(wǎng)絡(luò)傳播結(jié)構(gòu)的構(gòu)建方法
4.9 網(wǎng)絡(luò)傳播結(jié)構(gòu)的解讀
5 第五講：數(shù)據(jù)挖掘
5.1 數(shù)據(jù)挖掘的基礎(chǔ)理論與價(jià)值
5.2 數(shù)據(jù)挖掘的基本概念與方法
5.3 數(shù)據(jù)挖掘案例-modeler軟件的使用與操作
5.4 數(shù)據(jù)挖掘的商業(yè)應(yīng)用于主要技術(shù)
5.5 文本挖掘案例:新聞聚類
5.6 文本挖掘案例:圖書評(píng)論的情感分類
5.7 推薦系統(tǒng)的基本介紹
5.8 基于深度學(xué)習(xí)的海報(bào)推薦系統(tǒng)
6 第六講：大數(shù)據(jù)可視化
6.1 初識(shí)大數(shù)據(jù)可視化
6.2 可視化技術(shù)概述
6.3 可視化技術(shù)分類
6.4 數(shù)據(jù)挖掘與可視化
6.5 不同數(shù)據(jù)類型的可視化技術(shù)
6.6 數(shù)據(jù)新聞可視化
6.7 媒體大數(shù)據(jù)可視化
6.8 可視化案例分析一：個(gè)性化詞云制作
6.9 可視化案例分析二：網(wǎng)絡(luò)爬蟲技術(shù)
6.10 可視化案例分析三：Echart可視化技術(shù)
6.11 可視化案例分析四：Excel高級(jí)應(yīng)用1
6.12 可視化案例分析四：Excel高級(jí)應(yīng)用2
6.13 可視化案例分析四：Tableau可視化技術(shù)
7 期末考試
