大数据挖掘技术及汽车行业应用-凯发官方首页

●   课时：2天

●  必备知识：车辆相关基础知识

●  授课对象：汽车工程师、大数据分析工程师

课程内容：

●  车辆工程大数据综述

     目标：通过本课程您将了解：什么是数据增值的关键环节，数据对整车厂、车主、车队等不同主体产生的实际价值，车辆数据应用场景所在、数据挖掘的关键技术有哪些等内容，掌握数据分析的分析对象、分析技术、分析流程及分析应用全流程。

     内容：车辆工程大数据背景、价值、应用、大数据分析的整体框架和关键技术、大数据分析的工作流程

●  数据清洗及预处理

     目标：通过本课程您将对汽车行业各种数据源，如非结构化/结构化、稀疏等数据特点有全面认识，并且掌握工程数据源的清洗、转化和处理的具体方法，轻松完成包括路试数据、车联网数据等汽车数据的预处理工作

     内容：数据源的格式、内容介绍、数据清洗的详细过程和具体方法、数据处理过程实例演示：基于exceeddata的数据压缩算法、缺失值处理算法等

●  统计分析

     目标：通过本课程您将掌握数理统计和概率论的理论知识，以及针对车辆工程数据选取合适的统计量、分布函数进行内部规律挖掘的方法

     内容：数理统计基础知识、车辆工程数据的统计对象和目的、车辆工程数据的统计分析方法、基于exceeddata中实现应用案例：1）某车型的驾驶行为统计分析；2）某车型的山路工况性能统计分析

●  特征认知

     目标：通过本课程您将了解：1、什么是特征，特征认知对车辆数据分析以及机器学习的重要性；2、汽车数据中蕴含什么特征，掌握特征认知的几种常用手段

     内容：汽车工程数据中特征的分类和特点、一般特征认知的常用方法、基于exceeddata中实现应用案例：1）用时序窗口提取弯道行为特征；2）用时序窗口提取驾驶员压线行为特征；3）使用fft进行故障信号识别

●  可视化

     目标：数据可视化是数据科学的核心之一，有完整的理论体系，可呈现对用户有价值的信息。通过本课程您将了解到：1、数据可视化的目的、数据可视化三要素；2、有哪些成熟的一维、二维以及多维可视化视图，针对不同数据的特定如何选择合适的可视化视图

     内容：数据可视化的发展历程及目的、不同可视化图形介绍及其适用场景、可视化示例：1）基础统计图形；2）地理坐标图；3）热点图等