分享|大数据挖掘建模平台教学方向及科研方向

大数据挖掘建模平台是面向大数据相关专业课程教学与实训的工具。平台无需编程，通过拖拽的方式进行操作，以流程化的方式将数据源、统计分析、数据清洗、数据处理等环节进行连接，快速熟悉分类、回归、聚类、时序、关联规则等领域的算法，以及各个算法的输入、输出、参数等内容，达成数据分析的目的。同时通过查看代码与修改源码实现对代码的熟悉，由浅入深，环环相扣。不仅可以帮助学生快速建立工程化思维，了解不同大数据挖掘建模流程；同时帮助老师减少算法课程备课成本，使用平台现有的功能组件实现相关算法的授课；还能够帮助其他专业更好理解大数据挖掘建模的相关内容。

大数据挖掘建模平台不仅可用于教学方向还可用于科研方向
教研方向：
(1)支持所有文件类型数据，提供常见文件解析算法。能够让实训不受数据文件的限制，适用范围更广。
(2)支持数据共享，共享数据可复制为个人数据，并进行隔离，保证数据安全。老师上传数据，设置为共享，学生就可以直接复制，而无需上传，节省实训准备时间。
(3)支持实训项目空间，空间内工程动态更新、共享，并支持复制。帮助学校积累实训成果，同时也为新的实训提供素材，为学生自学提供支持。
(4)支持基于工作流形式的工程构建方式，促进大数据挖掘应用想法快速实现。能够帮助学生了解各个算法的输入、输出、参数，快速掌握不同算法，同时通过流程化步骤，帮助学生理解实训、项目等流程，建立工程思维。
(5)开放平台算法定制接口，支持算法自主定制，支持自定义的算法组件复用。当有特殊实训需求时，平台无内置算法时，能够编写个人组件，并且可以在后续实训中复用。
实训支持：
大数据挖掘建模平台可支持的课程包括：《大数据与数据挖掘》、《模式识别和机器学习》、《深度学习及应用》、《人工智能导论》、《人工神经网络》、《机器视觉及应用》、《语音识别与自然语言处理》、《脑科学与算法设计》等。
此外，大数据挖掘建模平台能够支持的算法实训所需算法列表，具体包括《Python算法模块》、《R语言算法模块》、《Spark算法模块》等。
科研方向
大数据挖掘建模平台是面向数据挖掘领域的科研工具。通过平台，科研人员能够以拖拽的形式搭建项目工程，快速实现与验证想法。同时，使用平台的项目库功能，能够在平台上逐渐积累相关的科研成果，用以后续科研参考。此外，平台支持后台调用GPU，在硬件支持条件下能够提供大算力支持数据挖掘相关计算。
大数据挖掘建模平台特色功能如下：
(1)平台采用微服务架构，提供稳定可靠的服务调用、服务治理、服务降级能力。能够在科研过程中保证环境的可靠性和稳定性，保证科研项目的平稳运行。
(2)支持所有文件类型数据，提供常见文件解析算法。能够让科研不再受数据类型的限制，一站式解决数据问题。
(3)支持数据共享，共享数据可复制为个人数据，并进行隔离，保证数据安全。让科研组人员数据进行共享，只需一次上传即可使用，同时又能够通过隔离保证每人的数据独立。
(4)支持项目空间，空间内工程动态更新、共享，并支持复制。帮助积累科研成果，展示科研成果。同时也为新的科研提供思路与素材。
(5)支持基于工作流形式的工程构建方式。能够帮助科研人员快速实现与验证科研想法。
(6)开放平台算法定制接口，支持算法自主定制。通过该功能，能够满足个性化的科研需求，覆盖更多的科研场景。
(7)算法结果动态更新，支持结果实时查看。能够更快、更简便获取到科研结果。
大数据挖掘建模平台支持的课程与相关科研模板有：《家用热水器用户行为分析》、《金融服务机构的资金流量预测》、《市财政收入分析预测》、《RFM在线零售客户分群》、《航空公司客户价值分析》、《信用卡高风险客户识别》
此外，大数据挖掘建模平台现有的研究算法列表有《Python算法模块》、《R语言算法模块》、《Spark算法模块》