2023年4月，教育部公布在2022年全国38所高校获批大数据管理与应用专业。至此，共有221所学校获批大数据管理与应用专业。大数据管理与应用专业旨在培养具有大数据思维、运用大数据思维及分析应用技术的高层次大数据人才。《大数据分析与应用》编写的目的是培养学生掌握大数据分析与应用技术，提升学生解决实际问题的能力。
《大数据分析与应用》适合本科生及研究生阅读学习，其编写也符合“大数据分析与应用”课程自身的特点，能够促进学生对专业知识基础课程的掌握和提升，使学生能够将所学的基础知识用于前沿研究领域，加深对基础课程的理解和掌握。另外，《大数据分析与应用》突出大数据计算框架下的实践特点，深入浅出地讲解了处理数据的基础算法，并且通过案例的形式使学生能够进行算法的实践，提高学生的学习效率。这门课程覆盖的知识面较广，与其他课程的衔接比较密切，同时这门课程又具有明显的应用特点。

第一章 大数据分析概述
第一节 认识大数据
第二节 认识大数据分析
第三节 大数据分析模型建立方法
本章小结
思考练习题
参考文献

第二章 数据仓库模型和大数据可视化
第一节 什么是数据仓库
第二节 数据仓库建模
第三节 大数据可视化
本章小结
思考练习题
参考文献

第三章 大数据分析的数据预处理
第一节 数据抽样和过滤
第二节 数据规范化与标准化
第三节 数据清洗
第四节 数据清洗方法对比分析
本章小结
思考练习题
参考文献

第四章 数据回归分析模型
第一节 回归分析概述
第二节 一元回归
第三节 多元回归
第四节 Logistics回归
第五节 梯度
本章小结
思考练习题
参考文献

第五章 关联分析模型与算法
第一节 关联规则背景
第二节 关联规则概述
第三节 Apriori算法
第四节 FP-growth算法生成频繁项集
第五节 关联规则的生成
第六节 应用案例
本章小结
思考练习题
参考文献

第六章 分类分析模型与算法
第一节 分类分析概述
第二节 决策树
第三节 支持向量机
第四节 KNN算法
第五节 朴素贝叶斯
第六节 随机森林
第七节 神经网络
第八节 分类性能评价
第九节 应用案例
本章小结
思考练习题
参考文献
……

第七章 聚类分析与模型
第八章 预测分析与模型
第九章 异常点分析与模型
第十章 文本分析模型
第十一章 推荐模型与系统