# 轨道交通大数据技术课程

**Repository Path**: deep-marl/datascience

## Basic Information

- **Project Name**: 轨道交通大数据技术课程
- **Description**: 北方工业大学“轨道交通大数据技术课程”资料
- **Primary Language**: Python
- **License**: GPL-3.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 1
- **Forks**: 1
- **Created**: 2023-02-21
- **Last Updated**: 2024-06-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 北方工业大学《轨道交通大数据技术》课程资料

## 介绍
北方工业大学“轨道交通大数据技术课程”资料

- 环境配置
1. 详见[“Python、VSCODE、PyCharm、Sumo详细安装步骤”](https://gitee.com/deep-marl/sumoclass/blob/master/下载安装PythonPycharmSumo.md)
1. 配置有GPU显卡需要安装CUDA，详见[CUDA安装流程](https://gitee.com/deep-marl/sumoclass/blob/master/CUDA安装程序.md)

## 主要内容

### [第1章 绪论](chapters/1introduction/README.md)

- [1.1 数据科学概述](chapters/1introduction/README.md#11-数据科学概述)
- [1.2 数据科学的现状和历史](chapters/1introduction/README.md#12-数据科学的现状和历史)
- [1.3 大数据特征](chapters/1introduction/README.md#13-大数据特征)
- [1.4 大数据时代的统计思考](chapters/1introduction/README.md#14-大数据时代的统计思考)
- [1.5 数据科学的工作流程](chapters/1introduction/README.md#15-数据科学的工作流程)
- [1.6.轨道交通大数据技术的任务](chapters/1introduction/README.md#16轨道交通大数据技术的任务)

### [第2章 认识数据](chapters/2knowingdata/README.md)

- [2.1 数据的威力](chapters/2knowingdata/README.md#21-数据的威力)
- [2.2 数学基础](chapters/2knowingdata/math/README.md)
- [2.3 探索性数据分析](chapters/2knowingdata/README.md#23-探索性数据分析)
- [2.4 数据与抽样分布](chapters/2knowingdata/README.md#24-数据和抽样分布)
- [2.5 梯度下降](chapters/2knowingdata/README.md#25-梯度下降)
- [2.6 获取数据](chapters/2knowingdata/README.md#26-获取数据)

### 第3章 [Python、R开发速成](chapters/3coding/)

- 3.1 Python开发介绍
- 3.2 R语言开发介绍

### 第4章 [数据清洗与数据可视化](chapters/4datacleansing/readme.md)

### [第5章 线性回归](chapters/5linearregression/readme.md) 

### [第6章 逻辑回归](chapters/6logitregression/readme.md)

### 第7章 监督式学习
- 7.1 支持向量机
- 7.2 核函数
- 7.3 决策树
- 7.4 随机森林
- 7.5 案例介绍
### 第8章 非监督式学习：聚类
- 8.1 K-means
- 8.2 谱聚类
- 8.3 主成分分析
- 8.4 案例介绍
### 第9章 神经网络
- 9.1 神经元
- 9.2 神经网络
- 9.3 反向传播算法
- 9.4 学习效率
- 9.5 案例介绍
### 第10章 深度学习
- 10.1 CNN
- 10.2 RNN
- 10.3 LSTM
- 10.4 GNN
- 10.5 Transformer
- 10.6 案例介绍
### 第11章 轨道交通大数据技术实践
- 11.1 地铁乘客出行行为分析
- 11.2 铁路货运线路特征分析
- 11.3 高铁客流预测
- 11.4 地铁调度优化策略分析
- 11.5 总结

### 12 综合交通枢纽仿真（SUMO）

## 其他参考资料

### [个人学习笔记](http://www.ai-start.com/ml2014/)