项目背景：

在线数据分析（OLAP）也称为联机分析处理，用来处理用户的在线请求，它对响应时间的要求比较高（通常不超过若干秒）。与离线数据分析相比，在线数据分析能够实时处理用户的请求，允许用户随时更改分析的约束和限制条件。与离线数据分析相比，在线数据分析能够处理的数据量要小得多，但随着技术的发展，当前的在线分析系统已经能够实时地处理数千万条甚至数亿条记录。传统的在线数据分析系统构建在以关系数据库为核心的数据仓库之上，而在线大数据分析系统构建在云计算平台的NoSQL系统上，本项目也将围绕着OLAP展开。

项目介绍：

本项目将主要介绍数据分析和商业智能(BI)相关的热门技术。本课程的主要目标是使学生具备从大量结构化数据中推断、可视化和知识挖掘的理论知识与实践技能。项目中涉及的一些重要主题将包括在线分析处理(OLAP)、数据仓库、数据可视化和仪表板（Dashboarding）。项目还将概述分析和智能数据分析领域的新兴发展，为学生提供使用广泛使用的BI工具的实践经验。学生将自选个性化参考课题，在项目中分析、可视化，并从一个大型的真实世界数据集作出预测，在项目结束时进行成果展示。

适合人群：

计算机科学/数据科学/数据库/商业分析专业或对以上领域感兴趣的学生 学生需要具备SQL数据库背景知识

导师介绍：Joseph

现任悉尼大学计算机科学学院信息系统终身正教授

信息系统协会的创始成员，计算机协会(ACM)的高级成员和IEEE的成员

专注于信息系统与计算机科学交叉的研究问题，即语义信息处理、众包、决策支持和服务计算

聚焦理解组织中信息和知识的创造、共享和利用以及与决策的联系做出了广泛贡献，曾因IT服务相关研究而获得IBM研究奖

研究得到了澳大利亚研究委员会、卡耐基博世研究所和IBM研究实验室等机构的资助

项目大纲：

1)数据仓库、多维数据和OLAP;理解数据、信息和知识之间的区别

2)大数据与商业智能前沿技术

3)数据分析预测：知识挖掘与决策制定

4)数据可视化

5)学术研讨1：教授与各组学生探讨并评估个性化研究课题可行性，帮助学生明晰后续科研思路

6)学术研讨2：学生将在本周课前完成设计原型（prototype）及伪代码（Pseudocode），教授将根据各组进度进行个性化指导，确保学生优质的终期课题产出

7)项目成果展示

项目收获：

1)7周在线小组科研学习+5周论文指导学习 共125课时+不限时论文指导

2)学术报告

3)优秀学员获主导师Reference Letter

4)EI/CPCI/Scopus/ProQuest/Crossref/EBSCO或同等级别索引国际会议全文投递与发表指导（可用于申请）

5)结业证书

6)成绩单