大數(shù)據(jù)學(xué)習(xí)心得（精選3篇）

大數(shù)據(jù)學(xué)習(xí)心得 篇1

　　奧倫·艾奇奧倫(Oren Etzioni)創(chuàng)立的從文本中挖掘信息的公司ClearForest，已經(jīng)被路透社收購(gòu)。

　　美國(guó)股市每天成交量高達(dá)70億股，而其中三分二的交易都是由建產(chǎn)在數(shù)學(xué)模型和算法之上的計(jì)算機(jī)程序自動(dòng)完成的。

　　farecast經(jīng)過(guò)了20xx年立項(xiàng)，到20xx年被收購(gòu)。經(jīng)歷了5年的時(shí)間，數(shù)據(jù)從最早了120xx條到20xx億條。

　　大數(shù)據(jù)的平臺(tái)有：谷歌的MAPREDUCE 和開(kāi)源HADOOP平臺(tái)(最初源于雅虎)。NOSQL更優(yōu)先于MYSQL.

　　大數(shù)據(jù)所用的數(shù)據(jù)記錄單位：拍字節(jié)PB(2的50次方)和艾字節(jié)EB(2的60次方)，澤字節(jié)ZB (2的70次方)，太字節(jié)TB。1EB=10億GB。1ZB=1024EB

　　20xx年，所有數(shù)據(jù)中只有7%是存儲(chǔ)在報(bào)紙、書籍、圖片等媒價(jià)上的模擬數(shù)據(jù)，其余全部是數(shù)字?jǐn)?shù)據(jù)。

　　20xx年世界上存儲(chǔ)的數(shù)據(jù)預(yù)計(jì)能達(dá)到約1.2澤字節(jié)，其中非數(shù)字?jǐn)?shù)據(jù)只占不到2%。

　　人類存儲(chǔ)信息量的增長(zhǎng)速度比世界經(jīng)濟(jì)的增長(zhǎng)速度快4倍。而計(jì)算機(jī)數(shù)據(jù)處理能力的增長(zhǎng)速度則比世界經(jīng)濟(jì)的增長(zhǎng)速度快9倍。

　　大數(shù)據(jù)告訴我們“是什么”而不是“為什么”。在大數(shù)據(jù)時(shí)代，我們不必知道現(xiàn)象背后的原因。

　　大數(shù)據(jù)的算法從因果關(guān)系向相關(guān)關(guān)紗轉(zhuǎn)化。這也是思維方式的轉(zhuǎn)變。

　　推薦電影《點(diǎn)球成金》MONEYBALL

　　大數(shù)據(jù)的三個(gè)思維方式：

　　1、不要依靠分析少量的數(shù)據(jù)樣本，不要抽樣調(diào)查。要分析與某事物相關(guān)的所有數(shù)據(jù)。

　　2、不要追求精確性，要樂(lè)于接受紛繁復(fù)雜的數(shù)據(jù)。

　　3、不要探求難以捉摸的因果關(guān)系，轉(zhuǎn)而關(guān)注事物的相關(guān)關(guān)系。

　　大數(shù)據(jù)中的“大”不是絕對(duì)意義上的大，雖然在大多數(shù)情況下是這個(gè)意思。大數(shù)據(jù)是指不用隨機(jī)分析法這樣的捷徑，而采用所有數(shù)據(jù)的方法。

　　LYTOR相機(jī)(光場(chǎng)相機(jī))就是對(duì)拍照?qǐng)鼍暗膽?yīng)用。將傳統(tǒng)相機(jī)的拍攝照片的樣本進(jìn)行全收集，成為樣本=總體的應(yīng)用代表。

　　意外的案例：

　　如果把一個(gè)在社區(qū)內(nèi)有很多連接關(guān)系的人從社區(qū)關(guān)系網(wǎng)中剔除掉，這個(gè)關(guān)系網(wǎng)會(huì)變得沒(méi)那么高效，但卻不會(huì)解體。但是如果把一個(gè)與所在社區(qū)之外的很多人有著連接關(guān)系的人從這個(gè)關(guān)系網(wǎng)中剔除，整個(gè)關(guān)系網(wǎng)奶快就會(huì)破碎成很多的小塊。節(jié)點(diǎn)的做用。

　　社交網(wǎng)絡(luò)的多樣性是有額外價(jià)值的。這是一個(gè)人在社會(huì)關(guān)系網(wǎng)中的存在價(jià)值。

　　互聯(lián)網(wǎng)可以使數(shù)據(jù)達(dá)到精確嗎?只有5%的數(shù)據(jù)是結(jié)構(gòu)化且能適用于傳統(tǒng)數(shù)據(jù)庫(kù)的。如果不接受混亂，剩下的95%的非結(jié)構(gòu)化數(shù)據(jù)都無(wú)法被利用。只有接受不精確性，我們才能打開(kāi)一扇從未涉足的世界的窗戶。

　　數(shù)據(jù)與算法那個(gè)更重要呢?簡(jiǎn)單的算法+大數(shù)據(jù)，還是復(fù)雜的算法+小數(shù)據(jù)。結(jié)論就是大數(shù)據(jù)比算法智能系統(tǒng)更重要。

大數(shù)據(jù)學(xué)習(xí)心得 篇2

　　大數(shù)據(jù)時(shí)代已經(jīng)悄然到來(lái)，如何應(yīng)對(duì)大數(shù)據(jù)時(shí)代帶來(lái)的挑戰(zhàn)與機(jī)遇，是我們當(dāng)代大學(xué)生特別是我們計(jì)算機(jī)類專業(yè)的大學(xué)生的一個(gè)必須面對(duì)的嚴(yán)峻課題。大數(shù)據(jù)時(shí)代是我們的一個(gè)黃金時(shí)代，對(duì)我們的意義可以說(shuō)就像是另一個(gè)“80年代”。 在講座中秦永彬博士由一個(gè)電視劇《大太監(jiān)》中情節(jié)來(lái)深入淺出的簡(jiǎn)單介紹了“大數(shù)據(jù)”的基本概念，并由“塔吉特”與“犯罪預(yù)測(cè)”兩個(gè)案例讓我們深切的體會(huì)到了“大數(shù)據(jù)”的對(duì)現(xiàn)今這樣一個(gè)信息時(shí)代的不可替代的巨大作用。

　　在前幾年本世紀(jì)初的時(shí)候，世界都稱本世紀(jì)為“信息世紀(jì)”。確實(shí)在計(jì)算機(jī)技術(shù)與互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展過(guò)后，我們面臨了一個(gè)每天都可以“信息爆炸”的時(shí)代。打開(kāi)電視，打開(kāi)電腦，甚至是在街上打開(kāi)手機(jī)、PDA、平板電腦等等，你都可以接收到來(lái)自互聯(lián)網(wǎng)從世界各地上傳的各類信息：數(shù)據(jù)、視頻、圖片、音頻……這樣各類大量的數(shù)據(jù)累積之后達(dá)到了引起量變的臨界值，數(shù)據(jù)本身有潛在的價(jià)值，但價(jià)值比較分散;數(shù)據(jù)高速產(chǎn)生，需高速處理。大數(shù)據(jù)意味著包括交易和交互數(shù)據(jù)集在內(nèi)的所有數(shù)據(jù)集，其規(guī)模或復(fù)雜程度超出了常用技術(shù)按照合理的成本和時(shí)限捕捉、管理及處理這些數(shù)據(jù)集的能力。遂有了“大數(shù)據(jù)”技術(shù)的應(yīng)運(yùn)而生。

　　現(xiàn)在，當(dāng)數(shù)據(jù)的積累量足夠大的時(shí)候到來(lái)時(shí)，量變引起了質(zhì)變。“大數(shù)據(jù)”通過(guò)對(duì)海量數(shù)據(jù)有針對(duì)性的分析，賦予了互聯(lián)網(wǎng)“智商”，這使得互聯(lián)網(wǎng)的作用，從簡(jiǎn)單的數(shù)據(jù)交流和信息傳遞，上升到基于海量數(shù)據(jù)的分析，一句話“他開(kāi)始思考了”。簡(jiǎn)言之，大數(shù)據(jù)就是將碎片化的海量數(shù)據(jù)在一定的時(shí)間內(nèi)完成篩選、分析，并整理成為有用的資訊，幫助用戶完成決策。借助大數(shù)據(jù)企業(yè)的決策者可以迅速感知市場(chǎng)需求變化，從而促使他們作出對(duì)企業(yè)更有利的決策，使得這些企業(yè)擁有更強(qiáng)的創(chuàng)新力和競(jìng)爭(zhēng)力。這是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革，對(duì)國(guó)家治理模式、對(duì)企業(yè)的決策、組織和業(yè)務(wù)流程、對(duì)個(gè)人生活方式都將產(chǎn)生巨大的影響。后工業(yè)社會(huì)時(shí)代，隨著新興技術(shù)的發(fā)展與互聯(lián)網(wǎng)底層技術(shù)的革新，數(shù)據(jù)正在呈指數(shù)級(jí)增長(zhǎng)，所有數(shù)據(jù)的產(chǎn)生形式，都是數(shù)字化。如何收集、管理和分析海量數(shù)據(jù)對(duì)于企業(yè)從事的一切商業(yè)活動(dòng)都顯得尤為重要。

　　大數(shù)據(jù)時(shí)代是信息化社會(huì)發(fā)展必然趨勢(shì)，我們只有緊緊跟隨時(shí)代發(fā)展的潮流，在技術(shù)上、制度上、價(jià)值觀念上做出迅速調(diào)整并牢牢跟進(jìn)，才能在接下來(lái)新一輪的競(jìng)爭(zhēng)中擺脫受制于人的弱勢(shì)境地，才能把握發(fā)展的方向。

　　首先，“大數(shù)據(jù)”究竟是什么?它有什么用?這是當(dāng)下每個(gè)人初接觸“大數(shù)據(jù)”都會(huì)有的疑問(wèn)，而這些疑問(wèn)在秦博士的講座中我們都了解到了。“大數(shù)據(jù)”的“大”不僅是單單純純指數(shù)量上的“大”，而是在諸多方面上闡釋了“大”的含義，是體現(xiàn)在數(shù)據(jù)信息是海量信息，且在動(dòng)態(tài)變化和不斷增長(zhǎng)之上。同時(shí)“大數(shù)據(jù)”在：速度(Velocity)、多樣性(Variety)、價(jià)值密度(Value)、體量(Volume)這四方面(4v)都有體現(xiàn)。其實(shí)“大數(shù)據(jù)”歸根結(jié)底還是數(shù)據(jù)，其是一種泛化的數(shù)據(jù)描述形式，有別于以往對(duì)于數(shù)據(jù)信息的表達(dá)，大數(shù)據(jù)更多地傾向于表達(dá)網(wǎng)絡(luò)用戶信息、新聞信息、銀行數(shù)據(jù)信息、社交媒體上的數(shù)據(jù)信息、購(gòu)物網(wǎng)站上的用戶數(shù)據(jù)信息、規(guī)模超過(guò)TB級(jí)的數(shù)據(jù)信息等。

　　了解了“大數(shù)據(jù)”的“大”之后我們也該了解它所具有的巨大價(jià)值。就目前來(lái)說(shuō)“大數(shù)據(jù)”的來(lái)源主要還是互聯(lián)網(wǎng)，來(lái)自互聯(lián)網(wǎng)上的大多數(shù)不被重視信息都是具有巨大開(kāi)發(fā)價(jià)值的，

　　其具有巨“大”的商業(yè)價(jià)值，我們所缺少的只是一些數(shù)據(jù)分析等手段。例如：在如今，網(wǎng)購(gòu)已經(jīng)成為了一種風(fēng)潮，網(wǎng)上也涌現(xiàn)了以淘寶、京東、亞馬遜等一系列的購(gòu)物網(wǎng)站。而在這些網(wǎng)站之中，顧客的瀏覽記錄，購(gòu)買記錄等等都是一些巨大商業(yè)價(jià)值的信息。借鑒“塔吉特”的先例，我們可以利用“大數(shù)據(jù)”技術(shù)收集分析，就可預(yù)測(cè)需求、供給和顧客習(xí)慣等，做到精準(zhǔn)采購(gòu)、精準(zhǔn)投放，達(dá)到利益放大的效果。 從全球范圍來(lái)看，很多人都把20xx年看做是大數(shù)據(jù)時(shí)代的元年。在這一年里，很多行業(yè)在大數(shù)據(jù)方面的管理、規(guī)劃和應(yīng)用已經(jīng)覺(jué)醒。電商、金融、電信等行業(yè)數(shù)據(jù)有著長(zhǎng)期的數(shù)據(jù)積累。事實(shí)上，很多互聯(lián)網(wǎng)公司，例如亞馬遜、Google、騰訊，更愿意將自己定位為數(shù)據(jù)企業(yè)。因?yàn)樾畔�時(shí)代，數(shù)據(jù)成為經(jīng)營(yíng)決策的強(qiáng)有力依據(jù)，給企業(yè)帶來(lái)了發(fā)展和引領(lǐng)行業(yè)的機(jī)遇。銀行也同樣擁有豐富的數(shù)據(jù)礦藏，不僅存儲(chǔ)處理了大量結(jié)構(gòu)化的賬務(wù)數(shù)據(jù)，而且隨著銀行渠道快速滲透到社交網(wǎng)絡(luò)、移動(dòng)端等媒介，海量的非結(jié)構(gòu)化數(shù)據(jù)也在等待被收集和分析。未來(lái)的金融業(yè)將更多地受到科技創(chuàng)新力的驅(qū)動(dòng)，也越來(lái)越傾向于零售營(yíng)銷：對(duì)于金融業(yè)來(lái)說(shuō)，大數(shù)據(jù)意味著巨大的商機(jī)，可強(qiáng)化客戶體驗(yàn)，提高客戶忠誠(chéng)度。大數(shù)據(jù)技術(shù)的發(fā)展帶來(lái)企業(yè)經(jīng)營(yíng)決策模式的轉(zhuǎn)變，驅(qū)動(dòng)著行業(yè)變革，衍生出新的商機(jī)和發(fā)展契機(jī)。駕馭大數(shù)據(jù)的能力已被證實(shí)為領(lǐng)軍企業(yè)的核心競(jìng)爭(zhēng)力，這種能力能夠幫助企業(yè)打破數(shù)據(jù)邊界，繪制企業(yè)運(yùn)營(yíng)全景視圖，做出最優(yōu)的商業(yè)決策和發(fā)展戰(zhàn)略。金融行業(yè)在大數(shù)據(jù)浪潮中，要以大數(shù)據(jù)平臺(tái)建設(shè)為基礎(chǔ)，夯實(shí)大數(shù)據(jù)的收集、存儲(chǔ)、處理能力;重點(diǎn)推進(jìn)大數(shù)據(jù)人才的梯隊(duì)建設(shè)，打造專業(yè)、高效、靈活的大數(shù)據(jù)分析團(tuán)隊(duì);不斷提升企業(yè)智商，挖掘海量數(shù)據(jù)的商業(yè)價(jià)值，從而在數(shù)據(jù)新浪潮的變革中拔得頭籌，贏得先機(jī)

　　在如此快速的到來(lái)的大數(shù)據(jù)革命時(shí)代，我們還有很多知識(shí)需要學(xué)習(xí)，許多思維需要轉(zhuǎn)變，許多技術(shù)需要研究。職業(yè)規(guī)劃中，也需充分考慮到大數(shù)據(jù)對(duì)于自身職業(yè)的未來(lái)發(fā)展所帶來(lái)的機(jī)遇和挑戰(zhàn)。當(dāng)我們掌握大量數(shù)據(jù)，需要考慮有多少數(shù)字化的數(shù)據(jù)，又有哪些可以通過(guò)大數(shù)據(jù)的分析處理而帶來(lái)有價(jià)值的用途?在大數(shù)據(jù)時(shí)代制勝的良藥也許是創(chuàng)新的點(diǎn)子，也許可以利用外部的數(shù)據(jù)，通過(guò)多維化、多層面的分析給我們?nèi)蘸髣?chuàng)業(yè)帶來(lái)價(jià)值。借力，順勢(shì)，合作共贏。把自己的心門打開(kāi)，像海綿般吸取積極、正能量的東西。

大數(shù)據(jù)學(xué)習(xí)心得 篇3

　　在學(xué)習(xí)這門課的過(guò)程中，在對(duì)數(shù)據(jù)庫(kù)的了解過(guò)程中，慢慢對(duì)數(shù)據(jù)庫(kù)有了感觀。數(shù)據(jù)庫(kù)這一詞并不是很難想象，并不是像外人看來(lái)很神奇。作為計(jì)算機(jī)專業(yè)的學(xué)生，這樣的專業(yè)術(shù)語(yǔ)或者專業(yè)知識(shí)是最基本的。

　　學(xué)習(xí)的時(shí)候沒(méi)有想象中的那么難，只要上課能聽(tīng)懂就基本還可以。但是問(wèn)題還是出在書本有點(diǎn)厚，有的時(shí)候上課的內(nèi)容都要找很久才能找到，甚至有的時(shí)候老師講的知識(shí)書本上是找不到的，是另外補(bǔ)充而且是相當(dāng)重要的內(nèi)容。有的時(shí)候開(kāi)小差，沒(méi)有聽(tīng)到老師講的知識(shí)點(diǎn)，這就導(dǎo)致了以后的學(xué)習(xí)無(wú)法順利進(jìn)行，使得學(xué)習(xí)起來(lái)十分困難。所以在數(shù)據(jù)庫(kù)這門課的學(xué)習(xí)中，上課一定要聽(tīng)牢，就像老師說(shuō)的那樣，這樣的專業(yè)課如果想憑考試前幾天突擊是行不通的，必須是日積月累的知識(shí)才能取得好成績(jī)。

　　通過(guò)對(duì)數(shù)據(jù)庫(kù)的學(xué)習(xí)，我也明白了各行各業(yè)都離不開(kāi)數(shù)據(jù)庫(kù)，就算是一個(gè)小型的超市也離不開(kāi)它。可見(jiàn)數(shù)據(jù)庫(kù)這門課的廣泛性，如果能夠認(rèn)真學(xué)好它將來(lái)必有成就。我就是抱著這種信念去學(xué)習(xí)數(shù)據(jù)庫(kù)的。第一次接觸數(shù)據(jù)庫(kù)，第一次接觸SQL語(yǔ)言，雖然陌生，但是可以讓我從頭開(kāi)始學(xué)，就算沒(méi)有基礎(chǔ)的人也可以學(xué)得很好。剛開(kāi)始練習(xí)SQL語(yǔ)言的時(shí)候，并不是很難，基本上都是按照老師的步驟來(lái)做，還很有成就感。后來(lái)學(xué)了單表查詢和連接查詢后，就慢慢發(fā)現(xiàn)越學(xué)越困難了，每個(gè)題目都要思考很久，并且每個(gè)題目基本上不止一個(gè)答案，所以必須找出最優(yōu)的答案。后面的刪除、插入、修改這些題目都變化蠻大的，書本上的例題根本無(wú)法滿足我們，好在老師給我們提供了大量的課件，通過(guò)這些PPT，我們可以鞏固課內(nèi)的知識(shí)，還可以學(xué)習(xí)內(nèi)容相關(guān)的知識(shí)，更好地完成老師布置的作業(yè)。

　　除了老師布置的一些基本作業(yè)外，還有一份大作業(yè)。就像我們小組的是雜貨店的銷售管理系統(tǒng)，在完成這一作業(yè)的過(guò)程中，我們可以通過(guò)網(wǎng)絡(luò)實(shí)現(xiàn)一家雜貨店。過(guò)程是很復(fù)雜的，雜貨店需要員工，還有百來(lái)種商品，不僅需要大量的數(shù)據(jù)，還要完成需求說(shuō)明，數(shù)據(jù)詞典，還有E-R圖等，雖然想象起來(lái)并不是很難，但是要轉(zhuǎn)化成文字，轉(zhuǎn)化成人們能夠讀懂的文字就顯得十分困難。特別是一個(gè)完整的銷售系統(tǒng)，對(duì)我們來(lái)說(shuō)都是第一次接觸，在做大作業(yè)的時(shí)候經(jīng)常是前面改改，后面改改，因?yàn)橐恍��?shù)據(jù)不能很好地對(duì)應(yīng)起來(lái)，經(jīng)常會(huì)遺忘一些，所以出現(xiàn)了這樣的情況。一個(gè)完整的數(shù)據(jù)庫(kù)系統(tǒng)也就是在這樣修修改改的狀態(tài)下完成的，也給了我很大的反思。第一、一個(gè)數(shù)據(jù)庫(kù)的完成一定要考慮各方面的因素，包括現(xiàn)實(shí)因素。第二、在完成這類作業(yè)時(shí)，修修改改是很正常的，不要因此而厭倦。第三、一個(gè)完整的數(shù)據(jù)庫(kù)一定不能出現(xiàn)錯(cuò)誤，否則會(huì)在現(xiàn)實(shí)生活中帶來(lái)不必要的麻煩。

　　通過(guò)本學(xué)期數(shù)據(jù)庫(kù)的學(xué)習(xí)及大作業(yè)的完成，很有去作項(xiàng)目的沖動(dòng)，但深知自己的能力水平有限，還需要更多的學(xué)習(xí)。

　　一、數(shù)據(jù)庫(kù)主要知識(shí)點(diǎn)

　　我們首先從第一章緒論了解了數(shù)據(jù)庫(kù)的概念，其中有幾個(gè)較為重要的知識(shí)點(diǎn)，即數(shù)據(jù)庫(kù)系統(tǒng)DBS、數(shù)據(jù)庫(kù)管理系統(tǒng)DBMS的概念以及數(shù)據(jù)庫(kù)管理員DBA的職責(zé)。此外本章還介紹了數(shù)據(jù)庫(kù)發(fā)展的三個(gè)階段：人工管理階段、文件系統(tǒng)階段和數(shù)據(jù)庫(kù)系統(tǒng)階段。

　　第二章

　　介紹了數(shù)據(jù)模型和三層模式數(shù)據(jù)庫(kù)。本章要求我們理解實(shí)體-聯(lián)系方法，并學(xué)會(huì)繪制E-R圖。此外還應(yīng)掌握概念數(shù)據(jù)模型的意義和傳統(tǒng)的三大數(shù)據(jù)模型，以及數(shù)據(jù)獨(dú)立性和數(shù)據(jù)庫(kù)三層模式結(jié)構(gòu)。

　　接著開(kāi)始著重講述現(xiàn)在普遍使用的關(guān)系數(shù)據(jù)庫(kù)。包括關(guān)系數(shù)據(jù)模型的數(shù)據(jù)結(jié)構(gòu)和基本術(shù)語(yǔ)，關(guān)系模型的完整性約束和關(guān)系代數(shù)運(yùn)算。重點(diǎn)是關(guān)系模式完整性的分類和功能，以及關(guān)系代數(shù)中集合運(yùn)算和關(guān)系運(yùn)算。最后介紹了關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)的三層模式結(jié)構(gòu)。

　　第五章

　　系統(tǒng)講述關(guān)系數(shù)據(jù)庫(kù)的標(biāo)準(zhǔn)語(yǔ)言SQL的定義功能、查詢功能、操作和控制功能。重點(diǎn)在于數(shù)據(jù)查詢功能。另外還介紹了視圖的用法和動(dòng)態(tài)SQL中定義、操作和查詢功能。

　　第六章

　　知識(shí)點(diǎn)有：存儲(chǔ)過(guò)程的創(chuàng)建和執(zhí)行過(guò)程、修改和刪除；觸發(fā)器的基本概念，建立，插入和刪除視圖，插入、刪除和更新類觸發(fā)器。最后介紹了數(shù)據(jù)完整性。

　　第七章

　　介紹安全性，包括安全性措施的層次、數(shù)據(jù)庫(kù)管理系統(tǒng)的安全功能等，用戶管理和角色管理，權(quán)限管理。其他的安全問(wèn)題包括：數(shù)據(jù)加密、審計(jì)、統(tǒng)計(jì)數(shù)據(jù)庫(kù)和用戶定義的安全性措施。

　　事務(wù)管理這一章首先介紹了事務(wù)的概念、性質(zhì)以及SQL對(duì)事務(wù)的支持。并發(fā)控制——干擾問(wèn)題、可串行性、封鎖、死鎖、隔離級(jí)別、封鎖與隔離級(jí)別；恢復(fù)——故障類型、備份類型、日志的概念、恢復(fù)模型、備份轉(zhuǎn)儲(chǔ)、還原。

　　第九章

　　為關(guān)系數(shù)據(jù)理論：函數(shù)依賴術(shù)語(yǔ)和符號(hào)；函數(shù)依賴的公理系統(tǒng)——

　　Amstrong公理的內(nèi)容及其正確性、邏輯蘊(yùn)含和閉包、公理的完備性、閉包的計(jì)算、函數(shù)依賴集的等價(jià)和最小化；規(guī)范化——1NF、2NF、3NF、BCNF；模式分解。

　　第十章：

　　數(shù)據(jù)庫(kù)設(shè)計(jì)。完善E-R模型中的概念——弱實(shí)體，依賴關(guān)系，強(qiáng)制聯(lián)系；數(shù)據(jù)庫(kù)設(shè)計(jì)的過(guò)程主要掌握其建立的步驟。

　　第十一章

　　介紹面向?qū)ο髷?shù)據(jù)庫(kù)：新的數(shù)據(jù)庫(kù)應(yīng)用和新的數(shù)據(jù)庫(kù)類型；面向?qū)ο蟮臄?shù)據(jù)模型——對(duì)象與類；對(duì)象的屬性、方法和狀態(tài)、對(duì)象的交互和消息、類的確定和分化、封裝、繼承、多態(tài)；對(duì)象關(guān)系數(shù)據(jù)庫(kù)與對(duì)象數(shù)據(jù)庫(kù)；面向?qū)ο髷?shù)據(jù)庫(kù)的研究。

　　第十二章

　　“數(shù)據(jù)庫(kù)應(yīng)用的結(jié)構(gòu)和開(kāi)發(fā)環(huán)境”并非重點(diǎn)，而第十三章的內(nèi)容在軟件工程課程中就已經(jīng)掌握，所以這兩章的知識(shí)點(diǎn)就略過(guò)了。 第十四

　　章分布式數(shù)據(jù)庫(kù)與分布式數(shù)據(jù)管理：概念；分布式數(shù)據(jù)庫(kù)的分布方式；分布式數(shù)據(jù)庫(kù)特點(diǎn)和目標(biāo)——更新傳播、分布式查詢處理、目錄表管理、分布式事務(wù)管理；SQLServer的復(fù)制及其術(shù)語(yǔ)、復(fù)制模型。 第十五章

　　數(shù)據(jù)倉(cāng)庫(kù)：概念；結(jié)構(gòu)；數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)；建立數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)；實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)庫(kù)模型；數(shù)據(jù)倉(cāng)庫(kù)與決策支持。