第一节 数据库技术发展概述

[单项选择] 支持关系数据模型的关系数据库系统是第二代数据库系统
[单项选择 填空题] 第二代数据库系统的特性：模型简单清晰、理论基础好、数据独立性强、数据库语言非过程化、标准化
[单项选择] 面向对象数据库系统(OODBS)是第三代数据库系统的代表
[简答题] 第三代数据库系统应具有的特征

1. 应支持数据管理、对象管理、知识管理
2. 必须保持或继承第二代数据库系统的技术
3. 必须对其他系统开放

第二节 数据仓库与数据挖掘

[单项选择 填空题] 数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持管理决策的过程
[简答题] 数据仓库的特性

1. 面向主题
2. 集成性
3. 数据的非易失性
4. 数据的实时性

[单项选择] 粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级别越小
[单项选择] 分割是将数据分散到各自的物理单元中，以便能分别处理，以提高数据处理的效率
[单项选择] 数据分割后的单元叫切片
[单项选择] 维是人们观察数据的特定角度，是考虑问题时的一类属性
[单项选择] 数据集市结构的数据仓库又称为主题结构数据仓库，是按照主题进行构思所形成的数据仓库
[简答题] 简述数据挖掘的概念
数据挖掘是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发现并提取隐藏在其中的、人们事先不知道的、潜在有用的信息和知识的一种技术
[简答题] 数据挖掘的功能

1. 概念描述
2. 关联分析
3. 分类和预测
4. 聚类
5. 孤立点检测
6. 趋势和演变分析

[单项选择] 在数据挖掘技术中，基于关联规则的挖掘是应用较广的一种方法
[单项选择] 分类就是找出一个类别的概念描述，它代表了这类数据的整体信息，即该类的内涵描述，并用这种描述来构造模型，一般用规则或决策树模式表示
[单项选择 填空题] 常见的分类模型及其算法有决策树模型、神经网络模型、线性回归模型
[单项选择] 聚类是把数据按照相似性归纳成若干类别，同一类中的数据彼此相似，不同类中的数据相异
[填空题] 孤立点是指数据中与整体表现行为不一致的数据集合
[简答题] 在实际使用中，数据挖掘的过程通常由以下六个步骤构成：

1. 确定业务对象
2. 数据的选择
3. 数据的预处理
4. 建模
5. 模型评估
6. 模型部署

第三节 大数据管理技术
[单项选择] 一般意义上，大数据是指无法在可容忍的时间内用现有信息技术和软硬件工具对其进行感知、获取、管理、处理的服务的数据集合
[简答题] 大数据具有以下特征

1. 数据量巨大，即大量化
2. 数据种类繁多，及多样化
3. 处理速度快，及快速化
4. 价值密度低

[单项选择] 分布式文件系统用于统一管理服务器节点上存储的数据，典型案例是 Hadoop 开源架构下的分布式文件系统(HDFS)
[单项选择、填空题] NoSQL 是以互联网大数据应用为背景发展起来的分布式数据管理系统、NoSQL 有两种解释，非关系数据库和数据管理技术不仅仅是 SQL
[单项选择题 填空题] NoSQL 系统支持的数据存储模型通常有键值(Key Value)模型、文档(Document)模型、列(Column)模型、图(Graph)模型