自考12577智能数据处理资料.docx
- 文档编号:11494051
- 上传时间:2023-03-02
- 格式:DOCX
- 页数:22
- 大小:29.39KB
自考12577智能数据处理资料.docx
《自考12577智能数据处理资料.docx》由会员分享,可在线阅读,更多相关《自考12577智能数据处理资料.docx(22页珍藏版)》请在冰豆网上搜索。
自考12577智能数据处理资料
高纲1524
江苏省高等教育自学考试大纲
12577 智能数据处理
南京信息工程大学编
江苏省高等教育自学考试委员会办公室
Ⅰ课程性质与课程目标
一、课程性质和特点
本课程是针对物联网工程专业开设的专业必修课,是为从事科学研究、理论研究、工程实践提供基本知识储备和基本训练的基础理论性课程。
本课程以工程化手段为特点介绍设计处理、分析和应用方法与技术,是物联网工程学科的重要内容、核心与趋势。
课程以“设计-知识-服务”为主线,以数据的智能处理、分析和服务的代表性方法与技术为重点。
围绕着主线,重点讲述了关系数据库的设计与查询优化,信息检索与Web搜索引擎、XML数据管理、数据挖掘与数据仓库、Web服务等。
通过本课程内容的学习,能够使学生对数据的处理、分析和服务的工程化方法有较为系统和完整的理解。
以这些内容作为对智能数据处理技术的代表和延伸,旨在传递概念、方法和技术内涵与理论,为学生进一步学习和研究面向数据科学的方法和技术提供支撑。
本课程的目的主要是培养学生对数据科学研究的兴趣和数据处理的初步能力。
培养学生分析数据与处理数据的基本能力,并提高数据服务实践应用的能力。
通过本课程的学习,将使得学生能够从工程的角度理解数据科学:
它包括了数据处理技术,以及数据分析技术和数据服务技术;既有数据查询和优化、事务和工作流管理及数据库架构等基层内容,也包括数据挖掘与知识发现、时空数据、元数据和社会数据分析等经典问题,另外还包括概率数据、云计算和大数据管理等前言课题。
最后,通过本课程的学习,还将加深物联网工程专业的学生对本专业基本理论的理解及科学解决各专业相关问题的能力。
二、课程目标
1.要求学生能够全面、深入理解和熟练掌握数据处理的基本技术,掌握结构化、半结构化和结构化数据的存储、查询和优化方法。
了解数据挖掘、知识发现和数据仓库的概念和结构。
了解Web服务的基本概念。
2.要求学生把握数据科学领域的前沿,通过课程的学习能够尝试追踪层出不穷、内涵日益丰富、热点不断演变的数据科学。
3.要求学生能够从工程化的角度去掌握数据科学,对“数据(Data)-知识(Knowledge)-服务(Service)”这一数据科学与工程领域研究和应用的趋势和主线能够有清晰的认识。
了解信息技术的核心和未来发展的方向即为基于数据的网络信息服务。
三、与相关课程的联系与区别
本课程先修课程应涉及计算机文化基础、计算机程序设计、数据结构、管理信息系统、数据库原理与应用、计算机网络等。
后继课程有算法设计、信息系统分析与设计、操作系统、软件工程等。
本课程与其他课程的区别为:
本课程立足于理论,且与实际环节紧密结合,需要更多关注各种网络应用及新技术。
四、课程的重点和难点
课程的重点之一是关系数据库查询优化技术,包括数据库设计、面向复杂应用的数据查询、基于索引的查询优化、基于数据库模式反规范化和视图物化的查询优化、基于数据查询语句重写的查询优化;重点之二是信息检索,包括信息检索的基本原理、信息检索模型的形式、布尔模型、向量空间模型、经典概率模型、文本信息检索中的文本洗预处理、文本信息的倒排索引、布尔检索、相关反馈和提问式扩展、Web信息检索、信息检索评价指标;
课程的次重点是XML数据管理,包括XML简介、XML数据模型和XML解析;次重点之二是数据挖掘,包括数据挖掘概念和数据清理;次重点之三是数据仓库,包括数据仓库概念和体系结构。
课程的一般重点是Web服务,包括Web服务的基本概念和Web服务技术架构等。
课程的难点是几种信息检索模型、文本信息检索和Web信息检索。
Ⅱ考核目标
本大纲在考核目标中,按照识记、领会、简单应用和综合应用四个层次规定其应达到的能力层次要求。
四个能力层次是递升的关系,后者必须建立在前者的基础上。
各能力层次的含义是:
识记(Ⅰ):
要求考生能够识别和记忆本课程中有关数据处理(包括数据库、信息检索、XML数据管理)、数据分析(包括数据挖掘、数据仓库)、数据服务(Web)的概念性内容(如基本概念、定义、定理、背景知识、特性等),并能够根据考核的不同要求,做正确的表述、选择和判断。
领会(Ⅱ):
要求考生能够领会和理解本课程中关于关系数据库查询优化、信息检索、数据挖掘和数据仓库的概念及特性的内涵及外延,理解数据库设计的概念、信息检索的原理,XML语法基本知识、XML数据模型和XML解析,能够鉴别关于概念和特性的似是而非的说法;理解相关知识的区别和联系,并能根据考核的不同要求分析各种不同领域所使用的数据处理和分析技术。
简单应用(Ⅲ):
要求考生能够根据已知的计算机知识和数据库技术对ER模型进行处理,转化为关系模型;能够对基于索引的查询优化、基于数据库模式反规范化和视图物化的查询优化、基于数据查询语句重写的查询优化进行简单分析,考虑其性能优劣和可靠性。
能够利用Web搜索引擎的基本原理来分析其关键技术,对其中的信息检索的性能进行初步的评估。
此外,还可运用本课程中的少量知识点,利用简单的模型分析和解决一般应用问题,如简单的计算和验证检索效率及其他性能指标等。
综合应用(Ⅳ):
要求考生能够处理具体、实际的数据处理技术,能探究解决问题的方法,并进行推导。
对数据库查询优化,能够综合三种优化方法,选择合适的优化途径;对信息检索,能够利用文本信息检索中的倒排索引和布尔索引的方法来分析文本信息检索的解决途径。
在深入理解和熟练掌握数据库查询优化内容和信息检索内容的基础上,能够在数据处理的基础上提升到数据分析和数据服务的层面,能够对数据处理技术举一反三。
Ⅲ课程内容与考核要求
第1章关系数据库查询优化
一、学习目的与要求
本章主要学习数据处理中的数据库设计方法和优化技术,针对查询进行数据库性能优化。
本章以数据查询优化为主线,以数据的具体用途为出发点,讨论几种有代表性的关系数据库查询优化方法:
索引的创建和选择、数据库模式的反规范化和视图物化以及查询语句的重写。
通过本章的学习,要求学生重点关注和掌握四个问题,首先是对索引的创建和选择问题,要求学生清楚何时、在何属性上创建索引;其次是数据库模式的反规范化问题,要求学生以代价最小化为目标,根据数据的使用模式对良构关系进行合理的合并调整;第三是视图物化问题,要求学生掌握针对频繁查询进行视图反复完全实体化的方法,根据数据操作的类型和频度考虑将视图对应的查询结构存储到磁盘上,提高查询效率;最后是查询语句的重写,要求学生能够针对实际查询中执行比预计的慢得多的情况,能够分析数据库管理系统查询执行计划性能低下的原因,并定位到查询语句编写方面的问题。
学生需要理解在结果相同的前提下对查询语句的结构进行调整的方法。
本章是课程的重点,要求学生重视本章知识内容的熟悉和掌握
二、课程内容
1.领会数据库设计的基本概念
2.掌握ER模型和关系模型
3.掌握从ER模型到关系模型的转换
4.了解关系规范化概念
5.领会连接查询、嵌套查询和集合查询
6.领会视图、存储过程和触发器的作用
7.掌握基于索引的查询优化
8.掌握数据库模式反规范化查询优化方法
9.领会视图物化的查询优化方法
10.掌握数据查询语句重写的查询优化
三、考核知识点与考核要求
1.数据库设计
识记:
(1)数据库设计的基本概念和设计步骤、ER模型、关系模型、关系规范化的概念;
(2)关系数据模型中的完整性约束,外键是否为空的判定准则,良构关系的的判断标准;(3)第1范式、第2范式、第3范式的概念。
领会:
ER模型到关系模型的转换、不满足第2范式时存在的问题。
2.面向复杂应用的数据查询
识记:
(1)连接查询、嵌套查询和集合查询的概念和连接语法;
(2)视图、存储过程和触发器的概念、语法、适用场所。
领会:
(1)连接查询、嵌套查询和集合查询的性能表现及相互关系。
重点考核连接查询在查询操作中的代表作用;
(2)视图、存储过程和触发器的作用、性能表现及相互关系,触发器的优点,存储过程的优点。
3.查询优化
识记:
(1)索引的基本概念、索引的类型、索引创建的语法、索引的使用方法;
(2)数据库模式反规范化概念、视图物化概念。
领会:
(1)基于索引的查询优化性能影响、代价、权衡;
(2)聚集索引和非聚集索引在创建时间、删除时间、存储空间三个方面的性能比较,覆盖索引有意义所需要满足的条件,索引选择和应用的一般原则,以存储和处理为中心的系统整体开销、索引选择的基本原则和规律、构建新索引时考虑的三个基本要素和步骤;(3)规范化的关系模式对查询操作在性能上的影响、关系模式反规范化的一般步骤、选择反规范化的查询优化方案的基本原则、实施反规范化时确保数据同步、一致性、维护数据库完整性所使用的三种方法;(4)理解视图物化的两个角度;(5)基于数据查询语句重写的查询优化中,几种典型的查询重写方法。
四、本章重点、难点
本章重点为面向复杂应用的数据查询和查询优化,本章难点为面向复杂应用的数据查询。
第2章信息检索
一、学习目的与要求
本章主要学习数据处理中的信息检索技术。
信息检索是一个具有鲜明交叉研究特性、与数据科学相关的学科领域,本章从计算机科学领域的视角,面向信息检索工具的原理与方法,针对信息检索领域中的三个关键问题,讨论信息检索建模、系统设计与实现的支持技术。
通过本章学习,要求学生熟悉三个方面的知识:
首先掌握如何从信息检索问题的核心和本质出发,忽略实现细节,构建以信息分析为中心的模型,这是信息检索建模问题,也即信息检索的基础;其次学会根据自然语言文本中词汇的频率和分布情况进行文本信息的预处理、构建检索模型、实现高效准确的文本检索,这是文本信息检索问题,这部分内容是信息检索和搜索引擎的主要组成部分;第三是针对当前以用户为中心的Web2.0时代,Web资源具有海量数据、分散无序、动态变化、形式多样、非结构化或半结构、质量控制缺乏、使用方式个性化等特点,要求学生学会构建有效的Web搜索引擎,这是Web信息检索问题,也是信息检索技术的重要应用领域;最后,要求学生熟悉衡量检索系统效率的性能指标,了解各种检索技术优劣的性能比较法、理解改进现有检索系统和开发新兴应用领域的技术,这是信息检索评价问题,也是信息检索领域一项有前景的研究内容。
本章是课程的重点和难点所在,要求学生高度重视本章知识内容的熟悉和掌握。
对相关知识从识记概念到领会技术和算法内涵到掌握计算方法进行应用处理都要全面深入学习和掌握。
二、课程内容
1.掌握信息检索的基本概念和基本原理
2.领会信息检索的相关性学科和研究内容
3.领会信息检索的发展史
4.掌握信息检索系统的形式表示
5.掌握信息检索中的布尔模型和向量空间模型
6.领会经典概率模型
7.掌握文本信息检索中词汇的频率域数量分布规律
8.掌握文本信息预处理
9.掌握文本信息的倒排索引
10.掌握布尔检索
11.领会相关反馈和提问式扩展
12.掌握Web信息搜索的概念
13.掌握Web搜索引擎的工作原理
14.掌握Web搜索引擎的关键技术
15.掌握信息检索评价指标
16.掌握单个查询的评价指标
17.掌握多个查询的评价指标
18.领会面向用户的评价指标
19.领会搜索引擎性能评价指标
20.领会TREC评测
三、考核知识点与考核要求
1.信息检索概述
识记:
信息检索的基本概念、信息检索的基本原理、信息检索的基本流程(两个步骤)。
领会:
信息检索的主要研究内容、信息检索的发展史。
2.信息检索模型
识记:
信息检索系统的形式表示(四元组和解释)、词频的概念、匹配函数的概念。
领会:
匹配函数的选择所考虑的原则、布尔模型的思想、布尔模型的优缺点、词的Zipf分布、向量空间模型的优点、经典概率模型的基本思想、经典概率模型的基本假设、概率模型的优点。
应用:
布尔模型中利用析取范式和匹配函数求与提问式相关的文档、求解包含若干个文档的索引词集所对应的向量文档、词的tf/idf权重、匹配函数的计算及检索结果的确定与排序。
3.文本信息检索
识记:
词汇频率与齐普夫分布模型,齐普夫定律、词汇数量与Heaps分布模型、倒排文件的概念、布尔逻辑运算符、检索提问式等价处理方法。
领会:
文本信息预处理操作、文本信息的倒排索引、倒排索引的建立、倒排索引的使用、倒排索引的维护、多种布尔运算符下,检索系统进行检索运算的规则、逆波兰式处理的基本思想、相关反馈的步骤。
应用:
倒排索引的使用(利用倒排索引查找单词)。
4.Web信息检索
识记:
Web信息搜索的概念、Shingle的概念。
领会:
Web搜索引擎的工作原理、数据收集和预处理的过程、数据检索和信息挖掘的过程、数据预处理中的网页去重(发现重复或近似网页对搜索引擎的好处、网页去重所包含的技术要点、网页去重方法分类)、使用Shingle方法判断重复网页的步骤、数据检索中的结果排序、基于网页链接结构分析的相关排序、PageRank算法(特点、基本观点、计算公式)、HITS算法(两类网页、基本思想、HITS的不足之处)、PageRank算法和HITS算法的比较(相似、差异)。
应用:
基于PageRank计算各个网页的PR值。
5.信息检索评价指标
识记:
信息检索评价的基本步骤、单个查询的评价指标及公式(查全率和查准率、查全率查准率曲线、调和平均数、E测度指标)、多个查询的评价指标及公式(平均查准率、平均查准率均值、微平均查准率)、面向用户的评价指标(覆盖率、新颖率、相对查全率、查全努力)。
领会:
评价和比较检索系统的检索性能时所需要的条件、搜索引擎性能评价指标、TREC评测。
应用:
单个查询的查全率计算、单个查询的查准率计算、多个查询的平均查准率均值计算、多个查询的微平均查准率计算。
四、本章重点、难点
本章重点为信息检索模型中的布尔模型、向量空间模型,文本信息检索中的文本信息预处理、文本信息的倒排索引、布尔检索,Web信息检索中Web搜索引擎的工作原理和关键技术、信息检索评价指标、单个查询和多个查询的评价指标。
本章难点为信息检索模型中的布尔模型、向量空间模型,文本信息检索中的文本信息预处理、文本信息的倒排索引、布尔检索。
第3章XML数据管理
一、学习目的与要求
本章主要学习数据处理中的XML数据管理。
作为万维网上信息表示、信息传输和交换的基本形式,XML主要进行半结构化的数据处理,XML本身是一种标记语言,有特色的数据类型、表达式和函数库等XML语法。
本章针对XML数据管理的模型和编程基础及具体任务,讨论XML数据建模、语法和数据处理的代表性支撑技术。
通过本章学习,要求学生掌握半结构化数据的结构,熟悉XML的基本概念,简单了解XML的语法,掌握XML数据模型中的半结构化数据以及XML数据模型,了解XML数据处理部分的XML解析内容,熟悉XML数据库性能评测的性能基准,了解XML性能评测数据集。
领会关于XML数据管理的两个问题:
第一,如何构建一种具有一般性的逻辑模型,以描述XML半结构化数据的结构、约束和操作,这是XML数据建模问题,是半结构化数据存储、查询及应用的基础;第二,从数据库的角度,如何有效地进行XML数据库的存储、索引、查询、及优化,这是XML数据处理问题,是XML数据管理的具体任务,也是XML数据库系统研究的主要内容。
本章是数据处理中针对半结构化数据进行处理的技术,考核要求较低。
相对其他两类数据处理,即基于结构化数据处理和信息检索,本章以基本概念的识记、基本模型及技术的领会为主。
二、课程内容
1.领会XML数据管理前言概述
2.熟悉XML语法简介
3.了解XML文档结构中的基本语法要素
4.了解Xpath和Xquery查询语言的基本概念
5.领会XML数据模型,掌握结构化、半结构化和非结构化数据的概念
6.了解XML数据处理汇总的XML解析
7.了解XML数据库性能评测
三、考核知识点与考核要求
1.XML语法
识记:
XML基本概念、定义、XML基本语法要素。
领会:
XML文档的基本组成部分,XML的主要优点,XML在实际应用中具有的性质和用途、Xpath和Xquery查询语言。
2.XML数据模型
识记:
结构化、半结构化、非结构化的数据。
领会:
半结构化数据的特点、对象交换模型、半结构化数据和XML数据、XML数据模型三要素。
3.XML数据处理
识记:
四类XML解析技术。
领会:
DOM、SAX、VTD-XML。
4.XML数据库性能评测
识记:
两类XML数据库性能基准。
四、本章重点、难点
本章重点为XML基本概念、XML文档结构中的语法要素、半结构化数据、XML数据模型、XML解析、XML数据库性能评测。
本章难点为半结构化数据、XML数据模型、XML解析。
第4章数据挖掘
一、学习目的与要求
本章主要学习数据分析中的数据挖掘,以数据挖掘过程和算法为主线,介绍数据挖掘的概念、代表性预处理和挖掘方法。
数据挖掘建立在多个学科的基础之上,是人工智能和数据库领域的重要内容。
传统的数据挖掘主要针对趋势和行为自动预测、关联、聚类、关联规则、特征、变化和偏差分析以及Web挖掘等方法,而本章迎合当前数据挖掘方法和技术不断向支持大数据分析方向发展、衍生的趋势,针对非结构化数据大量出现的实际情况,数据分析和处理技术上,增加了这部分数据的挖掘方法和技术的内容。
预处理、挖掘、评估和应用,是数据挖掘的基本流程。
在学习中,要把握住数据挖掘的主线进行研究与掌握。
通过本章学习,要求学生数据挖掘的概念,了解数据挖掘的内涵,领会数据挖掘的任务,掌握数据挖掘的过程,领会数据清理的基本思想,掌握数据清理的三个步骤,领会相似重复数据、不完整数据、错误数据的数据清理方法,了解数据分析的两种方法,了解数据分类分析和数据聚类分析的概念和目的。
总体来说,要了解以下四个问题:
第一,通过填补数据、消除异常数据、平滑噪声数据以及纠正不一致的数据,来保证数据质量,这是数据清理问题,是数据挖掘和数据仓库构建预处理的重要内容;第二,在给定其他变量的条件下对感兴趣的未知变量值做出预测,这是数据的分类问题;第三,将数据对象分解或划分为多个类或簇,使同一个类中的数据对象之间具有较高的相似度、但与其他类中的数据又有较大的差异,这是句聚类问题;第四,通过实验来测试数据挖掘算法的性能,验证算法的有效性和有用性,这是算法评价问题。
本章属于数据科学的前沿知识部分,涉及到多个交叉学科和多种基础知识,作为数据处理的延伸性内容,对学生的考核要求不高,以基本概念、基本知识的识记,相关技术的简单领会为主。
二、课程内容
1.领会数据挖掘前言
2.领会数据挖掘基本的内涵和任务
3.掌握数据挖掘的过程
4.了解数据质量管理的基本思想
5.领会数据清理流程
6.掌握数据清理的三个步骤
7.领会相似重复数据、不完整数据、错误数据的数据清理方法
7.了解数据分析的两种方法
8.了解数据分类分析的概念和目的
9.了解数据聚类分析的概念和目的
三、考核知识点与考核要求
1.数据挖掘概述
识记:
数据挖掘的过程。
领会:
数据挖掘的内涵、数据挖掘的几类主要任务、数据挖掘的过程中确定分析对象、数据准备、数据挖掘、结果评价、结果应用、数据预处理的几个步骤。
2.数据清理
识记:
数据质量、全面数据质量管理及其四个环节的任务。
领会:
影响数据质量的几个方面因素、数据清理的步骤、数据清理方法中的相似重复数据清理(问题提出、识别、清理算法)、不完整数据清理(问题、填充方法及举例)、错误数据清理(问题、清理步骤)。
3.数据分析
识记:
聚类的概念、分类的概念。
领会:
数据分类的目的、聚类的目的。
四、本章重点、难点
本章重点为数据挖掘的过程,数据清理流程和数据清理方法。
难点为相似重复数据、不完整数据、错误数据的数据清理方法。
第5章数据仓库
一、学习目的与要求
本章主要学习数据分析中的数据仓库,以数据仓库的构建和应用为主线,学习数据仓库的概念、体系结构技术。
数据仓库主要为现实应用提供数据支持,并为缩小数据和信息之间的鸿沟提供桥梁,它是企业信息集成和辅助决策应用的关键技术之一。
通过数据仓库基础知识的学习,学生要对数据分析的前言知识有一些简单的了解,对云计算、移动通信与海量数据管理技术及电子商务应用之间的发展和相辅相成的关系有一些基本的认识,为解决数据和信息之间的孤岛、数据处理的高级应用和数据科学的理论研究作铺垫。
通过本章的学习,要求学生熟悉数据仓库的基本概念、领会操作性系统和信息型系统的概念并掌握两者的差异,领会数据仓库体系结构,对一般的两层结构、独立数据集市的数据仓库体系结构、依赖数据集市和操作型数据存储体系结构的三层结构、逻辑数据集市和实时数据仓库体系结构有较为清晰的认识,了解联机分析处理的基本概念。
总体而言,要领会三个方面的问题:
第一,熟悉数据库与数据仓库、操作型处理与分析型处理,阐述这些概念的本质、区别与联系,这是数据仓库定义问题;第二,不同数据源中的数据流入数据仓库后进行分析处理,提供多样的数据应用,数据及在数据仓库内的数据转换和流动过程,可以认为是数据仓库的“流水线”,根据实际需求和分析任务设计数据流入流出数据仓库的架构,是数据仓库构建和体系结构问题,也是数据仓库相关应用的基础和关键。
第三,数据仓库的真正价值体现在基于数据仓库的数据应用,根据不同的系统架构及存储模式进行数据的检索和处理以完成客户提出的数据分析任务,是联机分析处理问题,也是实现报表展示、即席查询、数据挖掘和数据分析等应用的基础。
本章旨在提升学生数据处理的能力。
作为数据处理的延伸性内容,对学生的考核要求中等偏低,以基本概念、基本知识的识记,相关技术的了解和领会为主。
二、课程内容
1.了解数据仓库的基本概念
2.领会操作型系统和信息型系统
3.领会数据仓库体系结构,对一般的两层结构、独立数据集市的数据仓库体系结构、依赖数据集市和操作型数据存储体系结构的三层结构、逻辑数据集市和实时数据仓库体系结构有较为清晰的认识,重点把握依赖数据集市和操作型数据存储体系结构的三层结构、逻辑数据集市和实时数据仓库体系结构两种结构
4.了解联机分析处理的概念
三、考核知识点与考核要求
1.数据仓库概述
识记:
数据仓库的基本概念、数据仓库的四个重要特征。
领会:
从操作性系统到信息型系统、数据仓库的ETL工具包括的功能部件。
2.数据仓库体系结构
识记:
数据集市的概念、依赖数据集市的概念、逻辑数据集市的概念、操作型数据存储的概念、逻辑数据集市的概念。
领会:
一般的两层体系结构的四个基本步骤、基于数据集市的数据仓库体系结构、基于依赖数据集市的操作型数据存储体系结构-三层结构、逻辑数据集市和实时数据仓库体系结构(两个角度出发的特征)、数据仓库和数据集市在不同方面的区别。
3.联机分析处理
识记:
OLAP的概念。
四、本章重点、难点
本章重点为数据仓库的体系结构,包括一般的两层结构、独立数据集市的数据仓库体系结构、依赖数据集市和操作型数据存储体系结构的三层结构、逻辑数据集市和实时数据仓库体系结构。
难点为依赖数据集市和操作型数据存储体系结构的三层结构、逻辑数据集市和实时数据仓库体系结构。
第6章Web服务
一、学习目的与要求
本章主要学习数据服务中的Web服务。
Web是数据服务的一种典型应用,目前对Web服务的研究和应用,从底层的分布式计算和互联网协议、到中间层的服务部署与发布、再到上层的服务组合与应用集成,具有丰富的内容。
本章以面向应用的Web服务管理为出发点,围绕自动服务发现与组合的支撑计算,在中间层之上讨论Web服务的架构与技术。
本章的学习目标是通过Web服务的学习,对数据处理的最终目标数据服务有较为清晰的理解,熟悉Web服务的特点:
面向应用、高综合性和高集成度;了解Web服务研究与应用中的关键问题是We
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 自考 12577 智能 数据处理 资料