官网地址：入学参考书目 (fudan.edu.cn)
考试指导范围如下：
一、考试目标
主要考察考生是否初步掌握数据分析与评价的基本概念和理论，检验考生是否了解数据分析与评价的程序，是否能够通过各类研究方法来解决实际问题，并提供用户服务。
二、考试要求
数据分析部分:
(1) 掌握数据分析的基本概念;
(2) 了解主要的数据分析方法;
(3) 初步了解大数据分析成果的评价流程和方法。
评价部分:
(1) 掌握评价研究的基本概念;
(2) 了解评价研究的主要方法;
(3) 初步掌握评价的相关流程。
三、考试内容
第一部分：数据分析
1 大数据概论
1.1 大数据的特点
1.2 数据分析过程
1.3 专业领域知识
1.3.1 统计学
1.3.2 数据挖掘
1.3.3 机器学习
1.3.4 人工智能
1.3.5 数学
2 大数据的预处理、存储和计算
2.1 数据的预处理
2.2 数据清洗
2.2.1 数据清洗的系统框架
2.2.2 待清洗数据的主要类型
2.2.3 数据检测算法和清洗算法
2.2.4 数据清洗评估
2.3 云存储和云计算
3 数据可视化
3.1 基本原理
3.2 实现过程
3.3 可视化工具
3.4 数据可视化方法
4 回归与分类
4.1 线性回归
4.2 时间序列分析
4.3 逻辑斯谛回归
4.4 判别分类
4.5 k最近邻分类
4.6 决策树
4.7 Bagging分类
4.8 随机森林分类
4.9 AdaBoost分类
4.10 支持向量机分类
5 聚类及相关数据分析
5.1 聚类分析
5.2 文本分析
5.3 网络图形描述和模型
5.4 网络数据分析和图形模型
5.5 关联规则和推荐系统
6 其他机器学习方法
6.1 经典降维方法
6.2 正则化方法
6.3 贝叶斯方法
7 神经网络与深度学习
7.1 神经网络
7.2 深度神经网络
7.3 卷积神经网络
7.4 循环神经网络
7.5 强化学习*
7.6 深度学习在人工智能中的应用
8 信息分析的一般方法
8.1 SPSS统计分析法
8.2 引文分析法
8.3 知识地图分析法
9 信息分析的特殊方法
9.1 PEST宏观环境分析
9.2 五力模型竞争分析
9.3 BCG投资组合分析
9.4 SWOT战略分析
10 信息分析成果可视化
10.1 信息分析成果可视化内涵
10.2 信息分析成果可视化过程
10.3 信息分析成果可视化主要方法
10.3.1 空间信息分析可视化
10.3.2 社会网络分析可视化
10.3.3 复杂网络分析可视化
10.3.4 层次信息分析可视化
10.3.5 专利信息分析可视化
11 信息分析成果评价
11.1信息分析成果评价的内涵
11.2信息分析成果评价工作流程
11.3信息分析成果的评价指标体系
11.4信息分析成果的评价方法
第二部分：评价研究
1 科学评价概述
1.1 科学评价活动的兴起与发展
1.2 科学评价的内涵
1.3 科学评价活动的意义
1.4 科学评价活动的原则与类型
1.5 科学评价系统
2 评价学的理论基础
2.1 价值理论
2.2 认识理论
2.3 计量学理论
2.4 比较与分类理论
2.5 信息管理科学理论
2.6 系统科学理论
2.7 科学管理与决策理论
3 评价学的学科构建
3.1 评价学构建的意义
3.2 评价学的兴起与发展
3.3 评价学的学科体系
4 评价学的理论体系
4.1 评价学的理论来源
4.2 评价学的理论构成
5 评价学方法论
5.1 评价学方法论的意义
5.2 评价学方法论概述
5.3 评价学方法论的内容
5.4 评价学方法的分类与比较分析
6 广义的评价方法
6.1 评价的程序
6.2 评价指标体系形成的一般方法
6.3 评价指标权重赋值方法
6.4 评价信息获取与数据处理方法
7 评价学的定性方法
7.1 同行评议发
7.2 案例研究法
7.3 德尔菲法
7.4 标杆分析法
7.5 调查研究法
8 评价学的定量方法
8.1 文献计量法
8.2 经济计量法
9 评价学的综合方法
9.1 层次分析法
9.2 多指标综合评价法
9.3 知识图谱分析法
10 国家竞争力分析
11 大学评价
12 科研机构评价
13 企业竞争力评价
14 学术期刊评价
15 人文社会科学研究成果评价
四、参考教材
(1) 情报学基础教程.叶鹰主编.科学出版社，2023
(2) 评价学:理论·方法·实践 .邱均平主编.武汉:科学出版社，2010
(3) 数据科学与大数据导论.陈明主编.清华大学出版社，2021
