目录
对称性破缺
物理学对称性
混沌
数据降维：就是不同算法法抽样
大数据考试题目
教育大数据科学问题
混沌运动是一种典型的非周期运动，是周期运动对称性的破缺，而对称性破缺实质上意味着有序程度的提高，所以混沌运动是另一种类型的有序·混沌区的系统行为并非真的一团乱麻，混沌谐本身还具有无穷的内部结构，其中嵌套着各种周期窗口，非周期与周期难分难解地交叉、缠绕在一起，表明混沌行为是一种非平庸的有序性;混沌内部的无穷嵌套结构具有标度变换的不变性，局部放大后其结构与整体相似，这种自相似性也是某种意义上的对称性，因此，混沌可以看成具有更高层次上的对称特征的有序态。
对称性破缺是一个跨物理学、生物学、社会学与系统论等学科的概念，狭义简单理解为对称元素的丧失；也可理解为原来具有较高对称性的系统，出现不对称因素，其对称程度自发降低的现象。
对称破缺是事物差异性的方式，任何的对称都一定存在对称破缺。对称性是普遍存在于各个尺度下的系统中，有对称性的存在，就必然存在对称性的破缺。对称性破缺也是量子场论的重要概念，指理论的对称性为真空所破坏，对探索宇宙的本原有重要意义。它包含“自发对称性破缺”和“动力学对称性破缺”两种情形。
MAUAO+mBU=mA+mBUm
- 空间反演变换(宇称):镜子
- 时间反演变换:录视频
- 参考系变换:宇宙飞船相对飞行
混沌是决定动力学系统中出现的一种貌似随机的运动，其本质是系统的长期行为对初始条件的敏感性。常说“差之毫厘，失之千里”。
数据降维：就是不同算法法抽样
摘 要:随着移动设备的普及和信息通信技术的迅速发展，教育数据的种类和数量以前所未有的速度增长。大数据已经开始在教育领域显示出巨大的价值。教育大数据可以从宏观层面、中间层面和微观层面进行分析，Hadoop、Spark和Samza是三种最流行的分析平台。教育大数据涵盖了四个大 的研究方向，即学习者行为和表现，建模和教育数据仓库、教育体系的改进和大数据与课程的整合，其研究面临一系列的挑战。
2.教育大数据质量 数据的价值取决于数据的质量。通常情况下，数据包含误差、错误和不完整性，但是，目前低质量数据已经成为一个严重的问题。在许多数据仓 库项目中，数据清理消耗大约30%至80%的开发时间和预算，提高教育数据质量是大数据分析专家面临的重要挑战。
4.教育大数据的杳询和索引
在教育大数据的查询和索引中，存在一些挑战。首先，大数据存储在分布式系统中，因此大数据集的索引结构和查询理论应该基干这样的系统来 发展。其次，树状结构在传统的查询优化和索引技术中非常流行，但在大数据集上却不能很好地工作。第三，容错是大数据查询和索引中需要注意的 一个重要方面。此外，在大数据分析中保持合理的查询性能和吞吐量是一个重大的研究挑战。
