作为一名 CS 博士。今年（我从 2012 年开始）在一个大数据主题的论文中为我的论文辩护，我能给你的最好的材料是在一个链接中。

这是麻省理工学院的两位博士写的一篇关于大数据和MOOCs的文章。可能，您会发现这是一个很好的起点。顺便说一句，沿着这篇笔记，如果你真的想提出一个有效的主题（委员会和你的顾问会让你提出、研究和辩护），你需要阅读大量的论文。大多数博士。学生犯了一个致命的错误，他们认为他们拥有的某些“想法”是新的，而实际上它不是并且已经完成。你必须做一些真正原创的事情才能获得博士学位。与其现在真正专注于形成一个想法，不如做一个好的文献调查，这些想法会“自我暗示”。祝你好运！这对你来说是一个激动人心的时刻。

• ML 支持的预测模型的局限性

• 级别保费期限计划转换研究的预测模型

• 数据管理

• 商业智能 (BI) 预测分析

• 大数据和市场情报

• 教育数据挖掘

• 预测模型的自动化

• 使用机器学习预测数据质量

• 开源数据挖掘

• 数据挖掘系统

• 数据挖掘趋势

• 健康数据挖掘

• 网络分析解决方案

• 数据挖掘营销

• 搜索引擎分析中的数据挖掘

• 欺诈与安全

• 风险管理