课程大纲

介绍

  • 数据挖掘作为 KDD 过程的分析步骤(“Database 中的知识发现”)
  • 计算机科学子领域
  • 在大型数据集中发现模式

方法的来源

  • 人工智能
  • 机器学习
  • Statistics
  • 数据库系统

涉及什么?

  • Database 和数据管理方面
  • 数据预处理
  • 模型和推理注意事项
  • 趣味性指标
  • 复杂性注意事项
  • 对发现的结构进行后处理
  • 可视化
  • 在线更新

数据挖掘主要任务

  • 自动或半自动分析大量数据
  • 提取以前未知的有趣模式
  • 数据记录组(聚类分析)
  • 异常记录(异常检测)
  • 依赖项(关联规则挖掘)

数据挖掘

  • 异常检测(异常值/变化/偏差检测)
  • 关联规则学习(依赖关系建模)
  • 聚类
  • 分类
  • 回归
  • 综述

用途与应用

  • Able 危险
  • 行为分析
  • 业务分析
  • Data Mining 的跨行业标准流程
  • 客户分析
  • 农业数据挖掘
  • 气象学中的数据挖掘
  • 教育数据挖掘
  • 人类基因聚类
  • 推理攻击
  • 爪哇 Data Mining
  • 开源情报
  • 路径分析(计算)
  • 反应式商业智能

数据疏通、数据钓鱼、数据窥探

要求

关于关系数据结构的公平知识,SQL

  21 小时
 

人数


开始

完结


Dates are subject to availability and take place between 09:30 and 16:30.

每位参与者的报价

客户评论 (9)

相关课程

课程分类