TAILIEUCHUNG - Bài giảng Nhập môn khai phá dữ liệu: Giới thiệu môn học – K55
Bài giảng Nhập môn khai phá dữ liệu: Giới thiệu môn học – K55 với mục tiêu cung cấp các kiến thức cơ bản về khai phá dữ liệu và phát hiện tri thức: Khái niệm, kiến trúc hệ thống và đặc trưng; các bài toán điển hình phân lớp, phân cụm, luật kết hợp; các thuật toán Bayes, cây quyết định, mạng neural,. | NHẬP MÔN KHAI PHÁ DỮ LIỆU GIỚI THIỆU MÔN HỌC – K55 PGS. TS. HÀ QUANG THỤY HÀ NỘI 09-2013 TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI Giới thiệu chung về môn học Tên môn học: Nhập môn khai phá dữ liệu Số tín chỉ: 3 Tài liệu dạy - học: Nguyễn Hà Nam, Nguyễn Trí Thành, Hà Quang Thụy (2013). Giáo trình khai phá dữ liệu (Các chương: 1-6, 10). Bài giảng: Tài liệu tham khảo: J. Han, M. Kamber, and Jian Pei (2011). Data Mining: Concepts and Techniques (3rd edition), Morgan Kaufmann Robert Nisbet, John Elder, and Gary Miner (2009). Handbook of Statistical Analysis and Data Mining, Elsevier, 2009. [WK09] Xindong Wu and Vipin Kumar (Eds), The Top Ten Algorithms in Data Mining, Chapman & Hall/CRC, 2009 David Easley, Jon Kleinberg (2010). Networks, Crowds, and Markets: Reasoning about a Highly Connected World, Cambridge University Press. Phan Xuân Hiếu, Đoàn Sơn, Nguyễn Trí Thành, Hà Quang Thụy, Nguyễn Thu Trang, Nguyễn Cẩm Tú (2009). Giáo trình khai phá dữ liệu Web, NXBGD, 2009. Vị trí của môn học CTĐT ĐH HTTT Vị trí của môn học CTĐT ĐH HTTT Vị trí của môn học CTĐT ĐH HTTT Nội dung và mục tiêu môn học Môn học NUS-SoC CS5228 Knowledge Discovery and Data Mining 13/08/13 Modular Credits: 4 Workload: 3-0-0-3-4 Prerequisite(s): CS1231, CS3243, (CS2102 or CS2102S) and (ST1232 or ST2131 or ST2334) Preclusion(s): Nil Cross-listing(s): Nil This course introduces fundamental principles behind data mining and efficient techniques for mining large databases. It provides an overview of the algorithmic aspect of data mining: its efficiency (high-dimensional database indexing, OLAP, data reduction, compression techniques) and effectiveness (machine learning involving greedy search, branch and bound, stochastic search, parameter optimisation). Efficient techniques covered include association rules mining (Apriori algorithm, correlation search, constrained association rule discovery), classifier induction (decision trees,
đang nạp các trang xem trước
