1 / 17

计算机科学前沿技术 Frontier Technologies in Computer Science

通识卓越课程 http://en.tjcities.com/index.php/works. 计算机科学前沿技术 Frontier Technologies in Computer Science. 课程网站： http://en.tjcities.com/index.php/works 联系方式： FrontiersCS@gmail.com 微博： http://weibo.com/willtongji. 课程内容. 第 9 章 人工智能前沿 第 10 章 机器学习的研究 第 11 章 搜索引擎技术 第 12 章 集体智慧与 Web 2.0 第 13 章 云计算

effie
Télécharger la présentation

计算机科学前沿技术 Frontier Technologies in Computer Science

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 通识卓越课程 http://en.tjcities.com/index.php/works • 计算机科学前沿技术 • Frontier Technologies in Computer Science 课程网站：http://en.tjcities.com/index.php/works 联系方式：FrontiersCS@gmail.com 微博：http://weibo.com/willtongji

  2. 课程内容 • 第9章人工智能前沿 • 第10章机器学习的研究 • 第11章搜索引擎技术 • 第12章集体智慧与Web 2.0 • 第13章云计算 • 第14章物联网技术 • 第15章服务科学与服务计算 • 第16章智慧地球 第1章概述 第2章计算机硬件的发展 第3章高性能计算 第4章现代操作系统 第5章计算机网络新技术 第6章可信系统和可信软件 第7章数据库技术的发展 第8章数据挖掘及其应用

  3. 第8章 数据挖掘及其应用

  4. Information is not knowledge, Knowledge is not wisdom, Wisdom is not truth, Truth is not beauty, Beauty is not love, Love is not music, and Music is THE BEST. ——Frank Vincent Zappa Where is the Life we have lost in living? Where is the wisdom we have lost in knowledge? Where is the knowledge we have lost in information? Where is the information we have lost in data? ——T. S. Eliot, The Rock, 1934

  5. 本章内容 • 数据挖掘技术的由来 • 数据挖掘的定义 • 数据挖掘的研究内容 • 数据挖掘的应用 • 小结

  6. 数据挖掘技术的由来 数据挖掘的进化历程

  7. 典型的数据挖掘系统

  8. 数据挖掘的发展历程 第一阶段：结构化数据挖掘： 在初期，数据挖掘是面向结构化数据的，主要是指在关系数据库上进行的挖掘。 第二阶段：复杂类型数据挖掘 第三阶段：进一步产生了一些挖掘系统的研究，包括对动态、在线数据挖掘系统、分布式挖掘系统、并行挖掘系统，以及流数据、混合数据和不完备数据挖掘系统等的研究 第四阶段：开拓基于知识库的知识发现的研究方向。 数据挖掘的目标

  9. 数据挖掘的定义 数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 基于数据的决策

  10. 数据挖掘与其他分析方法的区别 数据挖掘的交叉学科基础

  11. 数据挖掘的研究内容 • 数据挖掘所发现的知识最常见的有以下： • 广义知识（Generalization） • 关联知识（Association） • 分类知识（Classification＆Clustering） • 预测型知识（Prediction） • 偏差型知识（Deviation）

  12. 数据挖掘领域十大经典算法 • 国际权威的学术组织评选出了数据挖掘领域的十大经典算法： • C4.5 • k-Means • SVM • Apriori • EM • PageRank • AdaBoost • kNN • Naive Bayes • CART

  13. 数据挖掘的流程 数据挖掘的基本过程和主要步骤

  14. 数据挖掘的研究热点 • 1．商业应用 • 2．网站的数据挖掘 • 3．Web挖掘和文本挖掘 • 4．医学研究 • 5．生物信息或基因的数据挖掘

  15. 数据挖掘的应用 • 在商业、竞技、经济等系统中的应用

  16. 推荐阅读及问题讨论 [1] Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques. Second Edition, Morgan Kaufmann, 2006. [2] 程炜, 王海勋. IEEE 数据挖掘国际会议. 2011, 7(4): 72-73. [3] Qiang Yang, Xindong Wu. 10 Challenging Problems in Data Mining Research. International Journal of Information Technology and Decision Making, 2006, 5(4): 597-604. [4] Soumen Chakrabarti, Earl Cox, et al. Data Mining: Know It All. Morgan Kaufmann, 2008. 问题与讨论 在你熟悉的领域，列举出数据挖掘的若干应用。 推荐阅读[1]是目前全球广泛使用的数据挖掘教材，了解数据挖掘领域中的主要研究内容。 阅读推荐阅读[2]，查看ICDM和KDD最新的会议信息，列举出各研究领域中的热门方向。 阅读推荐阅读[3]，列举数据挖掘领域的十大挑战问题，谈谈你对它们各自的看法。

  17. Thanks! 通识卓越课程 http://en.tjcities.com/index.php/works

More Related