数据挖掘

课程编码：280227081202P3002 英文名称：Data Mining 课时：40 学分：2.00 课程属性：专业课 主讲教师：高峻嘉

本课程为计算机软件学科研究生的专业普及课程。主要介绍数据挖掘技术的起源、原理、主要算法、关键技术等。课程包含的主要议题包括：数据挖掘的重要性、特点、应用领域、数据仓库、数据预处理技术、分类、预测、关联规则、聚类、异常点检测、推荐系统、深度学习、大数据挖掘等。
本课程采用全英文教学，并将注重理论与实践相结合，使计算机专业研究生掌握数据挖掘的概念的同时，锻炼解决实际问题的能力，为将来的科研工作奠定基础。

数据结构，算法，C编程，数据库，概率统计

第一章 Introduction 高峻嘉
第1节 Motivation 1.0学时
第2节 Major issues 0.5学时
第3节 Major applications 1.0学时
第4节 Data types 1.0学时
第5节 Characteristics 0.5学时
第二章 Data Warehouse 高峻嘉
第1节 Model 2.0学时
第2节 Architecture 1.0学时
第3节 Operations 1.0学时
第三章 Data Pre-processing 高峻嘉
第1节 Data cleaning 1.5学时
第2节 Data transformation 1.5学时
第3节 Data reduction 1.0学时
第四章 Classification 高峻嘉
第1节 Decision tree 1.5学时
第2节 Bayesian Classifier 1.0学时
第3节 Classification by backpropagation, 1.0学时
第4节 KNN classifier and other models 1.0学时
第5节 Prediction models 0.5学时
第6节 Example 2.0学时
第五章 Association Rules Mining 高峻嘉
第1节 Apriori 2.0学时
第2节 Apriori-based frequent itemset mining 1.5学时
第3节 FP-Growth 1.0学时
第4节 Multi-level & Multi-dimensional association rules mining 0.5学时
第六章 Clustering 高峻嘉
第1节 similarity measure 1.0学时
第2节 Partitioning methods 1.5学时
第3节 Hierarchical methods 1.0学时
第4节 Density-based methods 1.0学时
第5节 Grid-based methods 0.5学时
第6节 Outlier detection 2.0学时
第七章 Recommendation System 高峻嘉
第1节 Content-based recommendation system 1.0学时
第2节 Collaborative filtering 1.0学时
第八章 Applications 高峻嘉
第1节 Credit scoring 1.0学时
第2节 oil exploration 0.5学时
第3节 Cosmological Simulation 0.5学时
第九章 Big data mining 高峻嘉
第1节 Big data 0.5学时
第2节 Deep Learning 1.0学时
第3节 Text mining 0.5学时
第4节 High performance mining 1.0学时
第十章 Exam 高峻嘉
第1节 Exam 2.0学时

高峻嘉，高级工程师，副研究员，西部之光青年学者，中国科学院大学硕士研究生导师，主要研究方向为人工智能在医学领域的应用。担任四川省计算机学会智能医学分会智能护理专委会副主任委员、四川省计算机学会智能医学分会会员、四川省计算机学会虚拟现实学科专业委员会委员、四川省中医药信息学会智慧医疗分会理事。作为产品研发技术负责人承担了四川省科技支撑计划项目、“中科院成都分院-重庆市科学技术研究院”全国科学院联盟合作项目、中科院西部之光人才培养计划等多项院级、省部级项目，负责医学科研项目申报、实施、验收以及产品研发与成果转化。