Data Mining and Data Warehousing

课程简介

课程 1. 数据仓库与数据挖掘简介 数据仓库与数据挖掘简介；商业和金融领域的潜在应用领域；定义和术语；数据挖掘问题类型。 2. 数据仓库 数据仓库与数据仓储；数据仓库与行业；定义；操作数据库与数据仓库。 3. 数据仓库架构与设计 数据仓库架构与设计；两层和三层架构；星型模式与雪花模式；数据特性；静态与动态数据；元数据；数据集市。 4. 数据复制与在线分析处理 数据复制、数据捕获与索引、数据转换与清洗；复制数据与衍生数据；在线分析处理（OLAP）；多维数据库；数据立方体。 5. 数据挖掘与知识发现 数据挖掘与知识发现，数据挖掘生命周期；预处理；数据转换；问题类型与应用。 6. 关联规则 关联规则挖掘；Apriori算法；二进制、定量和泛化关联规则；有趣度度量。 7. 分类 分类；基于决策树的算法；贝叶斯方法；统计方法、最近邻方法；基于神经网络的方法；基于遗传算法的技术；分类模型的评估。 8. 聚类 聚类；k-means算法；层次算法；Condorcet；基于神经网络和遗传算法的方法；有效性评估。 9. 序列数据挖掘 序列数据挖掘；时间依赖数据和时间数据；时间序列分析；子序列匹配；时间数据的分类与聚类；预测。 10. 其他技术 计算智能技术；模糊逻辑、遗传算法和神经网络在数据挖掘中的应用。 实验课题 1. 使用数据挖掘工具发现关联规则和序列模式 2. 使用数据挖掘工具发现分类规则 3. 使用数据挖掘工具发现聚类 案例研究 1. 将数据挖掘技术应用于解决实际商业问题。 2. 导致数据仓库项目成功与失败的属性，适当情况下进行讨论。

学习目标

本课程旨在使学生掌握最新的知识和技能，以便能够： 1. 为大型企业创建干净、一致的数据仓库存储库； 2. 利用各种数据挖掘技术在大型数据库中发现有趣的模式； 3. 使用现有的商业或公共领域工具执行数据挖掘任务，以解决商业和商业中的实际问题； 4. 让学生了解可用于提高当前数据挖掘工具有效性的新技术和新思想。

先修要求

先修课程：COMP2411 或同等入门数据库课程

教学模式

本课程主要由课堂讲座和实验课组成。课堂讲座中，将通过各种案例来帮助学生理解为什么需要构建数据仓库以及数据挖掘对现代商业智能的重要性。当展示案例时，学生将有机会参与讨论。 所有作业和项目将以不同案例的形式给出，以便让学生更多地了解数据仓库和数据挖掘在实际商业环境中的应用。对于项目和作业，学生应独立学习并批判性思考，尽量减少指导。他们应通过项目文档和报告写作来练习写作技能。由于学生将分组完成项目，他们还应学习如何与他人合作。 在实验课中，学生将被介绍到支持数据仓库构建及其挖掘的流行软件产品。学生应使用合适的工具解决实际数据挖掘问题，以找到有趣的模式。