Data Mining and Data Warehousing Applications

课程简介

• 数据仓库和数据挖掘简介；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。 • 数据仓库和数据仓库技术；数据仓库与行业；定义；操作数据库与数据仓库的区别。 • 数据仓库架构与设计；两层和三层架构；星型模式和雪花模式；数据特性；静态数据与动态数据；元数据；数据集市。 • 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；联机分析处理（OLAP）；多维数据库；数据立方体。 • 数据挖掘与知识发现，数据挖掘生命周期；预处理；数据转换；不同类型的问题与应用。 • 关联规则挖掘；先验算法；二进制、定量和泛化关联规则；有趣度度量。 • 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；分类模型评估。 • 聚类；K均值算法；层次算法；Condorset；基于神经网络和遗传算法的方法；效果评估。 • 序列数据挖掘；时间依赖数据与时间数据；时间序列分析；子序列匹配；时间数据的分类与聚类；预测。 • 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。

学习目标

1. 更有效地利用数据库中存储的数据； 2. 在数据仓库中创建干净、一致的数据存储库； 3. 利用各种层次和类型的数据汇总支持管理决策； 4. 使用不同的数据挖掘技术发现数据中嵌入的模式和知识。

先修要求

无

教学模式

课堂活动包括讲座、辅导、实验室、研讨会（如适用）；讲座、讨论和案例研究分析的混合模式。