Data Mining and Data Warehousing

课程简介

1. 数据仓库与数据挖掘简介 数据仓库与数据挖掘的介绍；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。 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；星型模式和雪花模式；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；二元、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；Condorset；基于神经网络和遗传算法的方法；效果评估。 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；用于数据挖掘的模糊逻辑、遗传算法和神经网络。 实验： 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. 数据仓库项目成功与失败的属性（如适用）。

学习目标

本课程旨在使学生掌握最新的知识和技能，以便： 1. 在数据仓库中为大型企业创建干净、一致的数据存储库； 2. 利用各种数据挖掘技术来发现大型数据库中的有趣模式； 3. 使用现有的商业或公共领域工具来执行数据挖掘任务，以解决商业和贸易中的实际问题；以及 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理念。

先修要求

先修课程：COMP2411 或同等水平的数据库入门课程

教学模式

本课程主要由课堂讲授和实验室环节组成。课堂讲授中，将通过各种案例帮助学生理解为何需要构建数据仓库以及数据挖掘在现代商业智能中的重要性。当案例呈现时，学生将有机会参与讨论。 所有作业和项目也将以不同案例的形式给出，以便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。对于这些项目和作业，学生应独立学习并进行批判性思考，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。 在实验室环节中，学生将接触支持数据仓库构建和挖掘的流行软件产品。学生应使用合适的工具解决实际的数据挖掘问题，以发现有趣的模式。