Bài giảng Nhập môn khai phá dữ liệu: Giới thiệu môn học – K55

Bài giảng Nhập môn khai phá dữ liệu: Giới thiệu môn học – K55 với mục tiêu cung cấp các kiến thức cơ bản về khai phá dữ liệu và phát hiện tri thức: Khái niệm, kiến trúc hệ thống và đặc trưng; các bài toán điển hình phân lớp, phân cụm, luật kết hợp; các thuật toán Bayes, cây quyết định, mạng neural,...
Nội dung trích xuất từ tài liệu:
Bài giảng Nhập môn khai phá dữ liệu: Giới thiệu môn học – K55NHẬP MÔN KHAI PHÁ DỮ LIỆU GIỚI THIỆU MÔN HỌC – K55 PGS. TS. HÀ QUANG THỤY HÀ NỘI 09-2013 TRƯỜNG ĐẠI HỌC CÔNG NGHỆ ĐẠI HỌC QUỐC GIA HÀ NỘI 1Giới thiệu chung về môn học Tên môn học: Nhập môn khai phá dữ liệu Số tín chỉ: 3 Tài liệu dạy - học: Nguyễn Hà Nam, Nguyễn Trí Thành, Hà Quang Thụy (2013). Giáo trình khai phá dữ liệu (Các chương: 1-6, 10). Bài giảng: http://uet.vnu.edu.vn/~thuyhq/courses.html Tài liệu tham khảo:1. J. Han, M. Kamber, and Jian Pei (2011). Data Mining: Concepts and Techniques (3rd edition), Morgan Kaufmann2. Robert Nisbet, John Elder, and Gary Miner (2009). Handbook of Statistical Analysis and Data Mining, Elsevier, 2009.3. [WK09] Xindong Wu and Vipin Kumar (Eds), The Top Ten Algorithms in Data Mining, Chapman & Hall/CRC, 20094. David Easley, Jon Kleinberg (2010). Networks, Crowds, and Markets: Reasoning about a Highly Connected World, Cambridge University Press.5. Phan Xuân Hiếu, Đoàn Sơn, Nguyễn Trí Thành, Hà Quang Thụy, Nguyễn Thu Trang, Nguyễn Cẩm Tú (2009). Giáo trình khai phá dữ liệu Web, NXBGD, 2 2009.Vị trí của môn học CTĐT ĐH HTTT 3Vị trí của môn học CTĐT ĐH HTTT 4Vị trí của môn học CTĐT ĐH HTTT 5Nội dung và mục tiêu môn học Cung cấp các kiến thức cơ bản về khai phá dữ liệu và phát hiện tri thức: khái niệm, kiến trúc hệ thống và đặc trưng; các bài toán điển hình phân lớp, phân cụm, luật kết hợp; các thuật toán Bayes, cây quyết định, mạng neural... Chuẩn đầu ra môn học: Trang tiếpMôn học NUS-SoC CS5228 Knowledge Discovery and Data Mining 13/08/13Modular Credits: 4Workload: 3-0-0-3-4Prerequisite(s): CS1231, CS3243, (CS2102 or CS2102S) and (ST1232 or ST2131 or ST2334)Preclusion(s): Nil Cross-listing(s): NilThis course introduces fundamental principles behind data mining and efficienttechniques for mining large databases. It provides an overview of the algorithmic aspectof data mining: its efficiency (high-dimensional database indexing, OLAP, data reduction,compression techniques) and effectiveness (machine learning involving greedy search,branch and bound, stochastic search, parameter optimisation).Efficient techniques covered include association rules mining (Apriori algorithm,correlation search, constrained association rule discovery), classifier induction (decisiontrees, RainForest, SLIQ; Support vector machine; Naive Bayesian; classification basedon association/visualisation), cluster analysis (kmeans, k-mediods, DBSCAN, OPTICS,DENCLUE, STING, CLUSEQ, ROCK etc), and outliers/deviants detection (LOF, Distance-based outlier etc.). 6 Chuẩn đầu ra môn học• Hiểu được bài toán khai phá dữ liệu là gì, ý nghĩa, ứng dụng của nó• Nắm được các bước xử lý trong quá trình khai phá dữ liệu• Hiểu được các bài toán trong quá trình tiền xử lý dữ liệu, các phương pháp xử lý tương ứng với các bài toán này• Hiểu được bài toán phân lớp, ý nghĩa, ứng dụng. Hiểu, sử dụng được công cụ và ứng dụng được các phương pháp phân lớp phổ biến vào các bài toán thực tế: Naive Bayes, Neural network, SVM, MEM, ...• Hiểu được bài toán phân cụm, ý nghĩa, ứng dụng của nó. Hiểu, sử dụng công cụ và ứng dụng được một số thuật toán thông dụng vào các bài toán thực tế như: k-mean, HAC, DIANA, …• Hiểu được được bài toán khai phá luật kết hợp, ý nghĩa, ứng dụng của nó. Hiểu và sử dụng, ứng dụng được vào một bài toán thực tế. 7Một số môn học liên quan Kho dữ liệu: Khái niệm kho dữ liệu, đặc trưng của kho dữ liệu (đối sánh với đặc trưng của hệ cơ sở dữ liệu), tổ chức lưu trữ dữ liệu theo tiếp cận chiều, các kiến trúc kho dữ liệu và phương pháp luận thiết kế kho dữ liệu, phân tích dữ liệu trực tuyến (OLAP). Sử dụng phần mềm công cụ để thiết kế kho dữ liệu và phân tích dữ liệu. Các chủ đề hiện đại của HTTT (KPDL) Dưới sự hướng dẫn của các nhà khoa học, sinh viên làm việc theo nhóm tiến hành tìm hiểu, nghiên cứu những chủ đề mang tính thời sự trong ngành Hệ thống thông tin có định hướng theo Khai phá dữ liệu và Tích hợp hệ thống. Năm học 2013-2014: Khai phá quan điểm Khai phá dữ liệu hướng lĩnh vực Khai phá dữ liệu mang tính ứng dụng theo từng lĩnh vực như tài chính, y học, sinh học v.v... hoặc miền dữ liệu văn bản (text, web, social media...), trong đó chú trọng tới tri thức miền ứng dụng, các mô hình dữ liệu đặc thù cho lĩnh vực và các phương pháp khai phá dữ liệu phù 8 hợp với lĩ ...