- 1.2.1 学而不思则罔
- 1.3.1 知行合一
- 1.4.1 从数据到知识
- 1.5.1 分类问题
- 1.6.1 聚类及其它数据挖掘问题
- 1.7.1 隐私保护与并行计算
- 1.8.1 迷雾重重
- 1.9.1 视频来源:互联网
- 2.1.1 数据清洗
- 2.2.1 异常值与重复数据检测
- 2.3.1 类型转换与采样
- 2.4.1 数据描述与可视化
- 2.5.1 特征选择
- 2.6.1 主成分分析
- 2.7.1 线性判别分析
- 2.7.2 线性判别分析
- 2.8.1 视频来源:互联网
- 3.1.1 贝叶斯奇幻之旅
- 3.2.1 朴素是一种美德
- 3.3.1 数据、规则与树
- 3.4.1 植树造林学问大
- 3.5.1 视频来源:互联网
- 4.1.1 智慧之源神经元
- 4.2.1 会学习的神经元
- 4.3.1 从一个到一群
- 4.4.1 层次分明,责任到人
- 4.5.1 管中窥豹,抛砖引玉
- 4.6.1 视频来源:互联网
- 5.1.1 最大间隔
- 5.2.1 线性SVM
- 5.3.1 数学家的把戏
- 5.4.1 致敬真神
- 5.5.1 视频来源:互联网
- 6.1.1 无监督学习
- 6.2.1 K-Means
- 6.3.1 期望最大法
- 6.4.1 密度与层次
- 7.1.1 项集与规则
- 7.2.1 支持度与置信度
- 7.3.1 误区
- 7.4.1 Apriori 算法
- 7.5.1 实例分析
- 7.6.1 序列模式
- 7.7.1 视频来源:互联网
- 8.1.1 无所不在的推荐
- 8.2.1 隐含语义分析
- 8.3.1 PageRank传奇
- 8.4.1 协同过滤
- 8.5.1 告诉你一个真实的推荐
- 9.1.1 民主协商:Ensemble
- 9.2.1 群策群议:Bagging
- 9.3.1 环环相扣:Boosting
- 9.4.1 集成之美:AdaBoost
- 9.5.1 继往开来:RegionBoost
- 10.1.1 人与自然
- 10.2.1 尽善尽美
- 10.3.1 走向进化
- 10.4.1 遗传算法初探
- 10.5.1 遗传算法进阶
- 10.5.2 遗传算法进阶
- 10.6.1 遗传程序设计
- 10.7.1 万物皆进化
- 10.8.1 视频来源:互联网
- 10.8.2 视频来源:互联网
- 11.1.1 数据之美
- 11.1.2 数据之美
- 11.2.1 南国紫荆亦芬芳
数据是人类对客观世界感知的一种具体表现形式。随着信息技术的发展,数据变得无所不在,对数据进行加工和分析已经成为一项核心的技能。如果你喜欢信息技术,又不想做青春易逝的码农,那就当一名能够预测变化、洞察秋毫的数据分析工程师和未来的Chief Data Officer!如果你选择在其它专业领域发展,数据分析也会成为你事业的助推器和催化剂,至少帮助你更加理性地看待世间万物。总而言之,数据分析技术如同二十年前的互联网,正引领着新一轮的技术变革,影响着每一个人的生活。与其视而不见,不如勇于面对,和我一起发现数据之美!
数据挖掘这一学科近年来发展十分迅速,不仅产生了大量不同类型的挖掘算法,而且也表现出与机器学习等学科深度融合的态势。无论是从事研究的专家学者还是从事应用的开发人员都十分希望能一窥其大略,从而比较准确地把握数据挖掘领域当前的主干技术,并比较全面地了解当前的发展趋势。
本课程完整覆盖数据挖掘领域的各项核心技术,包括数据预处理、分类、聚类、回归、关联、推荐、集成学习、进化计算等。强调在知识的广度、深度和趣味性之间寻找最佳平衡点,在生动幽默中讲述数据挖掘的核心思想、关键技术以及一些在其它相关课程和教科书中少有涉及的重要知识点。本课程适合对大数据和数据科学感兴趣的各专业学生以及工程技术人员学习,不追求纯粹的理论推导,而是把理论与实践有机结合,让学生学到活的知识、有用的知识和真正属于自己的知识,特别是数据分析领域的研究方法和思维方式。