数据挖掘：理论与算法

数据挖掘：理论与算法课程简介：前往报名学习

数据挖掘：理论与算法课程简介：

最有趣的理论+最有用的算法=不得不学的数据科学。

前往报名学习

数据挖掘：理论与算法课程目录：

第一章 走进数据科学：博大精深，美不胜收

--第一节 整装待发

--第二节 学而不思则罔

--第三节 知行合一

--第四节 从数据到知识

--第五节 分类问题

--第六节 聚类及其它数据挖掘问题

--第七节 隐私保护与并行计算

--第八节 迷雾重重

--第九节 相关学习资源

--课程讲义

第二章 数据预处理：抽丝剥茧，去伪存真

--第一节 数据清洗

--第二节 异常值与重复数据检测

--第三节 类型转换与采样

--第四节 数据描述与可视化

--第五节 特征选择

--第六节 主成分分析

--第七节 线性判别分析

--第八节 相关学习资源

--课程讲义

第三章 从贝叶斯到决策树：意料之外，情理之中

--第一节 贝叶斯奇幻之旅

--第二节 朴素是一种美德

--第三节 数据、规则与树

--第四节 植树造林学问大

--第五节 相关学习资源

--课程讲义

第四章 神经网络：巨量并行，智慧无限

--第一节 智慧之源神经元

--第二节 会学习的神经元

--第三节 从一个到一群

--第四节 层次分明，责任到人

--第五节 管中窥豹，抛砖引玉

--第六节 相关学习资源

--课程讲义

第五章 支持向量机：数学之美，巅峰之作

--第一节 最大间隔

--第二节 线性SVM

--第三节 数学家的把戏

--第四节 致敬真神

--第五节 相关学习资源

--课程讲义

第六章 聚类分析：物以类聚，人以群分

--第一节 无监督学习

--第二节 K-Means

--第三节 期望最大法

--第四节 密度与层次

--第五节 相关学习资源

--课程讲义

第七章 关联规则：营销购物，自有乾坤

--第一节 项集与规则

--第二节 支持度与置信度

--第三节 误区

--第四节 Apriori 算法

--第五节 实例分析

--第六节 序列模式

--第七节 相关学习资源

--课程讲义

第八章 推荐算法：察言观色，投其所好

--第一节 无所不在的推荐

--第二节 隐含语义分析

--第三节 PageRank传奇

--第四节 协同过滤

--第五节 告诉你一个真实的推荐

--课程讲义

第九章 集成学习：兼听则明，偏听则暗

--第一节 民主协商：Ensemble

--第二节 群策群议：Bagging

--第三节 环环相扣：Boosting

--第四节 集成之美：AdaBoost

--第五节 继往开来：RegionBoost

--第六节 相关学习资源

--课程讲义

第十章 进化计算：大道至简，万物之本

--第一节 人与自然

--第二节 尽善尽美

--第三节 走向进化

--第四节 遗传算法初探

--第五节 遗传算法进阶

--第六节 遗传程序设计

--第七节 万物皆进化

--第八节 相关学习资源

--课程讲义

第十一章 美丽数据说：阆苑仙葩，美玉无瑕

--第一节 数据之美

--第二节 南国紫荆亦芬芳

--第三节 相关学习资源

期末考试

数据挖掘：理论与算法授课教师：

袁博-副研究员-清华大学-深圳国际研究生院

澳大利亚昆士兰大学计算机科学博士，清华大学深圳国际研究生院培养处副处长，博士生导师，国家精品在线开放课程负责人，深圳市优秀教师。荣获清华大学青年教师教学优秀奖、清华大学青年教师教学大赛一等奖、清华大学年度教学优秀奖、清华大学教学成果一等奖、教育部在线教育研究中心 "智慧教学之星" 称号、北京高校青年教师教学基本功比赛最佳教案奖和最受学生欢迎奖。研究领域为数据挖掘、进化计算及并行计算，发表学术论文近百篇，获国内发明专利四项。现为中国图像图形学学会视觉认知与计算专业委员会委员、IEEE 计算智能协会新兴技术委员会委员、IEEE Access 期刊编委、悉尼科技大学客座研究员。