Data mining chapter 0

1 Khai phá dữ liệu Khai phá dữ liệu (Data mining) (Data mining) Giáo trình điện tử Giáo trình điện tử Học kỳ 1 – 2009-2010 Khoa Khoa Học & Kỹ Thuật Máy Tính Khoa Khoa Học & Kỹ Thuật Máy Tính Trường Đại Học Bách Khoa Tp. Hồ Chí Minh Trường Đại Học Bách Khoa Tp. Hồ Chí Minh 2 Nội dung  Chương 1: Tổng quan về khai phá dữ liệu  Chương 2: Các vấn đề tiền xử lý dữ liệu  Chương 3: Hồi qui dữ liệu  Chương 4: Phân loại dữ liệu  Chương 5: Gom cụm dữ liệu  Chương 6: Khai phá luật kết hợp  Chương 7: Phát triển ứng dụng khai phá dữ liệu  Chương 8: Các đề tài nghiên cứu trong khai phá dữ liệu 3 Tài liệu tham khảo  [1] Jiawei Han, Micheline Kamber, “Data Mining: Concepts and Techniques”, Second Edition, Morgan Kaufmann Publishers, 2006.  [2] David Hand, Heikki Mannila, Padhraic Smyth, “Principles of Data Mining”, MIT Press, 2001.  [3] David L. Olson, Dursun Delen, “Advanced Data Mining Techniques”, Springer-Verlag, 2008.  [4] Graham J. Williams, Simeon J. Simoff, “Data Mining: Theory, Methodology, Techniques, and Applications”, Springer-Verlag, 2006.  [5] ZhaoHui Tang, Jamie MacLennan, “Data Mining with SQL Server 2005”, Wiley Publishing, 2005.  [6] Oracle, “Data Mining Concepts”, B28129-01, 2008.  [7] Oracle, “Data Mining Application Developer’s Guide”, B28131-01, 2008. 4 Môn học trước  Phân tích - Thiết kế Giải thuật (501044)  Hệ Cơ sở dữ liệu (503002)  Trí tuệ nhân tạo (505004) 5 Hiểu biết - Kỹ năng đạt được  Hiểu các bước trong quá trình khám phá tri thức  Mô tả được các khái niệm cơ bản, công nghệ, và ứng dụng của khai phá dữ liệu  Giải thích được các tác vụ khai phá dữ liệu phổ biến như hồi qui, phân loại, gom cụm, và khai phá luật kết hợp  Nhận dạng được các vấn đề về dữ liệu trong giai đoạn tiền xử lý cho các tác vụ khai phá dữ liệu  Hiểu cách sử dụng khai phá dữ liệu để có được các quyết định tốt hơn  Sử dụng được các giải thuật và công cụ khai phá dữ liệu để phát triển ứng dụng khai phá dữ liệu  Được chuẩn bị về kiến thức để có thể nghiên cứu trong lĩnh vực khai phá dữ liệu 6 Đánh giá  Bài tập lớn: 40%  Thi cuối kỳ (thi viết): 60%  Đạt: 40%*Bài tập lớn + 60%*Thi cuối kỳ >= 5.0 7 Yêu cầu đối với sinh viên  Sinh viên nên có mặt tại lớp hơn 75%.  Sinh viên nên đọc trước tài liệu tham khảo cho mỗi chương.  Sinh viên nên làm các bài tập của mỗi chương.  Sinh viên nên tham khảo thêm các tài liệu học tập khác, đặc biệt từ nguồn Internet. 8 Thực hành  Oracle 10g/11g DBMS và Oracle 10g/11g Data Mining  [6, 7]  MS SQL Server 2005/2008 DBMS và Business Intelligence Development Studio  [5]  WEKA (the University of Waikato, New Zealand, www.cs.waikato.ac.nz/ml/weka) 9 Bài tập lớn  Sinh viên làm việc nhóm gồm 2-3 thành viên.  Sinh viên nhận đề tài vào tuần thứ 1.  Sinh viên chốt đề tài và bắt đầu thực hiện từ tuần thứ 2.  Sinh viên nộp bài làm (bản word, slides, và sản phẩm nếu có) vào tuần thứ 13.  Sinh viên trình bày (tùy chọn) bài làm vào tuần thứ 13-14. 10 Đề tài của Bài tập lớn  Tìm hiểu và thi công một công trình (có phản biện) trong lĩnh vực khai phá dữ liệu (2-3 sinh viên)  Tìm hiểu và thử nghiệm một công cụ khai phá dữ liệu khác với công cụ được thực hành (2-3 sinh viên)  Phát triển một đề án thực tế có áp dụng khai phá dữ liệu (2-3 sinh viên) . Data Mining with SQL Server 200 5”, Wiley Publishing, 200 5.  [6] Oracle, Data Mining Concepts”, B2812 9 -0 1, 200 8.  [7] Oracle, Data Mining Application Developer’s Guide”, B2813 1 -0 1, 200 8 “Advanced Data Mining Techniques”, Springer-Verlag, 200 8.  [4] Graham J. Williams, Simeon J. Simoff, Data Mining: Theory, Methodology, Techniques, and Applications”, Springer-Verlag, 200 6.  [5]. B2813 1 -0 1, 200 8. 4 Môn học trước  Phân tích - Thiết kế Giải thuật ( 501 044)  Hệ Cơ sở dữ liệu ( 503 002 )  Trí tuệ nhân tạo ( 505 004 ) 5 Hiểu biết - Kỹ năng đạt được  Hiểu các bước trong quá