《中山大学软件学院 软件工程硕士研究生课程教学大纲 course profile for》由会员分享，可在线阅读，更多相关《中山大学软件学院 软件工程硕士研究生课程教学大纲 course profile for（4页珍藏版）》请在金锄头文库上搜索。
1、- 1 - 中山大学软件学院中山大学软件学院 软件工程硕士研究生课程教学大纲软件工程硕士研究生课程教学大纲 Course Profile for Master of Software Engineering (MSE) Students 最近更新 / Revision : 2009.10.30 课程编号 Course Code SE-202 课程名称 Course Title 数据仓库与数据挖掘 Data Warehousing and Data Mining 课程类别 Course Type 专业选修 Elective 学分 Credits 2 理论环节 Lecture Sessions 3
2、2 实验环节 Laboratory Sessions 4 周学时 Hours per Week 2 总学时 Total Hours 学时合计 Total Hours 36 开课学期 Semester 第一学年春季学期 Spring semester, 1st year 课程负责人 Course Coordinator 冯剑琳教授 Prof. Jianlin FENG Email: Homepage:http:/ 主要授课教师 Principal Instructors 冯剑琳教授、印鉴教授、刘玉葆副教授、任江涛副教授、张锋博士、徐亚波博士。 Prof. Jianlin FENG, Prof.
3、Jian YIN, Associate Prof. Yu-bao LIU, Associate Prof. Jiang-tao REN, Dr. Feng ZHANG, Dr. Yabo XU. 教学助理配置 Teaching Assistants None. 课外交流时间 Office Hours 主讲教师：每周 2 小时。 Instructor: 2 hours per week. 教学助理：无。 TA: N/A. 课程主页 Homepage PENDING 讨论社区 Forum PENDING 课程描述 Course Description 数据仓库与数据挖掘技术帮助用户更有效地分析大量
4、的数据集合。本课程是数据仓库与数据 挖掘的高级课程，侧重于新趋势与新方法。主要教学内容包括：数据仓库与 OLAP 基础；数 据立方计算与索引；列存储数据仓库；云计算平台上的数据仓库；数据挖掘基础；频繁模式、 关联规则挖掘；流数据、时间序列、以及其它序列挖掘；图挖掘以及社会网络分析等等。 Data warehousing and data mining technologies help users analyze massive data sets more effectively. This course is an advanced one, focusing on new trends
5、and new methods. The topics covered include basics of data warehouse and OLAP (Online Analytical Processing); data cube computation and indexing; column-oriented data warehousing: C- Store; data warehousing in the cloud; basics of data mining; mining frequent patterns and association rules; mining s
6、treams, time series and sequence data; graph mining, social - 2 - network analysis, and etc. 先修课程 Prerequisites 1. 数据结构与算法（Data Structure and Algorithm） 2. 算法设计与分析（Algorithm Design and Analysis） 3. 数据库系统（Database Systems） 4. 概率统计（Probability and Statistics） 后续课程 Successive Courses None. 理论教学部分理论教学部分
7、 Lecture Sessions 教材 Textbook 1.J. Han and M. Kamber. Data Mining: Concepts and Techniques, 2nd Ed. Morgan Kaufmann, Series in Data Management Systems, 2005, ISBN 1-558-60901-6 影印版：数据挖掘：概念与技术 （第 2 版） ，北京：机械工业出版社，2006，ISBN 7-111-18828-4 中译版：范明等译， 数据挖掘：概念与技术 （第 2 版） ，北京：机械工业出版社， 2007，ISBN 7-111-20538-
8、4 2.Related Research Papers. 教学参考书 References 1 P. Tan, M. Steinbach and V. Kumar. Introduction to Data Mining. Addison Wesley, 2005, ISBN 0-321-32136-7 影印版：数据挖掘导论 ，北京：人民邮电出版社，2006，ISBN 7-115-14144-4 中译版：范明等译， 数据挖掘导论 ，图灵程序设计丛书，北京：人民邮电出版社， 2006，ISBN 7-115-14698-5 2 l. Witten and E. Frank. Data Mining
9、 Practical Machine Learning Tools And Techniques, 2nd Ed. Morgan Kaufmann, Series in Data Management Systems, 2005, ISBN 0-120-88407-0 影印版：数据挖掘实用机器学习技术 （第 2 版） ，北京：机械工业出版社， 2005，ISBN 7-111-17248-5 中译版：董琳等译， 数据挖掘实用机器学习技术 （第 2 版） ，计算机科学丛书，北京： 机械工业出版社，ISBN 7-111-18205-7 3 D. Hand, H. Manila and P. Smyt
10、h. Principles of Data Mining. MIT Press, 2001, ISBN 0-262-08290-X 中译版：张银奎等译， 数据挖掘原理 ，计算机科学丛书，北京：机械工业出版社， 2003，ISBN 7-111-11577-9 教学方法 Approach 1. Tightly integrate concepts and their corresponding implementations, in order to improve students software engineering abilities. 2. Follow the ACM SIGKDD
11、Curriculum Proposal drafted by ACM SIGKDD Curriculum Committee: http:/www.cs.uiuc.edu/homes/hanj/kdd_curriculum.pdf 3. Interactive and heuristic discussions in the class. - 3 - 理论教学内容 Lectures 1. Basics of Data Warehousing (2 hr, for review purpose) what is a data warehouse? What is OLAP? multidimen
12、sional data model; data warehouse architecture; overview of data warehouse implementation; from data warehouse to data mining; 2. Data Cube Computation and Indexing (4 hr) BUC: Bottom-Up Computation of cube; bitmap indexing; join indexing. 3. Column-Oriented Data Warehousing: C-Store (6 hr) Data Mod
13、el and Data Organization; Architecture of C-Store; Integrating Compression and Query Execution; Tuple Reconstruction; Comparison between Column-Stores and Row-Stores. 4. Data Warehousing in the Cloud (4 hr) Map-Reduce; Parallel Data Warehousing in the Cloud; The Hybrid of Data Warehousing and MapRed
14、uce technologies. 5. Basics of Data Mining (2 hr, for review purpose) motivation of data mining; framework of data mining; functionalities of data mining; interestingness of patterns; classification of data mining systems; data mining task primitives; integration of data mining systems with database
15、 or data warehouse systems; major issues of data mining. 6. Mining Frequent Patterns, Association Rules (2 hr) Aprori algorithm: finding frequent itemsets using candiate generation; FP-Tree algorithm: finding frequent itemsets without candiate generation. 7. Mining Streams, Time Series and Sequence
16、Data (6 hr) Stream Data Mining; Time-series Analysis; Sequential Pattern Mining. 8. Graph Mining, Social Network Analysis (6 hr) Graph pattern mining, indexing Graph clustering and classification methods; Social network analysis. Totally 32 hours. 布置作业 Assignments 2 Weekly Written Assignments 备注 Note 若无其他补充说明，则删除本行！ 实验教学部分实验教学部分 Laboratory Sessions 实验课时间 Lab Hours 4 hours 实验课地点 Lab Venue In the lecture room. - 4 - 实验课方式
