数据挖掘与医学数据资源开发利用（张霞文）

学科基础课平台必修课 《高等数学 A1》 《高等数学 A2》 《大学物理 A1》 《C++程序设计》 《C++程序设计实验》 《C++程序设计实训》 《线性代数》 《概率论与数理统计 B》 《离散数学Ⅰ》 《计算机组成原理 I》 《数据结构 I》 《数据结构 I 实验》 《计算机网络原理Ⅰ》 《操作系统Ⅰ》 《数字通信原理》 学科基础课平台选修课 《数字逻辑》 《Java 程序设计》 《Java 程序设计实验》 《管理信息系统》 《管理信息系统实训》 《数据库原理 A》 《人工智能导论》 《生理学 E》 《卫生统计学 B》 《流行病学 B》 《外科学总论 B》 《诊断学 D》（临床医学概要） 《诊断学 D》(临床医学概要） 《诊断学 D》 《编译原理》 《传感器技术及应用》 专业课平台必修课 《计算机类认识实习》 《医信工程生产实习》 《医信工程毕业实习》 《医信工程毕业设计（论文）I》 《医信工程毕业设计（论文）II》 《医学信息工程导论》 《生物信息学导论》 《生物医学信号处理》 《生物医学信号处理实验》 《数字图像处理 A》 专业课平台选修课 《软件工程概论 A》 《医学信息系统》 《现代病案信息管理》 《医学决策支持系统》 《智能医疗》 《智能医疗》实验 《数据挖掘》 《数据挖掘》实验 《大数据与深度学习》

数据仓库一数据挖掘的有效平台 数据仓库中的数据清理和数据集成,是数据挖掘的重要数据预处理步骤，数据仓库提供OLAP工具,可用于不同粒度的数据分析

从数据分析的角度看,数据挖掘可以分为描述 性挖掘和预测性挖掘 描述性挖掘:以简洁概要的方式描述数据,并提供 数据的有趣的一般性质。 预测性数据挖掘:通过分析数据建立一个或一组模 型,并试图预测新数据集的行为

1 数据科学 2 数据挖掘

第一章、数据挖掘概论 数据挖掘:数据库中的知识挖掘(KDD)

• 数据挖掘算法没有好坏，根据数据与数据分析需求的特点确定算法 • 数据挖掘建模标准（CRISP-DM） – 定义商业问题，理解业务背景，了解业务需求 – 数据探索、预处理与分析 – 确定可能的模型，并验证评估 – 选择分析较优算法，并进一步调优 – 应用部署模型

电子商务与数据挖掘——完美结合 在电子商务中进行成功的数据挖掘得益于: 电子商务提供海量的数据 如果一个电子商务网站平均每个小时卖出五件物品,那么它一 个月的平均点击量是160万次

• 业务理解 • 数据理解 • 数据质量问题与预处理 • 数据分析常见陷阱 • 数据分析方法的选择 • 数据分析结果的评价 • 数据分析团队的组建 • 数据分析人才培养的难题

为什么要数据挖掘原语和语言? 一个完全自动(不需要人为干预或指导)的数据挖掘 机器只可能是“一只疯了的怪兽