• 支持向量机 • 二元线性SVM • SVM用于非线性分类 • 机器学习方法 • 人工神经网络（Artificial Neural Network, ANN） • 深度学习（Deep Learning）现状 • 经典的深度学习模型/算法 • 卷积神经网络 Convolutional Neural Networks (CNN) • 多层反馈网络 Recurrent neural Network(RNN) • 自动编码器 AutoEncoder • 受限玻尔兹曼机 Restricted Boltzmann Machine, RBM • 深度置信网络 (Deep Belief Nets，DBN）

Parallel DBMS technologies Proposed in the late eighties Matured over the last two decades Multi-billion dollar industry: Proprietary DBMS Engines intended as Data Warehousing solutions for very large enterprises Hadoop Spark UC Berkeley

◼ Why Data Mining? ◼ What Is Data Mining? ◼ A Multi-Dimensional View of Data Mining ◼ What Kinds of Data Can Be Mined? ◼ What Kinds of Patterns Can Be Mined? ◼ What Kinds of Technologies Are Used? ◼ What Kinds of Applications Are Targeted? ◼ Major Issues in Data Mining ◼ A Brief History of Data Mining and Data Mining Society ◼ Summary

• 什么是Graphical Model • 定义、示例 • Representation、Inference、Learning • 主题模型与分类 • LSA (Latent Semantic Analysis), 1990 • pLSA (probabilistic Latent Semantic Analysis), 1999 • LDA(Latent Dirichlet Allocation), 2003 • Hierarchical Bayesian model • 主题模型的R语言实现示例

•从文本分类图像分类 • 如何从图像中获取全局特征？ • 颜色特征、纹理特征、形状特征 • 如何从图像中获取局部特征？ • SIFT: Scale-invariant feature transform •图像分类的几个发展阶段 • Low-level Modelling • Semantic Modelling • Sparse Coding • Deep Learning

介绍了生物信息学资源的发展趋势。详细介绍了包括基因组数据库、蛋白质序列数据库、蛋白质二级、三级数据库、蛋白质结构分类数据库、核酸和蛋白质结构数据库等各类生物信息学资源的、基本格式、检索方式等。介绍了“整合生物主要内容信息学”的基本概念，较详细地介绍了BLAST软件的内容及使用方法，并学习了几种通用的序列查询软件和对各级序列数据库进行综合查询的基本思路

第1章 生物信息学引论 第2章 生物学基础 第3章 生物信息学资源与数据挖掘工具 第四章 序列分析 第五章 序列比对 第6章 分子系统发生分析 第7章 生物芯片 第8章 后基因组时代的生物信息学

一、算法描述 k中心点算法:首先为每一个簇随意选择一个代表对象;剩余的对象其与 代表的对象的距离分配给最近的一个簇。然后反复的用非代表对象来替代代表 对象,以改进聚类的质量。聚类结果的质量用一个代价函数来估算,该函数度 量对象与其参与对象之间的平均相异度。为了确定非代表对象Om是否是当 前代表对象O的好的替代,对于每一个非代表对象P,考虑以下四种情况

1.1 什么是数据挖掘. 2 1.2 数据挖掘的步骤. 2 1.3 数据挖掘的主要功能. 4 1.3.1 预测性.4 1.3.2 描述性.5 1.4 在何种数据上进行数据挖掘. 7 1.4.1 数据库数据.7 1.4.2 数据仓库.8 1.4.3 事务数据.8 1.5 数据挖掘的工具. 8 1.6 数据挖掘研究的主要方向. 9 1.6.1 数据挖掘的方法.9 1.6.2 用户交互技术.9 1.6.3 数据挖掘的性能和可扩展性.9 1.6.4 针对不同数据或数据源的数据挖掘技术 .9 1.7 数据挖掘的应用领域. 10 1.8 SPSS Modeler 软件使用概述. 10 1.8.1 软件简介.10 1.8.2 软件窗口.12 1.8.3 数据流的基本操作.13

《专业导论》课程大纲. 1 《高级语言程序设计Ⅰ》课程大纲. 9 《高级语言程序设计Ⅱ》课程大纲.18 《离散数学》课程大纲. 28 《电子技术基础》课程大纲. 41 《电子技术基础实验》课程大纲. 55 《数据结构》课程大纲. 66 《计算机组成原理》课程大纲. 85 《计算机组成原理实验》课程大纲. 100 《计算机网络》课程大纲.114 《数据库原理与应用》课程大纲. 126 《面向对象程序设计(Java)》课程大纲. 141 《操作系统》课程大纲. 157 《计算机体系结构》课程大纲. 169 《软件工程》课程大纲. 184 《编译原理》课程大纲. 197 《算法设计与分析》课程大纲. 212 《软件设计模式》课程大纲. 223 《Python 程序设计》课程大纲. 232 《计算机网络编程》课程大纲. 243 《计算机网络安全》课程大纲. 254 《Linux 操作系统》课程大纲.266 《人工智能导论》课程大纲. 275 《软件项目管理》课程大纲. 283 《软件测试基础》课程大纲. 298 《Web 前端程序设计》课程大纲. 306 《Web 系统与技术》课程大纲. 319 《智能终端软件开发技术》课程大纲. 329 《企业资源计划 ERP》课程大纲. 346 《数据挖掘导论》课程大纲. 353 《云计算与大数据技术》课程大纲. 364 《大数据分析技术及应用》课程大纲. 372 《云存储技术》课程大纲. 386 软件基础课程设计教学大纲. 394 数据结构课程设计教学大纲. 398 数据库原理与应用课程设计教学大纲. 403 软件工程课程设计教学大纲. 407 《Java 应用程序综合开发实训》课程大纲.411 《网站综合开发实训》课程大纲. 416 《大数据挖掘实训》课程大纲. 423 《企业信息系统开发实训》教学大纲. 429 《专业实习》课程大纲. 435 《毕业实习》课程大纲. 438 毕业设计（论文）教学大纲. 442