• Data Mining – From data warehousing to data mining. – Data pre-processing and data mining life-cycle. – Association and sequence analysis; classification and clustering. – Fuzzy Logic, Neural Networks, and Genetic Algorithms. – Mining Complex Data. • OLAP mining; spatial data mining; text mining; time-series data mining; web mining; visual data mining. • Data warehousing. – Introduction; basic concepts of data warehousing; data warehouse vs. Operational DB; data warehouse and the industry. – Architecture and design; two-tier and three￾tier architecture; star schema and snowflake schema; data capturing, replication, transformation and cleansing. – Data characteristics; metadata; static and dynamic data; derived data. – Data Marts; OLAP; data mining; data warehouse administration

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

• Web采集 • 采集器 • 连接服务器 • 链接分析 • 锚文本 • 链接分析：Pagerank • 链接分析：HITS

•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

• 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

中国科学技术大学：《信息检索与数据挖掘》课程教学资源（课件讲稿）第10章 文本分类（基于向量空间的文本分类）

• 矩阵分解及隐性语义索引 • 关于词项-文档矩阵 • 线性代数基础 • 矩阵分解与低秩逼近 • IR中的隐性语义索引 • 矩阵分解的计算机实现 • 推荐系统 • 推荐系统的兴起 • 推荐系统的基本方法 • 示例：UV分解用于音乐推荐

• 语言模型 • 什么是概率语言模型？如何比较两个模型？ • 怎样由文档生成语言模型？ • 语言模型的种类 • 语言模型如何应用到IR 中？ • 查询似然模型(Query Likelihood Model) • 平滑的方法：线性插值LM • 扩展的LM 方法

• 查询优化概述 • 相关反馈(relevance feedback) • 相关反馈概述 • Rocchio 相关反馈算法 • 隐式相关反馈 • 伪相关反馈 • 相关反馈的假设条件及评价方法 • 查询扩展(Query expansion)

❷ 结果排序的重要性 ❸ 结果排序的实现 ❹ 完整的搜索系统