Coursesyllabus_dbm630
Click here to load reader
-
Upload
tokyo-institute-of-technology -
Category
Education
-
view
469 -
download
0
Transcript of Coursesyllabus_dbm630
ประมวลการสอนรายวชา DBM 630
คลงขอมลและการทำาเหมองขอมล 3 (3-0-6) หนวยกต
(Data Mining and Data Warehousing)
คำาอธบายรายวชา แนวคดเบองตนของคลงขอมล คณลกษณะของคลงขอมล ขอดและขอเสยของคลงขอมล สถาปตยกรรมของคลงขอมล โครงสรางการจดเกบขอมลภายในคลงขอมล การบรณาการขอมล การสรางขอมลทมคณภาพ ดาตามารท การประมวลผลออนไลนเชงวเคราะห แนวคดเบองตนการทำาเหมองขอมล ชนดขอมลสำาหรบการทำาเหมองขอมล สถาปตยกรรมของระบบเหมองขอมล การเตรยมขอมล การขดคนกฎสมพนธ การจำาแนกประเภทและการทำานาย การจดกลม การทำาเหมองขอมลทมความซบซอน การประยกตใชเหมองขอมล แนวโนมปจจบนการทำาเหมองขอมล เหมองขอมลตวอกษร เหมองขอมลเวบ รวมถงการใชเครองมอในการวเคราะหเหมองขอมล เชน WEKA, SAS เปนตน
รายวชาทตองเรยนมากอน (pre-requisite) สำาหรบรายวชาน ITE 613 ระบบบรหารฐานขอมล หรอขนอยกบดลยพนจของสาขาวชา
จดมงหมายของรายวชา เมอศกษารายวชานแลวนกศกษาจะสามารถ
1. วเคราะหและออกแบบคลงขอมลสำาหรบองคกรและธรกจ2. วเคราะหและออกแบบการทำาเหมองขอมลทเหมาะสม เพอคน
พบความรทแฝงอยในฐานขอมลได3. เลอกใชโมเดลในการทำาเหมองขอมลทเหมาะสมในการคนพบ
ความรทเปนประโยชนสำาหรบองคกรและธรกจได4. ออกแบบและเลอกใชเครองมอในการทำาเหมองขอมลทเหมาะ
สม
1
5. ประเมนประสทธภาพและประสทธผลความรทไดจากการทำาเหมองขอมลได
อาจารยผสอน: ดร. กฤษฎา ศรแผว e-Mail Address: sriphaew.k AT gmail.com
หองพก 11-1013 ตก รตนคณากร โทร 4068
แผนการสอน
สปดาหท
หวขอบรรยาย กจกรรมการเรยนการสอนและสอทใช
1(8 ม.ค.
55)
แนะนำาเนอหาวชา วตถประสงค แนวการสอนและการวดผล ทบทวนแนวคดและทฤษฎทเกยวของกบคลงขอมลและการทำาเหมองขอมลIntroduction to Data Mining and Data Warehousin
• PowerPoint• ทดสอบความเขาใจกอนเรมบท
เรยน• กำาหนดขอตกลงเบองตนของ
การเรยนการสอนในวชาน
2(15 ม.ค. 55)
คลงขอมลและเทคโนโลยประมวลผลออนไลนเชงวเคราะห 1Data Warehouse and OLAP Technology – I
• PowerPoint
3(22 ม.ค. 55)
คลงขอมลและเทคโนโลยประมวลผลออนไลนเชงวเคราะห 2Data Warehouse and OLAP Technology – II
• PowerPoint• แบบฝกหดการทำาคลงขอมล
4(29 ม.ค. 55)
แนวคดการทำาเหมองขอมล และการเตรยมขอมลData Mining Concepts and Data Preparation
• PowerPoint
5(5 ก.พ.
55)
การขดคนกฎสมพนธAssociation Rule Mining
• PowerPoint • แบบฝกหดการวเคราะหการขด
คนกฎสมพนธ
2
6(12
ก.พ. 55)
โมเดลการจำาแนกประเภท: ตนไมตดสนใจ, กฎการจำาแนกประเภทClassification Model: Decision Tree, Classification Rules
• PowerPoint• Quiz I
7(19
ก.พ. 55)
โมเดลการจำาแนกประเภท: เนอฟเบยClassification Model: Naïve Bayes
• PowerPoint• แบบฝกหดการวเคราะหการ
จำาแนกประเภท
8(26
ก.พ. 55)
โมเดลการทำานาย: รเกรสชนPrediction Model: Regression
• PowerPoint
9(4 ม.ค.
55)
การจดกลมClustering
• PowerPoint• แบบฝกหดการจดกลม
10(11 ม.ค. 55)
การประยกตใชการทำาเหมองขอมล: การขดคนขอความ, การขดคนเวบ, การวเคราะหเครอขายสงคมData Mining Application: Text Mining, Web Mining, Social Network Analysis
• PowerPoint• อภปรายกลมการประยกตใช
การทำาเหมองขอมล
11(18 ม.ค. 55)
แนะนำาเครองมอการทำาเหมองขอมล: เวกาIntroduction to Data Mining Tool: WEKA
• PowerPoint• Program Weka• แบบฝกหดการใชงาน Weka
12(25 ม.ค. 55)
บทสรปและทบทวนTutorials
• PowerPoint• Quiz II
13 สอบปลายภาค
แผนการประเมนผลการเรยน
งานทจะใชประเมน (เชน การเขยนรายงาน กำาหนดการ สดสวนของ
3
โครงงาน การสอบยอย การสอบกลาง ภาคการสอบปลายภาค)
ประเมน (สปดาหท)
การประเมนผล
สอบยอยสอบปลายภาค
6,1213
20%60%
การมสวนรวม อภปราย เสนอความคดเหน ตลอดภาคการศกษา
20%
ทรพยากรประกอบการเรยน
1. ตำาราทกำาหนดJiawei Han and Micheline Kamber, Data Mining: Concepts and
Techniques, Morgan Kaufmann Publishers (2006), Second Edition.
2. แหลงอางองทสำาคญ: 3. หนงสอและเอกสารอางองทแนะนำา 1. Ian H. Witten and Eibe Frank, Practical Machine Learning Tools and
Techniques with JAVA Implementations, Morgan Kaufmann Publishers (2005), Second Edition.
2. Trevor Hastie, Robert Tibshirani and Jerome Friedman, The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Springer-Verlag (Corrected Edition 2003).
3. Richard O. Duda, Peter E. Hart, David G. Stork, Pattern Classification (2nd Edition), Wiley-Interscience; Second edition (October 2000).
4