- Code
- CMP 401
- Name
- Data Mining I
- Semester
- 1
- Lecture hours
- 3.00
- Seminar hours
- 1.00
- Laborator hours
- 0.00
- Credits
- 3.50
- ECTS
- 6.00
- Description
-
Ky kurs eksploron konceptet dhe teknikat e zbulimit të njohurive dhe nxjerrjes së të dhënave. Si një fushë shumëdisiplinore, nxjerrja e të dhënave bazohet në punë nga fusha duke përfshirë statistikat, mësimin e makinerive, njohjen e modeleve, teknologjinë e bazës së të dhënave, rikthimin e informacionit, shkencën e rrjetit, sistemet e bazuara në njohuri, inteligjencën artificiale, llogaritjen me performancë të lartë dhe vizualizimin e të dhënave. Ky kurs fokusohet në çështjet që kanë të bëjnë me fizibilitetin, dobinë, efektivitetin dhe shkallëzimin e teknikave për zbulimin e modeleve të fshehura në grupe të mëdha të dhënash. Si rezultat, ky kurs nuk synohet si një hyrje në statistikat, mësimin e makinerive, sistemet e bazës së të dhënave ose fusha të tjera të tilla, megjithëse ofron disa njohuri bazë për të lehtësuar kuptimin e lexuesit të roleve të tyre përkatëse në nxjerrjen e të dhënave.
- Objectives
-
Ky kurs është një hyrje gjithëpërfshirëse në nxjerrjen e të dhënave. Është i dobishëm për studentët e shkencave kompjuterike, zhvilluesit e aplikacioneve dhe profesionistët e biznesit, si dhe studiuesit e përfshirë në ndonjë nga disiplinat e listuara më parë
- Java
- Tema
- 1
- Introduction
- 2
- Getting to Know Your Data
- 3
- Data Preprocessing
- 4
- Data Warehousing
- 5
- Online Analytical Processing
- 6
- Data Cube Technology
- 7
- Mining Frequent Patterns, Associations, and Correlations: Basic Concepts and Methods
- 8
- Advanced Pattern Mining
- 9
- Classification: Basic Concepts
- 10
- Classification: Advanced Methods
- 11
- Cluster Analysis: Basic Concepts and Methods
- 12
- Advanced Cluster Analysis
- 13
- Outlier Detection
- 14
- Data Mining Trends and Research Frontiers
- 15
- Revision
- 16
- Final Exam
- 1
- This course focuses on issues relating to the feasibility, use- fulness, effectiveness, and scalability of techniques for the discovery of patterns hidden in large data sets. As a result, this course is not intended as an introduction to statistics, machine learning, database systems, or other such areas, although it does provide some background knowledge to facilitate the reader’s comprehension of their respective roles in data mining.
- Quantity Percentage Total percent
- Midterms
- 1 40% 40%
- Quizzes
- 0 0% 0%
- Projects
- 0 0% 0%
- Term projects
- 0 0% 0%
- Laboratories
- 0 0% 0%
- Class participation
- 0 0% 0%
- Total term evaluation percent
- 40%
- Final exam percent
- 60%
- Total percent
- 100%
- Quantity Duration (hours) Total (hours)
- Course duration (including exam weeks)
- 16 4 64
- Off class study hours
- 14 6 84
- Duties
- 0 0 0
- Midterms
- 1 2 2
- Final exam
- 1 2 2
- Other
- 0 0 0
- Total workLoad
- 152
- Total workload / 25 (hours)
- 6.08
- ECTS
- 6.00