目录
1. Motivation:
A. Explosive growth of data：
Source of abundant data: Business、Science、Society and Everyone.
B. Turn Data into Values and Knowledge:
User Opinions：Blog、Social Network、Query logs
Health Status：Body Temperature、Body Weight、Age、Gender
System Diagnosis：Network Traffic、Software logs、CPU Usage、Power Consumption
diagnosis [ˌdaɪəɡˈnəʊsɪs] 诊断
consumption [kənˈsʌmpʃn] 消耗，消费
2. Definition and Procedure：
A. Definition：
Non-trivial Extraction of Implicit，previously unknown and potentially userful imformation from data.
Definition [ˌdefɪˈnɪʃn] 定义
Trival [ˈtrɪviəl] 琐碎的，不重要的
Non - Trival 无法轻易就能实现，有一定复杂度的
Extraction [ɪkˈstrækʃn] 提取, 抽取
Implicit [ɪmˈplɪsɪt] 内含的
B. Procedure：
数据源 -> 数据预处理 -> 数据勘探 -> 数据挖掘 -> 数据可视化 -> 决策
intergration 整合
Data Warehouse 数据仓库
3. What we are going to learn：
A. Simple Introdution to Data Exploration：
B. Association to Rule Mining：
C. Clustering：
D. Classification：
E. Anomaly Detection：
F. Link Analysis：
G. Recommendation Systems：
H. Decision Support
I. Evaluation of Knowledge
Anomaly [əˈnɒməli] 异常事物
Link Analysis 链接分析
Evaluation [ɪˌvæljuˈeɪʃn] 估值，评价