Tiedonlouhinta (TIES445), syksy 2007

Ajankohtaista (29.01.2008):

Tentti (25.1.2008) on tarkastettu ja tulokset pitäisi näkyä rekisterissä ja ilmoitustaululla parin päivän kuluessa. Loppusaldo on kahdeksan osallistujaa joissa neljä hyväksyttyä ja  neljä hylättyä. Tenttipaperit voi hakea huoneesta  C416.2. Seuraava tentti 22.2.2008.

Luennot päättyivät 11.12.2007. Viimeiset harjoitukset 12.12.2007.

Seminaaria ei järjestetä, mutta harjoitustyön tekemisestä kiinnostuneet, ottakaa yhteyttä viimeistään 14.12.2007.

Demot alkavat viikolla 48. Ne pidetään keskiviikkoisin 8:30-10:00 mikroluokassa Ag B213.1 (Lakes).

Huomatkaa uudet tenttipäivät (ks. Suorittaminen alla).

Yleistä:

Kurssi kuuluu ohjelmistotekniikan suuntautumisvaihtoehdon valinnaisiin syventäviin opintoihin. Kurssi sopii myös tilastotieteen opiskelijoille. Esitietoina edellytetään kursseja Ohjelmointi 2 (TIEP111) ja Algoritmit 2 (TIEA211) (tai vastaavia tietoja). Matematiikan ja tilastotieteen perusopinnot ovat suositeltavia.

Luennot ja harjoitukset:

Opintojakson luennot alkoivat maanantaina 29.10.2007 klo 12:15 salissa AgBeeta. Luentoja pidetään yhteensä 12 kertaa viikoilla 44-46 ja 48-50. (Viikolla 47 ei luentoja!). Luennot pidetään salissa AgBeeta. Luentojen lisäksi kurssiin sisältyy 3x2h demoja viikoilla 48-50. Osa demotehtävistä on kotona tehtäviä harjoituksia jotka palauttamalla voi saada hyvityspisteitä tenttiin. Demot pidetään keskiviikkoisin klo 8:30-10:00 mikroluokassa Ag B213.1 (Lakes).

Kurssin sisältö

1. Kurssin yleisiä asioita ja johdatusta tiedonlouhintaan (miksi, mitä, kenelle,...)
   • Han&Kamber: Chapter 1: Introduction
   • Tan et al.: Chapter 1: Introduction
   • Luennolla esitetty lisämateriaali
2. Data ja sen esikäsittely. Etäisyysmitat.
   • Tan et al. Chapter 2: Data
   • Han&Kamber: Chapter 2: Data preprocessing
   • Muutama luennolla esitetty lisäsivu
3. KDD prosessivaiheet
   • Luentomateriaali
   • Fayyad et al. (1996) artikkeli: The KDD process for extracting useful knowledge from volumes of data
4. Tiedonlouhinta-algoritmin elementit
   • Luentomateriaali
5. Eksploratiivinen tiedonlouhinta
   • Tan et al. Chapter 3: Exploring data
   • PCA lyhyesti
6. Assosiaatiosääntöjen louhinta
   • Tan et al. Chapter 6: Association Analysis: Basic Concepts and Algorithms
   • Tan et al. kirjan luku 6: Association Analysis: Basic Concepts and Algorithms
7. Klusterointi
   • Tan et al. Chapter 8. Cluster Analysis: Basic Concepts and Algorithms
   • Tan et al. kirjan luku 8: Cluster Analysis: Basic Concepts and Algorithms
8. Luokittelu
   • Tan et al. Chapter 4. Classication: Basic Concepts, Decision Trees, and Model Evaluation
   • Tan et al. kirjan luku 4: Classication: Basic Concepts, Decision Trees, and Model Evaluation
   • Tan et al. Chapter 5. Classication: Alternative Techniques (Nearest neighbor- ja neural networks -menetelmät)
   • Han&Kamber: Chapter 6. Classification and Prediction (Neural networks)
   • Lisämateriaalia kiinnostuneille (vuoden 2002 MATLAB-kurssin neuroverkko-luentoja by Tommi Kärkkäinen)
     • lect5.pdf, lect6.pdf, ja lect7pdf

Demot

1. Demo1 (koodit/datat)
2. Demo2 (koodit/datat)
3. Demo3 (koodit/datat)

Luentoja yhteensä 24h, demoja 6h. Loppukoe.

Suorittaminen:

Kurssin voi suorittaa 3 opintopisteen (2ov) laajuisena osallistumalla lopputenttiin tai laajempana 5 opintopisteen (3ov) kokonaisuutena tekemällä harjoitustyön lopputentin lisäksi. Seminaaria ei siis järjestetä, mutta halukkaat voivat tehdä harjoitustyön, josta palkitaan 2 lisäopintopisteellä (tai 1ov). Harjoitustyöstä kiinnostuneet, ottakaa yhteyttä viimeistään 14.12.2007. HUOM. UUDET TENTTIPÄIVÄT KORPISSA (25.1.2008, 22.2.2008 ja 28.3.2008)!

Kurssi korpissa

Linkkejä:

Data mining englanti-suomi sanasto (Pirjo Moen, HY)
Matlab-opas
Mathworks
Octave köyhän miehen Matlab
Weka Data mining tool
Data Mining and Knowledge Discovery
ACM Transactions on Knowledge Discovery from Data
SIGKDD Explorations
Data & Knowledge Engineering