cs3ds19 -数据科学算法与工具

模块供应商: Computer Science
学分数： 10 [5 ECTS credits]
水平:6
教学用语： 春天 term module
先决条件:
模块化的必备条件:
相关内容:
模块被排除在外:
目前从: 2021/2

模块召集人: 林嘉雯博士
电子邮件: carmen.lam@reading.ac.uk

模块类型：

概述模块描述：

自动化数据收集和成熟的数据库技术导致大量数据存储在数据库、数据仓库和其他信息存储库中。 在这种情况下，自动数据分析和数据建模工具和算法（数据挖掘）正在成为任何信息系统的重要组成部分。 这些技术的应用领域包括科学计算、智能商务、直销、客户关系管理、市场细分、货架管理、数据仓库管理、电子商务和信用卡交易中的欺诈检测等。

目的:

NBA投注[手机]俱乐部研究数据操作和转换的基本技术和工具，以及数据挖掘算法，分类，回归，聚类，关联规则挖掘。 特别是，数据科学和机器学习的领先平台之一KNIME将被引入并用于实践活动。 

该模块还鼓励学生培养一套专业技能，如解决问题、对已发表文献进行批判性分析、创造力、为技术和非技术受众撰写技术报告、专业沟通(电子邮件； 字母; 会议纪要等)，自我反思和有效使用商业软件。

可评估的学习成果：

学生应了解一般的数据挖掘原理和技术，并能够在不同的环境中应用它们。 在实际项目中，使用先进的数据科学工具设计和开发数据工作流，以结合数据挖掘算法和分析现实世界的数据集。

额外的结果:

学生将熟悉数据挖掘技术在不同领域的潜在应用。 他们还将学习如何进行算法性能评估的实验测试。

大纲内容:

• 数据挖掘概论；


• 数据科学和机器学习平台导论


• KNIME


• 数据预处理;


• 邻近的措施;


• 回归、分类和模型评价；


• 聚类与聚类效度；


• 决策树归纳；


• 关联规则挖掘；

教学方法简述：

The module comprises lectures and practical activities. 讲座介绍了构建数据科学应用程序的基本概念、工具和算法。 评估基于多项选择问卷和一个数据科学项目，该项目允许学生将理论概念应用于实际案例。

联系时间:

	秋天	春天	夏天
讲座		20
引导自主学习：		80
按学期划分的总学时	0		0
模块总学时	100

总结性考核方法：

方法	百分比
笔试	50
设置运动	50

总结性评核-考试：

5月/ 6月一次1.5小时的试卷。

总结性评估-课程作业和课堂测试：

该课程包括一个要素： 

• 固定练习：一份课程作业（50%）

形成性评价方法：

逾期提交的处罚：

支助中心将对逾期提交的工作实行下列处罚：

• 在原定截止日期（或任何正式同意的延期截止日期）之后提交的作业：截止日期后的每个工作日（或其中的一部分）将从该作业的总分数中扣除10%的分数，最多可达五个工作日；
• 如果作品在原始截止日期（或任何正式同意的截止日期延长）后超过五个工作日提交：将记录零分。

The University policy statement on penalties for late submission can be found at: /web/FILES/qualitysupport/penaltiesforlatesubmission.pdf
You are strongly advised to ensure that coursework is submitted by the relevant deadline. 您应该注意，建议在未完成状态下提交作业，而不是没有提交任何作业。

通过考试的评估要求：

总体得分为40%。

重新安排:

8月/ 9月一次2小时的考试。  请注意，补考模块的分数将以以下两项中较高者为准：(a)本次补考的分数；(b)本次补考的分数与之前课程作业的分数的平均值，根据第一次尝试（50%考试分数，50%课程作业分数）进行加权。 

额外费用（适用时指定）：

1) Required text books:  None

2) Specialist equipment or materials:  None

3) Specialist clothing, footwear or headgear:  None

4) Printing and binding:  None

5) Computers and devices with a particular specification:  None

6) Travel, accommodation and subsistence:  None

最后更新: 2021年7月29日