数据挖掘基础

小说在传统领域数据挖掘算法(如分类、回归、聚类、概率模型、和关联分析)

算法对新、结构化数据类型,如出现在化学,生物学,环境,和其他科学领域

开发一个统一的数据挖掘理论

挖掘序列和序列数据

矿业时空数据集

挖掘文本和非结构化数据集

大数据分析和高性能数据挖掘算法的实现

矿业在目标应用程序上下文中

矿业高速数据流

异常和数据检测

矿业传感器数据

分布式数据挖掘和挖掘多代理数据

矿业在网络设置:网络社会和计算机网络,在线社区

数据挖掘在电子商务中,如建议,赞助网络搜索,广告,营销任务

方法论和KDD过程

减少数据预处理、数据、特征选择和特征转换

数据清洗和降噪

数据集成、数据转换、信息提取和识别

质量评估、兴趣度分析和后期处理

统计基础健壮和可伸缩的数据挖掘

处理不平衡数据,不完整的数据或不完善的知识体系

自动化采矿过程和其他过程相关问题

敏感数据处理成本和损失模型

人机交互和视觉数据挖掘

安全、隐私和数据的完整性

知识发现(KDD)应用程序和系统集成

生物信息学、计算化学、geoinformatics、和其他科学与工程学科

计算金融、网上交易和市场分析

入侵检测、欺诈防范和监控

医疗、流行病建模和临床研究

客户关系管理、物流管理和风险管理

电信、网络和系统管理