MYE012/ΠΛΕ059 – Εξόρυξη Δεδομένων

Χειμερινό Εξάμηνο 2019

 

Αρχική

Υλικό

Διαφάνειες

Ασκήσεις

Διαφάνειες

Οι διαφάνειες του μαθήματος χρησιμοποιούν διαφάνειες και υλικό από άλλα μαθήματα και βιβλία. Ευχαριστούμε τους: Tan, Steinbach, Kumar, Anand Rajaraman, Jeff Ullman, Jure Leskovec, Evimaria Terzi, Mark Crovella, Aris Anagnostopoulos για το υλικό από τις διαφάνειες τους που χρησιμοποιήθηκε σε αυτό το μάθημα.

Εισαγωγή: Διαδικαστικές λεπτομέρειες για το μάθημα (pptx, pdf)

Διάλεξη 1: Εισαγωγή σην Εξόρυξη Δεδομένων (pptx, pdf)

Φροντιστήριο 1: Εισαγωγή στις διακριτές πιθανότητες. (pdf)

  • Ευχαριστίες στον Άρη Αναγνωστόπουλο για τις διαφάνειες.
  • Part I από το βιβλίο All of Statistics του Larry A. Wasserman

Διάλεξεις 2-3: Τι είναι δεδομένα; To data mining pipeline. Προεπεξεργασία και μετεπεξεργασία. Δειγματοληψία και κανονικοποίηση. Εξερεύνηση δεδομένων και βασική στατιστική ανάλυση (pptx, pdf)

  • Κεφάλαια 2,3 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar.
  • Κεφάλαιο 1 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec.
  • Κεφάλαια 7-8 (confidence interval, standard error), 11 (hypothesis testing), 16 (independence and correlation tests) από το βιβλίο All of Statistics του Larry A. Wasserman (τα νούμερα των κεφαλαίων ειναι για το pdf, στο πραγματικό βιβλίο τα νουμερα ειναι -1 απο τα παραπάνω νούμερα).

Διάλεξη 4: Ομοιότητα και απόσταση. Συστήματα συστάσεων. (pptx, pdf) 

Φροντιστήριο 2: Εισαγωγή στα notebooks και στη βιβλιοθήκη Pandas (Διαφάνειες: pptx, pdf) (Notebook: ipynb, html, html slides, pdf)

Διάλεξη 5: Μειωση διάστασης. Singular Value Decomposition (SVD). Principal Component Analysis (PCA). (pptx, pdf)

Διάλεξη 6: Ομαδοποίηση (clustering). Ο αλγόριθμος k-means. Ιεραρχική ομαδοποίηση. Ο αλγόριθμος DBSCAN. Αξιολόγηση ομαδοποίησης  (pptx, pdf)

Διάλεξη 7: Mixture models και ο αλγόριθμος ΕΜ. (pptx, pdf)

Φροντιστήριο 3: Εισαγωγή στη βιβλιοθήκη Numpy (Notebook: ipynb, html, html slides, pdf). Εισαγωγή στην βιβλιοθήκη scikit-learn και εφαρμογές για clustering και data processing (Notebook: ipynb, html, html slides, pdf).

Διάλεξη 8: Εισαγωγή στην επιβλεπόμενη μάθηση. Γραμμική παλινδρόμηση (Linear Regression). Κατηγοριοποίηση (classification). Δέντρα απόφασης. Αξιολόγηση κατηγοριοποίησης. (pptx, pdf) 

Διάλεξη 9: Άλλες μεθόδοι κατηγοριοποίσης. Nearest Neighbor Classifier, Support Vector Machines (SVM), Logistic Regression, Naive Bayes Classifier. To pipeline της επιβλεπόμενη μάθησης. (pptx, pdf) 

Φροντιστήριο 4:  Εισαγωγή στην βιβλιοθήκη scikit-learn και εφαρμογές για classification και data processing (Notebook: ipynb, html, html slides, pdf).

Διάλεξη 10: Ανάλυση συνδέσμων για την ιεράρχηση στο Web. Τυχαίοι περίπατοι και ο αλγόριθμος PageRank. Ο αλγόριθμος HITS. Απορροφητικοί τυχαίοι περίπατοι. (pptx, pdf) 

Φροντιστήριο 5: Εισαγωγή στη βιβλιοθήκη NetworkX (Notebook: ipynb, html, html slides, pdf).