Data Mining and Machine Learning | Department of Computer Engineering & Informatics

Data Mining and Machine Learning

Course Code: 
CEID_NE562
Period: 
Spring Semester
Credit Points: 
5

Εισαγωγικές Έννοιες (διαδικασία εξόρυξης, κατηγοριοποίηση μεθόδων εξόρυξης, επισκόπηση εργασιών εξόρυξης), Αλγόριθμοι Κατηγοριοποίησης (Naive Bayes, k-NN, Δέντρα Απόφασης: ID3-C4.5), Μάθηση Κανόνων (Προτασιακών, Πρώτης Τάξεως, Επαγωγική Μάθηση), Αλγόριθμοι Συσταδοποίησης (διαιρετικοί αλγόριθμοι, ιεραρχικοί αλγόριθμοι, ιεραρχικοί και βασισμένοι σε γράφους, βασισμένοι στη πυκνότητα, βασισμένοι σε πλέγμα, συσταδοποίηση υποχώρων, συσταδοποίηση για σύνολα με λεκτικές τιμές, ασαφής συσταδοποίηση, σύγκριση αλγορίθμων συσταδοποίησης, Kohonen Net συσταδοποίηση, κλιμάκωση και στάθμιση). Κανόνες Συσχέτισης (αλγόριθμος Apriori, αλγόριθμος AprioriTID, αλγόριθμος FPGrowth, σύγκριση αλγορίθμων παραγωγής κανόνων συσχέτισης, αντιπροσωπευτικοί κανόνες συσχέτισης, ποσοτικοί κανόνες συσχέτισης), Αλγόριθμοι Μάθησης Συμβολικών Κανόνων, Διαχείριση Ποιότητας στην Εξόρυξη Γνώσης (αξιολόγηση μεθόδων κατηγοριοποίησης, μέτρα ενδιαφέροντος κανόνων συσχέτισης, εγκυρότητα συσταδοποίησης), Εξόρυξη Γνώσης στον Παγκόσμιο Ιστό.

Startup Growth Lite is a free theme, contributed to the Drupal Community by More than Themes.