数据挖掘跨学科技术应用2012

邵俊明 ：男，电子科技大学教授。受国家留学基金委LMU-CSC（慕尼黑大学-留学基金委）项目资助，于2008年赴德国慕尼黑大学计算机科学系数据挖掘小组攻读博士学位。在攻读博士期间，主要从事数据挖掘的理论研究及其在脑科学等交叉学科中的应用研究。其相关论文发表在数据挖掘的三大顶级会议（ACM SIGKDD，IEEE ICDM，SIAM SDM）及权威期刊IEEE TKDE上。在数据挖掘理论研究的同时，并致力于将其应用于大脑神经影像及水文水资源等交叉学科领域，取得了一批原创性研究成果。

学生成绩的走势，和前导课、后继课的关系还挺大，用点聪明的办法，效率能高不少。2012 年那篇关于数据挖掘的老文章就挺有意思，说的是怎么把高校教务系统和成绩数据结合起来，辅助教学和决策，思路还蛮先进的。你如果正好在搞成绩、系统优化或者决策支持，不妨看看相关的代码资源。比如VC++成绩程序就适合老项目；如果你是搞 Java Web 的，那高校教务管理系统开发也能直接上手。另外，Hadoop MapReduce那套成绩系统，也挺适合搞大数据方向的同学。要是想搭个完整系统来跑，用悠索高校教务管理系统当底子也不错，功能比较全。建议你根据自己的技术栈选对应的资源。比如：前端就重点关注交互和数据可视化；后端

数据挖掘的技术和应用算是我最近挺推荐的一份资料，内容讲得还蛮系统的。开头就直接讲清楚了数据挖掘到底干啥的——简单说，就是从一堆数据里扒出有用的信息，帮你少走弯路、做决策更靠谱。 模式识别、统计这些词听着挺吓人，其实你理解成：用各种办法把看不出来的规律给找出来。比如银行用来识别信用卡诈骗、或者电信公司查通话记录找可疑行为，都靠它。 还有一部分讲了蛮多行业应用的例子，像是精准营销、客户细分这些。你要是搞 CRM 系统或者电商平台，这些案例可以给你不少灵感。 有意思的是它还讲了几个常见流程模型，比如SPSS 的 5A 模型和SAS 的 SEMMA，看起来有点像项目流程图那味，但其实还挺实用，适合新手

ETL技术，即DTS SQL Server的数据转换服务（Data Transformation Services，简称DTS），提供了一套基于OLE DB的COM对象，利用VBScript、PerlScript或Microsoft Jscript脚本语言描述，用于创建数据转换程序，实现不同OLE DB数据源之间的数据转换操作。

基于数据库的知识发现（KDD）是指从海量数据中提取有效、新颖、潜在有用、最终可理解模式的非平凡过程。

韩佳炜的经典数据挖掘教材，广泛应用于南京大学研究生课程和西安电子科技大学本科生课程。

这本由我校教师编著，并由顾冠群院士生前审阅的书籍，深入探讨了数据挖掘技术，及其在各个领域的应用。

数据挖掘技术其实是个蛮有意思的领域，涵盖了从数据仓库到 OLAP 技术，再到数据挖掘本身，层次挺丰富的。对于电信行业的应用，数据挖掘更是发挥了大的作用。嗯，数据仓库和 OLAP 技术是基础，你整理和数据，而数据挖掘则是让这些数据变得有价值。比如，电信领域通过数据挖掘可以精准客户行为，提高运营效率。至于工具，市场上有一些不错的，比如 R 和 Python 这类开源工具，它们在数据上表现得稳，适合各种规模的项目。如果你有兴趣深入了解，可以看看这篇资料，里面有多实际的案例哦。

随着时间的推移，数据挖掘技术在2012年呈现出显著的发展趋势。