数据挖掘和机器学习

学分:	3.
年:	2023
学生乐队的贡献:	带1
由:	科学与工程学院

本课程将为学生提供一系列基于机器学习技术的算法，用于高级数据分析和挖掘。这些算法和技术属于最常见的机器学习范式，即无监督、半监督和监督学习。特别是，学生将学习复杂的机器学习方法，用于聚类、异常值检测、分类、特征选择和回归。

学习成果

• 解释用于数据挖掘的机器学习是什么，并确定机器学习在数据挖掘领域中最常见的任务和角色;
• 描述、选择和应用无监督机器学习方法进行描述性数据挖掘任务，如聚类和离群点检测;
• 描述、选择和应用监督技术，通过特征选择进行降维;
• 描述、选择和应用半监督和/或监督机器学习方法，用于预测数据挖掘任务，如模式分类和回归。

学科评估

• 题型任务-(60%)个人
• 书面>项目报告-(40%)-个人。

先决条件:

研究生课程24cp，包括ma5810

可用性
凯恩斯，第85期，内部
人口普查日期14 - 9 - 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 26小时教程 评估和自主学习
限制:	本次发行受报名限制。
JCU在线，第81期，外部
人口普查日期26 - 1月- 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 65小时是其他-在线资源包括阅读、截屏、嵌入式测验 评估和自主学习
交货方法:	本部同样高品质在线-
限制:	本次发行受报名限制。
JCU在线，第85期，外部
人口普查日期14 - 9 - 2023
工作负载的期望:	这门3学分课程的学生课业约为130学时。 65小时是其他-在线资源包括阅读、截屏、嵌入式测验 评估和自主学习
交货方法:	本部同样高品质在线-
限制:	本次发行受报名限制。

注意:由于持续不断的科目质量改进过程，可能会出现轻微的变化，如果在评估细节上有轻微的变化，科目大纲代表了最新的官方信息。