MYE012/ΠΛΕ059 – Εξόρυξη Δεδομένων Εαρινό Εξάμηνο, 2017

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) Κεφάλαιο 1 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Άρθρο: Data Scientist: The Sexiest Job of the 21st Century. Διάλεξη 2: Τι είναι δεδομένα; To data mining pipeline. Προεπεξεργασία και μετεπεξεργασία. Δειγματοληψία και κανονικοποίηση. (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. Φροντιστήριο 1: Εισαγωγή στις διακριτές πιθανότητες. (pdf) Ευχαριστίες στον Άρη Αναγνωστόπουλο για τις διαφάνειες. Διάλεξη 3: Συχνά Στοιχειοσύνολα και Κανόνες Συσχέτισης. (pptx, pdf) Κεφάλαιο 6 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Κεφάλαιο 6 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Φροντιστήριο 2: Εισαγωγή στην Python (pptx, pdf), (ipynb, html) και στα Pandas (pptx, pdf) (ipynb, html) To αρχείο της εικόνας εδώ To distributions_short.csv αρχείο To περσινό tutorial σε Pandas (ipynb, html) Σημειώσεις της Εβημαρίας Τερζή, και του Mark Crovella Διάλεξη 4: Ομοιότητα και απόσταση. Συστήματα συστάσεων. (pptx, pdf) Κεφάλαιο 2 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Κεφάλαια 3,9 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Άρθρο: The long tail. Διάλεξη 5: Εύρεση όμοιων ζευγών. Min-hash signatures. Locality Sensitive Hashing. (pptx, pdf) Κεφάλαιο 3 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Διάλεξη 6: Μειωση διάστασης. Singular Value Decomposition (SVD). Principal Component Analysis (PCA). (pptx, pdf) Κεφάλαιο 11 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Παράρτηματα A,B από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. A tutorial on Principal Component Analysis, Jonathon Shlens Διάλεξη 7: Ομαδοποίηση (clustering). Ο αλγόριθμος k-means. Ιεραρχική ομαδοποίηση. Ο αλγόριθμος DBSCAN.  (pptx, pdf) Κεφάλαιο 8 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Κεφάλαιο 7 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Διάλεξη 8: Αξιολόγηση ομαδοποίησης. Mixture models και ο αλγόριθμος ΕΜ. (pptx, pdf) Κεφάλαια 8,9 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Σημειώσεις πάνω στον EM αλγόριθμο από τον Άρη Αναγνωστόπουλο, University of Rome La Sapienza. Φροντιστήριο 3: Εισαγωγή στις βιβλιοθήκες Numpy, Scipy, SciKit για την επεξεργασία πινάκων (ipynb, html) και ομαδοποίηση και εξαγωγή χαρακτηρηστικών. (ipynb, html) Σημειώσεις του Mark Crovella για dimensionality reduction. Διάλεξη 9: Κατηγοριοποίηση (classification). Δέντρα απόφασης. Αξιολόγηση κατηγοριοποίησης. (pptx, pdf) Κεφάλαιο 4 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Διάλεξη 10: Άλλες μεθόδοι κατηγοριοποίσης. Nearest Neighbor Classifier, Support Vector Machines (SVM), Logistic Regression, Naive Bayes Classifier. Επιβλεπόμενη μάθηση. (pptx, pdf) Κεφάλαια 4,5 από το βιβλίο “Introduction to Data Mining” των Tan, Steinbach, Kumar. Κεφάλαιο 12 από το βιβλίο Mining Massive Datasets των Anand Rajaraman and Jeff Ullman, Jure Leskovec. Κεφάλαιο 13 από το βιβλίο "Introduction to Information Retrieval" των C. Manning, P. Raghavan, H. Schutze Διάλεξη 11: Ανάλυση συνδέσμων για την ιεράρχηση στο Web. Τυχαίοι περίπατοι και ο αλγόριθμος PageRank. Ο αλγόριθμος HITS. Απορροφητικοί τυχαίοι περίπατοι. (pptx, pdf) Κεφάλαιο 21 από το βιβλίο "Introduction to Information Retrieval" των C. Manning, P. Raghavan, H. Schutze Κεφάλαιο 14 από το βιβλίο "Networks Crowds and Markets" των D. Easley και J. Kleinberg P. G. Doyle and J. L. Snell. Absorbing Random Walks and Electrical Networks. Φροντιστήριο 4: Εισαγωγή στις βιβλιοθήκες SciKit για κατηγοριοποίηση. (ipynb,html). Εισαγωγή στην ανάλυση δικτύων με την βιβλιοθήκη NetworkX. (ipynb, html) Τα αρχεία graph_edges.txt και karate.gml Διάλεξη 12: Προβληματα Κάλυψης. Προσεγγιστικοί αλγόριθμοι. (pptx, pdf) Κεφάλαιο 2 από το βιβλίο "Approximation Algorithms" του V. Vazirani. Σημειώσεις για τον προσεγγιστικό λόγο του Greedy αλγορίθμου από τον Debmalya Panigrahi και τον Chandra Chekuri.