一项计算机基础课程改革的启示（二）.docVIP

一项计算机基础课程改革的启示（二） 奚：您的教材第1章是机器语言程序，其中主要的内容是在模拟的机器指令系统上的机器语言程序设计，其他所有的概念和知识几乎都围绕着这些实际的程序设计展开，这从您本期的文章中也可以看出来。您这样安排，我想是很有意义的。br　　王：程序语言发展的根本原因是存储和处理的矛盾运动，而机器语言程序是这个矛盾的最初表现，它包含了程序语方发展的一切要素。要认识程序语言发展的规律，就必须从其矛盾的端头开始，尽可能实际地分析矛盾的一切转化过程。 /p p /p p br / /p p /p 对于“数据挖掘”，有多种文字不同但含义接近的定义，简单来说，可以归纳为“试图从海量数据中找出有用的知识”。在学术界，有时也将“数据挖掘(DM)”称为“数据库中的知识发现(KDD)”。而“机器学习”是人工智能的核心研究领域之一，目前被广泛采用的机器学习的定义是“利用经验来改善计算机系统自身的性能”。 br　　南京大学的周志华教授曾专门撰文论述了数据挖掘和机器学习以及数据库之间的关系，他提出：数据挖掘可以视为机器学习和数据库的交叉，主要利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海量数据。br　　组成数据挖掘的三大支柱包括统计学、机器学习和数据库领域内的研究成果，其他还包含了可视化、信息科学等内 容。不同的教材从不同的方面结合其基础学科知识讲述数据挖掘技术，不同专业和技术背景的学生或数据挖掘研究人员和应用人员可以根据自身的专业方向选择不同的数据挖掘切入点。下面简单归纳目前比较主流的数据挖掘和机器学习方面的教材。br　　※ 数据挖掘：概念与技术br　　原书名：Data Mining：Concepts and techniquesbr　　作者：Jiawei Hanbr　　本书主要从数据库的角度(数据管理和数据计算的角度)讲解数据挖掘，作者Jiawei Han现任UIUC CS Dept.教授。本书第2版在丰富和全面的第1版基础上进行了更新和改进，并增添了新的重要课题，例如挖掘流数据、挖掘社会网络和挖掘空间、多媒体和其他复杂数据。本书对数据挖掘基本概念、算法及其相关技术有比较全面的阐述，是国内大多数高校指定教材，它不要求太高的数学基础，非常适合数学功底一般的学生使用。br　　※ 数据挖掘：实用机器学习技术(原书第2版)br　　原书名：Data Mining: Practical Machine Learning Tools and Techniques br　　作者：Ian H. Witten, Eibe Frankbr　　本书主要从机器学习的角度，也有称从数据挖掘的应用实现角度来讲解数据挖掘，描述了各种算法、模型及其Java实现，重点是以应用的观点利用案例来说明数据挖掘的算法模型，对于具体算法的原理介绍不是非常详细。它对数据挖掘的Java软件包Weka有比较深的介绍。该书作者都是Weka项目组主要成员。图灵奖获得者Jim Gray如此评价：假如你需要对数据进行分析和应用，本书以及相关的Weka工具包是一个绝佳的起步。br　　※ 数据挖掘原理br　　原书名：Principles of Data Mining br　　作者：David J. Handbr　　很多学科都面临着一个普遍问题，即如何存储、访问异常庞大的数据集，并用模型来描述和理解它们。这些问题使得人们对数据挖掘技术的兴趣不断增强。长期以来，很多相互独立的不同学科分别致力于数据挖掘的各个方面。本书把信息科学、计算科学和统计学在数据挖掘方面的应用融合在一起，是第一本真正跨学科的教材。主要从统计学的角度来解析数据挖掘以及其与统计的关系。其中如建模、测量、评分函数、模型等术语都是从统计者的角度出发。书中并没有具体说明KDD与DM之间的关系，比较适于统计系和数学系的学生采用。br　　※ 机器学习br　　原书名：Machine Learningbr　　作者：Tom Mitchell br　　本书是CMU等许多国际知名大学机器学习课程的教材。目前发表的各种机器学习专著或论文基本都会引用这本书的内容。作者Tom