COMP9318

数据仓库与数据挖掘

课程定位 COMP9318 是 UNSW 计算机硕士专业在‘海量数据知识发现’维度的核心必修课。它解决了开发者从‘存储数据’到‘理解数据’的本质进化难题：如何从 TB 级的脏数据中挖掘出隐藏的关联规则？如何设计高效的 OLAP 立方体进行多维分析？它是通往数据挖掘工程师、商业智能 (BI) 专家、及高级算法分析师岗位的实战通行证。它将经典的统计学习、频繁项集挖掘与现代决策树算法深度整合，是培养‘具备洞察力的数据科学家’的必修课。 技术栈与学习内容 课程围绕‘商业智能架构与挖掘算法’展开。核心技术栈包括：Python、Scikit-learn、SQL (用于数据仓库) 以及海量数据集。学习内容涵盖：数据仓库模型（星型/雪花型 Schema）、OLAP 算子（上卷、下钻、切片）、最为核心的‘频繁模式挖掘（Apriori, FP-Growth）’、分类算法进阶（决策树、朴素贝叶斯）、聚类分析（K-means, DBSCAN）、以及最具算法美感的‘异常检测与关联规则’。课程强调‘算法在大规模数据集上的可伸缩性与计算开销’。 课程结构 10 周理论高频产出与两个渐进式编程项目结合。评估体系完全对接硅谷大数据标准：包含针对多维建模手算的期中 Quiz、两个要求‘手写高效挖掘算法’的大型 Assignment（通常涉及实现一个支持海量数据搜索的频繁项集挖掘器）、以及一场强调代数推导、决策边界判定与覆盖率分析能力的期末综合大考。该课极其强调‘逻辑表达的效率’。 适合人群 计算机硕士、或打算从事 BI 与数据挖掘的理工科生。必须具备扎实的 Python 编程与基础数据库知识。如果你想搞清楚‘超市是如何通过购物篮分析进行商品推荐的’、或者渴望在未来的商业决策中建立核心算法优势，这门课是你的神功。建议每周投入 15-20 小时进行算法复现。