2018年6月26日下午2點，計算機與通信工程學院網(wǎng)絡系主任廖年冬博士在理科樓A102室給網(wǎng)絡工程專業(yè)的本科生做了題目為“數(shù)據(jù)挖掘知識簡介”的學術報告。

廖博士介紹了數(shù)據(jù)挖掘（Data mining）又譯為資料探勘、數(shù)據(jù)采礦。它是數(shù)據(jù)庫知識發(fā)現(xiàn)（英語：Knowledge-Discovery in Databases，簡稱：KDD)中的一個步驟。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。

數(shù)據(jù)挖掘通常與計算機科學有關，并通過統(tǒng)計、在線分析處理、情報檢索、機器學習、專家系統(tǒng)（依靠過去的經驗法則）和模式識別等諸多方法來實現(xiàn)上述目標。

數(shù)據(jù)挖掘利用了來自如下一些領域的思想：(1) 來自統(tǒng)計學的抽樣、估計和假設檢驗，(2)人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論。數(shù)據(jù)挖掘也迅速地接納了來自其他領域的思想，這些領域包括最優(yōu)化、進化計算、信息論、信號處理、可視化和信息檢索。一些其他領域也起到重要的支撐作用。特別地，需要數(shù)據(jù)庫系統(tǒng)提供有效的存儲、索引和查詢處理支持。源于高性能（并行）計算的技術在處理海量數(shù)據(jù)集方面常常是重要的。分布式技術也能幫助處理海量數(shù)據(jù)，并且當數(shù)據(jù)不能集中到一起處理時更是至關重要。

為了讓計算機與通信工程學院本科生了解數(shù)據(jù)挖掘技術的發(fā)展歷史、發(fā)展現(xiàn)狀和未來技術應用，尤其是對接現(xiàn)在十分熱門的人工智能技術，廖年冬博士全面介紹了以下幾種技術：

· 分類 （Classification）

· 估計（Estimation）

· 預測（Prediction）

· 相關性分組或關聯(lián)規(guī)則（Affinity grouping or association rules）

· 聚類（Clustering）

· 復雜數(shù)據(jù)類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)

    另外，也從現(xiàn)實生活出發(fā)，介紹了數(shù)據(jù)挖掘在教育、醫(yī)療、大數(shù)據(jù)分析等方面的應用。