本课程主旨在于讲述网络挖掘的任务和他们相关的核心算法，让学生掌握关联规则、监督学习、无监督学习、半监督学习、信息整合、观点挖掘等技术知识，启发和培养学生的创新意识和创新思维，为今后在互联网或大数据挖掘领域中的相关学习和研究奠定基础。

授课主要以英文课件为主，中文讲解。

考试方式是提交论文考核。

计算机学院博士课程——社会网络计算

课程主要讲授数据挖掘的基本理论、各个分支及应用。课程涵盖DM的定义、流程、数据预处理、数据可视化、关联分析、聚类、分类、数值预测等内容。通过课程学习，掌握数据挖掘的基本理论、思想和方法，并通过简单易用的软件来解决相关的问题。

1. 了解和掌握数据挖掘的基本理论、流程和方法。
2. 了解和掌握数据挖掘过程过中的技术，如数据预处理、数据可视化、关联分析、聚类、分类、数值预测等内容。
3. 通过课程学习，能通过简单易用的软件来解决数据挖掘的相关问题。

《人工智能原理》是学术型硕士研究生的专业必修课（学位课）。

人工智能是以机器实现人类智能为目标的研究领域。人工智能原理课程全面介绍了人工智能的研究目标、研究内容、应用领域、发展历史和现状以及存在问题和未来发展，较详细地讲述了人工智能的基本理论、基本方法和应用技术。

课程通过理论讲解、实例展示、课后任务、课堂讨论等多种方式组织教学，促使学生在掌握人工智能领域的理论、方法、技术和应用的同时，培养学生利用所学专业知识分析问题和解决问题的能力；养成良好的自主学习和科学研究的习惯。