35AI_05_18 数据挖掘概述A
人工智能课程
浙江大学研究生
上亿文档资料，等你来发现
35AI_05_18 数据挖掘概述A
人工智能课程
浙江大学研究生
研究生《人工智能》课件；数据挖掘概述（一）；徐从富浙江大学人工智能研究所日；内容提纲；数据挖掘介绍?数据挖掘系统?数据挖掘算法?国际会；I.；A.B.；数据挖掘介绍；数据挖掘的由来数据挖掘的应用基本概念区分数据挖掘；C.；D.E.F.；A.数据挖掘技术的由来；?背景?网络之后的下一个技术热点；?数据爆炸但知识贫乏；?从商业数据到商业信
研究生《人工智能》课件数据挖掘概述（一）徐从富 浙江大学人工智能研究所 日 2005年9月修改内容提纲数据挖掘介绍 ? 数据挖掘系统 ? 数据挖掘算法 ? 国际会议和期刊 ? 课后研读的论文 ? 主要参考资料?I.A. B.数据挖掘介绍数据挖掘的由来 数据挖掘的应用 基本概念区分 数据挖掘基本内容 数据挖掘基本特征 数据挖掘的其他主题C.D. E. F.A. 数据挖掘技术的由来? 背景 ? 网络之后的下一个技术热点? 数据爆炸但知识贫乏? 从商业数据到商业信息的进化1. 背景? ? ?科技的进步，特别是信息产业的发展，把我们带 入了一个崭新的信息时代。 数据库中存储的数据量急剧增大。 面对海量数据库和大量繁杂信息，如何才能从中 提取有价值的知识，进一步提高信息的利用率， 引发了一个新的研究方向：基于数据库的知识发 现（Knowledge Discovery in Database）以及相应 的数据挖掘（Data Mining）理论和技术的研究。???随着大数据库的建立和海量数据的不断涌现，必 然提出对强有力的数据分析工具的迫切需求。但 现实情况往往是“数据十分丰富，而信息相当贫 乏。” 快速增长的海量数据收集、存放在大型数据库中， 没有强有力的工具，理解它们已经远远超出人的 能力。因此，有人称之为：“数据坟墓”。 由于专家系统工具过分依赖用户或专家人工地将 知识输入知识库中，而且分析结果往往带有偏差 和错误，再加上耗时、费用高，故不可行。数据挖掘工具数据矿山信息金块2. 网络之后的下一个技术热点?大量信息在给人们带来方便的同时也带来 了一大堆问题：? 信息过量，难以消化； ? 信息真假难以辨识； ? 信息安全难以保证；? 信息形式不一致，难以统一处理。3. 数据爆炸但知识贫乏?随着数据库技术的迅速发展以及数据库管 理系统的广泛应用，人们积累的数据越来 越多。目前的数据库系统可以高效地实现 数据的录入、查询、统计等功能，但无法 发现数据中存在的关系和规则，无法根据 现有的数据预测未来的发展趋势。缺乏挖 掘数据背后隐藏的知识的手段，导致了 “数据爆炸但知识贫乏”的现象。4. 从商业数据到商业信息的进化进化阶段 数据搜集 (60年代) 商业问题 “过去五年中我的 总收入是多少？” 支持技术 产品厂家 IBM CDC Oracle Sybase Informix IBM Microsoft Pilot Comshare Arbor Cognos Microstrategy Pilot Lockheed IBM SGI 其他初创公司 产品特点 提供历史性的、静 态的数据信息 计算机、磁带和磁盘数据访问 (80年代)“在新英格兰的分 部去年三月的销售 额是多少？”关系数据库(RDBMS) 结构化查询语言(SQL) ODBC在记录级提供历史 性的、动态数据信 息数据仓库 决策支持 (90年代)“在新英格兰的分 部去年三月的销售 额是多少？波士顿 据此可得出什么结 论？”联机分析处理(OLAP) 多维数据库 数据仓库在各种层次上提供 回溯的、动态的数 据信息数据挖掘 （正在流行）“下个月波士顿的 销售会怎么样？为 什么？”高级算法 多处理器计算机 海量数据库提供预测性的信息KDD的出现基于数据库的知识发现（KDD）一词首次 出现在1989年举行的第十一届AAAI学术会 议上。 ? 1995年在加拿大蒙特利尔召开了第一届 KDD国际学术会议（KDD’95）。 ? 由Kluwers Publishers出版，1997年创刊的 《Knowledge Discovery and Data Mining》 是该领域中的第一本学术刊物。?数据挖掘是多学科的产物数据库技术 统计学机器学习数据挖掘可视化人工智能高性能计算KDD已经成为人工智能研究热点目前，关于KDD的研究工作已经被众多领 域所关注，如过程控制、信息管理、商业、 医疗、金融等领域。 ? 作为大规模数据库中先进的数据分析工具， KDD的研究已经成为数据库及人工智能领 域研究的一个热点。?B. 数据挖掘的应用? ? ??? ??? ?电信 ：流失 银行：聚类（细分）, 交叉销售 百货公司/超市：购物篮分析 （关联规则） 保险：细分，交叉销售，流失（原因分析） 信用卡： 欺诈探测，细分 电子商务： 网站日志分析 税务部门：偷漏税行为探测 警察机关：犯罪行为分析 医学： 医疗保健电信英国电信需要发布一种新的产品 ，需要通过直邮的方式向客户推 荐这种产品。。。。。。使直邮的回应率提高了100％零售商店GUS日用品零售商店需要准确 的预测未来的商品销售量，降 低库存成本。。。。。。通过数据挖掘的方法使库存成本比原 来减少了3.8%税务局美国国内税务局需要提高对 纳税人的服务水平。。。。 。。合理安排税务官的工作，为纳税人提供 更迅捷、更准确的服务银行?金融事务需要搜集和处理大量的数据，由 于银行在金融领域的地位、工作性质、业 务特点以及激烈的市场竞争决定了它对信 息化、电子化比其它领域有更迫切的要求。 利用数据挖掘技术可以帮助银行产品开发 部门描述客户以往的需求趋势，并预测未 来。美国商业银行是发达国家商业银行的 典范，许多地方值得我国学习和借鉴。数据挖掘在银行领域的应用? ?美国银行家协会(ABA)预测数据仓库和数据挖 掘技术在美国商业银行的应用增长率是14.9％。 分析客户使用分销渠道的情况和分销渠道的容 量 ；建立利润评测模型；客户关系优化；风险 控制等Mellon银行使用数据挖掘软件提高销售和定 价金融产品的精确度，如家庭普通贷款。 ? 美国Firstar银行使用数据挖掘工具，根据客 户的消费模式预测何时为客户提供何种产 品。?银行汇丰银行需要对不断增长的 客户群进行分类，对每种产 品找出最有价值的客户。。 。。。。营销费用减少了30％C. 基本概念区分数据挖掘与知识发现 ? 数据挖掘和数据仓库 ? 数据挖掘与信息处理 ? 数据挖掘与联机分析 ? 数据挖掘与人工智能、统计学?1. 数据挖掘和知识发现数据挖掘（Data Mining）从大量的、不完全的、 有噪声的、模糊的、随机的实际应用数据中，提 取隐含在其中的、人们事先不知道的、但又是潜 在有用的信息和知识的过程。与之相似的概念称 为知识发现。 知识发现（Knowledge Discovery in Databases） 是用数据库管理系统来存储数据，用机器学习的 方法来分析数据，挖掘大量数据背后隐藏的知识， 称为数据库中的知识发现。2. 数据挖掘和数据仓库?大部分情况下，数据挖掘都要先把数据从数据仓 库中拿到数据挖掘库或数据集市中。从数据仓库 中直接得到进行数据挖掘的数据有许多好处。数 据仓库的数据清理和数据挖掘的数据清理差不多， 如果数据在导入数据仓库时已经清理过，那很可 能在做数据挖掘时就没必要再清理一次了，而且 所有的数据不一致的问题都已经解决了。数据源数据仓库各分公司 数据集市分 析 数据集市数据挖掘 数据集市数据挖掘库可能是数据仓库的一个逻辑上的子集，而 不一定非得是物理上单独的数据库。但如果数据仓库的计 算资源已经很紧张，那么最好还是建立一个单独的数据挖 掘库。 当然为了数据挖掘也不必非得建立一个数据仓库，数 据仓库不是必需的。建立一个巨大的数据仓库，把各个不 同源的数据统一在一起，解决所有的数据冲突问题，然后 把所有的数据导到一个数据仓库内，是一项巨大的工程， 可能要用几年的时间花上百万的钱才能完成。只是为了数 据挖掘，你可以把一个或几个事务数据库导到一个只读的 数据库中，就把它当作数据集市，然后在它上面进行数据 挖掘。数据源 数据挖掘库3. 数据挖掘与信息处理?信息处理 信息处理基于查询，可以发现有用的信息。 但是这种查询的回答反映的是直接存放在 数据库中的信息。它们不反映复杂的模式， 或隐藏在数据库中的规律。4. 数据挖掘与联机分析???OLAP分析过程在本质上是一个演绎推理的过程，是决策 支持领域的一部分。传统的查询和报表工具是告诉你数据库中都有什么（what happened），OLAP则更进一步告诉 你下一步会怎么样（What next）和如果采取这样的措施又 会怎么样（What if）。用户首先建立一个假设，然后用 OLAP检索数据库来验证这个假设是否正确。 数据挖掘在本质上是一个归纳推理的过程，与OLAP不同 的地方是，数据挖掘不是用于验证某个假定的模式（模型） 的正确性，而是在数据库中自己寻找模型。 数据挖掘和OLAP具有一定的互补性。在利用数据挖掘出 来的结论采取行动之前，OLAP工具能起辅助决策作用。 而且在知识发现的早期阶段，OLAP工具用来探索数据， 找到哪些是对一个问题比较重要的变量，发现异常数据和 互相影响的变量。这都有助于更好地理解数据，加快知识 发现的过程。5. 数据挖掘与人工智能、统计学? ??数据挖掘利用了人工智能和统计分析的进步所带来的好处。 这两门学科都致力于模式发现和预测。 数据挖掘不是为了替代传统的统计分析技术。相反，它是 统计分析方法学的延伸和扩展。大多数的统计分析技术都 基于完善的数学理论和高超的技巧，预测的准确度还是令 人满意的，但对使用者的要求很高。而随着计算机计算能 力的不断增强，我们有可能利用计算机强大的计算能力只 通过相对简单和固定的方法完成同样的功能。一些新兴的 技术同样在知识发现领域取得了很好的效果，如神经元网 络和决策树，在足够多的数据和计算能力下，它们几乎不 需人工干预就能自动完成许多有价值的功能。 数据挖掘就是充分利用了统计学和人工智能技术的应用程 序，并把这些高深复杂的技术封装起来，使人们不用自己 掌握这些技术也能完成同样的功能，并且更专注于自己所 要解决的问题。数据挖掘与统计学数据挖掘分析海量数据 ? 许多数据库都不适合统计学分析需要?D. 数据挖掘基本内容数据挖掘的定义 ? 数据挖掘的数据来源 ? 数据挖掘的过程 ? 数据挖掘的功能 ? 数据挖掘的过程模型 ? 数据挖掘的分类 ? 数据挖掘的主要问题?1. 数据挖掘的定义? ?数据挖掘是从大量数据中提取或“挖掘”知识。 与数据挖掘类似但稍有不同含义的术语有：??? ? ?从数据库中发现知识（Knowledge Discovery from/in Database, KDD） 知识提取（Knowledge extract） 数据 /模式分析（Data / Model analysis ）。 数据考古 数据捕捞技术上的定义 ? 商业角度的定义?技术上的定义? 数据挖掘（DataMining）就是从大量 的、不完全的、有噪声的、模糊的、 随机的实际应用数据中，提取隐含在 其中的、人们事先不知道的、但又是 潜在有用的信息和知识的过程。商业角度的定义? 数据挖掘是一种新的商业信息处理技术，其主要特点是对商业数据库 中的大量业务数据进行抽取、转换、 分析和其他模型化处理，从中提取 辅助商业决策的关键性数据。数据挖掘的定义（续）人们给数据挖掘下过很多定义，内涵也各 不相同，目前公认的定义是由Fayyad等人提 出的。 ? 所谓基于数据库的知识发现（KDD）是指 从大量数据中提取有效的、新颖的、潜在 有用的、最终可被理解的模式的非平凡过 程。?2. 数据挖掘的数据来源关系数据库 ? 数据仓库 ? 事务数据库?高级数据库系统和高级数据库应用面向对象数据库 ? 空间数据库 ? 时间数据库和时间序列数据库 ? 文本数据库和多媒体数据库 ? 异种数据库 ? WWW?3. 数据挖掘过程数据挖掘是一个反复迭代的人机交互处理 过程。该过程需要经历多个步骤，并且很 多决策需要由用户提供。 ? 从宏观上看，数据挖掘过程主要由三个部 分组成，即数据整理、数据挖掘和结果的 解释评估。?（1）定义商业问题 要想充分发挥数据挖掘的价值，必须要对目标有一个清晰 明确的定义，即决定到底想干什么。否则，很难得到正确的结 果。 （2）建立数据挖掘库 数据准备工作大概要花去整个数据挖掘项目的50%-90%的 时间和精力。一般来说，直接在公司的数据仓库上进行数据挖掘是不合适的，最好建立一个独立的数据集。建立数据挖掘库可分成如下几个部分：a) 数据收集 b) 数据描述 c) 选择d) 数据质量评估和数据清理e) 合并与整合 f) 构建元数据 g) 加载数据挖掘库 h) 维护数据挖掘库（3）分析数据数据分析的目的：是找到对预测输出影响最大的数据字段，并 决定是否需要定义导出字段。（4）准备数据这是建立模型之前的最后一步数据准备工作。可分成4个部分： a)选择变量; b)选择记录; c)创建新变量; d) 转换变量。（5）建立模型 对建立模型来说要记住的最重要的事是它是一个反复的过程。需要仔细 考察不同的模型以判断哪个模型对你的商业问题最有用。 为了保证得到的模型具有较好的精确度和健壮性，需要一个定义完善的 “训练―验证”协议。有时也称此协议为带指导的学习。验证方法主要分为：a)简单验证法b)交叉验证法：首先把原始数据随机平分成两份，然后用一部分做训练 集另一部分做测试集计算错误率，做完之后把两部分数据交换再计算一次， 得到另一个错误率，最后再用所有的数据建立一个模型，把上面得到的两个 错误率进行平均作为最后用所有数据建立的模型的错误率。 c)自举法：是另一种评估模型错误率的技术。在数包含各类专业文献、外语学习资料、专业论文、各类资格考试、文学作品欣赏、生活休闲娱乐、行业资料、35AI_05_18 数据挖掘概述A
人工智能课程
浙江大学研究生等内容。　
　2013秋浙江大学数据挖掘作业必做在线_建筑/土木_工程...A 顶点方体 B 方体的格 C 基本方体 D 维 ...是否使用了人工智能技术 正确答案:B 单选题 29.... 　浙江大学远程教育学院 《数据挖掘》课程作业姓名: ...2、人工填写空缺值。这种方法工作量大,可行性低 3...常见方法包括:a、基于 hash 表的项集计 数;b、... 　考试时间 120 分钟 人工智能课程 48 学时,3 学分...数据挖掘 B. 神经网络 C. 类比学习 D. 自学习 ...人工智能应用研究的两个最重要最广泛领域为: A.... 　西电电院人工智能课程大作业_研究生入学考试_高等教育...(int *a,int *b); int operate(int num[],...近年来,各种数据挖掘、人工智能(DM / AI)技术,如... 　本文综述了人工智能和数据挖掘的产生、 发展及其相互...(Artificial Intelligence,简记为 AI)研究计算和知识...Feigenbaum E A 于 1968 年研制成功了 DENDRAL ... 　人工智能选修课论文学院:海南师范大学物电学院 姓名:...(16)数据挖掘与知识发现; (17)人工生命; (18)...A*算法 二、 与/或树搜索策略:与/或树的搜索... 　人工智能,机器学习,模式识别,数据挖掘,信息检索_IT/...我本科时北邮的课程就叫模式识别。PR 充满了工程的...只要跟决策有关系的都能叫 AI,所以说 PR、DM、IR... 　.ai.univie.ac.at/ 奥地利维也纳医科大学脑研究...英国爱丁堡大学信息学校人工智能应用学院+ a. k) @...///data_mining/ 数据挖掘课程 6... 　安徽大学人工智能课程论文,关于专家系统方面的概述...人工智能(Artificial Intelligence) ,英文缩写为 AI。...A.开发的医疗诊断系统,例如:在妇产科领域, Keith ...研究生方向数据挖掘，人工智能哪个好_百度知道
研究生方向数据挖掘，人工智能哪个好
中国最好！或许你可以在古典古迹里发现有关智能的方面！但是……！国外也可以像AI悳那种只是，想要人工智能目前的技术还不行！
其他类似问题
为您推荐：
其他1条回答
中国，研究人工智能？一大堆神棍马上讲起，我国古代人的思想怎么怎么样，越扯越神经，你自己看看吧，人工智能需要神经科学的突
人工智能的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁【MOOCer经验谈】从生物专业到计算机研究生的转行之路 | MOOC学院 果壳网旗下慕课学习社区
【MOOCer经验谈】从生物专业到计算机研究生的转行之路
本文为MOOC学院网友、果壳网前编辑小耿的自述。小耿原本是神经生物学硕士，随爱人出国后打算攻读计算机专业硕士学位。他用一年时间学了十几门计算机方面的MOOC课程，顺利拿到了offer，并与我们分享了他的经验。本文作者小耿在美国。这是一个混合了爱情、理想与小人物的生存之痛的现实主义故事。2013年，我异国恋终于修成正果，辞职跑来休斯顿陪读。媳妇还有一年博士毕业，我想着去了以后能找份工作，攒点海外经验，等媳妇毕业再考虑回国还是多呆几年。然而开始找工作后就遇到了两座大山，一座叫专业，一座叫签证。先说专业。我是国内生物学硕士毕业，在实验室、生物公司工作过，然后来果壳做了三年编辑。如今生物专业在找不到工作排行榜上绝对名列前茅。大美帝同样如此，每个生物实验室都挤满了博士博士后，薪水和别的行业相比还特别低。前几年经济好、研究资金充足的时候，国内来陪读的慢慢找个实验员工作也不算太难。如今地主家也没有余粮，都在砍人。我这种国内小硕更加完全没有竞争力，在休斯顿医学中心海投了两圈简历，最终只拿到一个实验员职位的面试。那次面试本来谈得挺好，但是问到我的签证状况时问题又来了。我是F2陪读签证，不允许在美国工作，所以必须有雇主愿意支持我转工作签证。但是工作签证是每年4月前交申请，10月才批下来，有的还会被拒。哪个公司愿意4月招一个人，花一笔钱为他转签证，然后10月才能上班？签证就这样成了我找工作的最大限制。折腾一圈之后我发现，我这种情况比较容易找到工作的方法是，要么去中餐馆打黑工，要么就回学校再读一个硕士，毕业之后拿着OPT（工作许可）名正言顺去求职。和我爱人商量，她支持后者。这里介绍一下我爱人，那可是当年在我们系总考第一的主，GRE SUB考97%，博士期间GPA 3.92。你们知道娶个学霸老婆压力有多大吗！小耿（左）和妻子在一起。而我自己，之前从来没有想过我也有申国外学校这一天，本科和研究生期间过得有点奔放，GPA一塌糊涂。一般中等水平的大学都要求GPA 3.0以上。我把本科成绩单拿出来照着网上的公式算了一下，差点哭着放弃了。后来找了正式的成绩认证网站一算，勉强够标准，这才打起精神继续。然后又准备了几个月去考了GRE和托福，成绩也就能用来申请和GPA一个档次的学校。然后是专业选择。对我来说，重新读书不仅能解决签证限制问题，也是一个转行的机会！有个华人论坛mitbbs，专门有个版就叫生物转行，其中较热门的专业有计算机、统计、会计等等。我决定去学计算机，一方面是因为自己还算有一点点基础，本科时还考过计算机三级证书；另一方面，这个专业目前在美帝的就业前景还是不错的。上MOOC，补习计算机专业基础课程虽然决定了要申请计算机科学专业的硕士，但我没有学过这个专业的本科课程，能不能跟上是个问题。本科时为了考那个计算机等级证书，我自学过一段时间C语言，现在早忘光了。还选修过一门数据库的课（Visual FoxPro）、一门Javascript的课，也都忘差不多了。除了还会用Photoshop之外，这基本上就是我去年下半年、开始MOOC经历之前的计算机知识储备。所以，我决定在剩下这几个月中，补补计算机专业的基础课程。我觉得这些不仅在申学校时会是重要的加分项，而且如果申到了，开学以后也可以快点跟上课程。其实我学的第一门MOOC课程是约翰霍普金斯大学的，在Coursera开的。我还花了49美元购买了。因为当时还没最后决定是读计算机还是读统计，所以选了这门应用面比较广的课。课程主要讲概率、期望、重要的分布和检验，还讲到了贝叶斯法则和Bootstrap等。我还记了厚（bao）厚（bao）一叠笔记。其实这些知识对任何学科的研究都有很大的助益，同时我也熟悉了网上上课、做作业和赶deadline的方法。第二门课是MIT的，在edX开课。这是我第一门计算机MOOC课程，也是初次接触Python编程。这门课非常好，因为它不光讲Python，还介绍编程的一般原理、思路。我在这门课中第一次学到了时间复杂度的概念、递归的方法，以及最基本的数据结构知识，树啊图啊什么的。我也略略学到了一点Python的入门知识，而且知道了什么是IDE、什么是编译器，知道了遇到问题应该去查技术文档。我还发现有时比维基百科还好用。学完这门Python的课之后，我有点意犹未尽，又去udemy（）学了一遍Python入门（当时这门课还是免费的）。这门课让我体会到MOOC上的课还是有优劣之分的。之前学那门生物统计，尽管老师语速飞快、词汇难懂，但暂停之后反复咂摸字幕里的句子，真正理解之后，不由感叹真是字字珠玑。那门MIT的Python课程更是深入浅出、逻辑顺畅，而且没一句废话。相比之下，udemy上的课程并非专业的教师，更像是公司里的技术人员介绍经验，内容和演示都比较随意。不过耐着性子听下来，还是有收获，了解了很多实际编程中的小技巧，比如一些快捷键、一些简写习惯等；也第一次装了eclipse这个软件，后来也装过别的IDE，但用的最多的还是它。还学会了一句程序员间告别、致意的行话：Happy coding！专业课的起步：算法与数据结构一头扎进来学了三门课之后，我开始尝试理顺思路，安排今后要学的内容和进度。我在网上参考各种转行计算机的经验帖子、查询一些大学的课表，最后渐渐列出了几门我认为比较重要的课程：算法和数据结构、软件工程、计算机结构、操作系统。除了这几门外，还应该熟练掌握一两种编程语言。有一个帖子里说如果编程很熟练就可以去找工作了。我觉得，也许吧，但是我还是需要在未来和科班出身的人交流的时候，确保我们有同样的知识储备。柿子捡软的捏，我首先学起来的课程是算法。我绝对不敢轻视算法，不过每个人有他略微相对更加擅长的领域。算法我学起来比较顺，另外几门课就有点吃力。这里还有个小插曲。当时普林斯顿在Coursera的还有一个月开课，我一看这门课的先修要求，发现他是用Java讲的。也就是说我还有一个月的时间从零开始学习Java。我跑去Udacity（）报了Java课，这是随报随上的。课程不难，老师讲得很有趣，助教妹纸也很萌。我后来还在MOOC学院发过推荐这门课，不过上Udacity要翻墙，而且他们现在没有免费证书了。总之，一个月之后，普林斯顿算法课毫无压力。而且到现在，Java仍然是我最熟练的编程语言。算法和数据结构我上了三门课程：普林斯顿的（Coursera）、斯坦福的（Coursera），和清华大学的（edX）。其中，普林斯顿的和斯坦福的内容重叠不多，恰好互为补充。前者的老师是大名鼎鼎的罗伯特·赛奇威克（Robert Sedgewick），有一本《算法》教材就是他编的。这门课以介绍为主，讲排序、平衡树、寻路等算法，介绍原理和实现。内容比较浅，就像一节节小讲座。后者虽然也是这些知识点，但是侧重分析，上来先讲主定理，之后的每一种算法都花很大篇幅进行正确性证明。更像是学校上课的感觉。直白点说，普林斯顿的课上完后觉得：“原来还可以这么干！”而斯坦福的课上完后觉得：“原来是因为这样才要这么干！”普林斯顿的课的编程作业评分系统也是一大亮点。很多软件设计方面的概念（比如封装、复用、简约等原则），我都是在和这个评分系统的调教与反调教中建立起来的。这门课没有证书，但与能学到的东西相比证书真的不重要。而清华大学邓俊辉老师的数据结构，内容方面和普林斯顿的课程比较重合，但多出一些内容。比如平衡树部分，普林斯顿的课程只讲了红黑树，清华的课程还讲了AVL树、伸展树等等，而后两者可以帮助深入理解红黑树。这门课用中文授课也是一大优势。邓老师的语言风格属于慢火煲汤型。其实从我自己发在MOOC学院的笔记就可以看出我也是属于说话啰嗦的那种，一句话说完再换个角度，生怕别人不理解，所以我上邓老师的课还是挺对味的。况且，现实中老师讲课唠叨你没有办法，网上听课你可以快进呀！不过，清华这门课是用C语言讲的。像我这点C语言程度，听课勉强能听懂，编程作业就没办法糊弄了。所以我又把C捡了起来。正好同一时间北大在C站开了程序设计实习课，这门课是给有C语言基础的人讲C++入门和进阶。靠着这门课的训练，我临时抱佛脚地恶补了C和C++，完成了数据结构课一多半的编程题，得分惨不忍睹，但总分总算是过了。（北大那门课没过，否则也太没天理了。）其他专业课程其他几门课的进展就没有这么顺。我选了北大的（Coursera），但不知为什么学不进去，觉得比较抽象，听着很费力。坚持了好几周，正好要回国，就中断了一下，再回来就接不起来了。操作系统课我是在YouTube上找的UC伯克利的公开课，只有YouTube自动生成的英文字幕（常常有错字），没有作业，听了几节之后也没有坚持下去。此外还选了莱斯大学的，从进度来看肯定拿不到证书了，但是能学多少算多少吧。不过，这几门课的视频我都保留了起来，一旦有空闲时间还是会拿出来再次挑战一下。此外，Coursera9月会开一门，也在我计划之内。除了上面这些计算机专业课程，还有几门课正好有时间也学了。一些是约翰霍普金斯大学开的，主要讲R语言。未来数据挖掘领域会是热点，学一点R肯有是有益的。还有两门是，毕竟生物是我老本行，生物信息又是它与计算机的交叉学科，这个领域打点基础，长远来看对职业发展也许会有帮助。柳暗花明：我收到了录取通知今年4月，还在面向对象技术课和程序设计实习课中苦苦挣扎的我，收到了旧金山州立大学（SFSU）计算机系硕士的录取通知。当时申请这个学校是看中它地点好，IT行业工作机会多。当然和同城市的斯坦福、UC伯克利或者UCSF不能比，但是被录取的机会比较现实。同时收到录取通知的还有休斯顿MD Anderson的分子遗传硕士。后者只读一年，据说将来工作稳定，又是老本行。但是比较了一下生物和计算机的就业前景、薪资水平，还是没有改变转行的决心。另外还有个原因：从地图上看，旧金山离家近。当时申请这里时，提交过一张“学过的计算机相关课程”表格。这张表格列出了计算机专业很多基础课程，哪些课程学过，就把名称、参考书等信息填上去。（其他大学申请时也有类似的表格。）我把大学里必修和选修的计算机课，以及学过的MOOC课程，能填的一股脑都填了。我在中列出了这个表格，供大家参考。我拼死拼活地填了这张表三分之一的空白。填上去的课中，一半以上都来自MOOC。其实你会发现，这里面很多课程都在MOOC上开设过，比如编译器、人工智能、并行计算等等。只是我没有时间一一学过去。小耿收获的MOOC证书。查看完整MOOC成绩单。不知道这张表对我最终被录取起了多大作用。但是有一点它一定帮到我了：旧金山州立大学的计算机系录取的转专业学生中，有一部分是“有条件录取”，就是说你进来之后先要学很多本科的先修课，然后才能选研究生课程。选哪些课则是由指导老师指定的。我最近认识一个和我一样也是生物转行过来、准备同一年入学的同学，他有七门先修课。但我不是“有条件录取”。我的指导老师只是建议我先学两门本科课程，一门是软件工程，一门是计算理论。我第一学期就可以选研究生课程。即使拿到了offer，也要继续学习其实上学的事还没有尘埃落定。其他手续都办好了——免疫证明、医疗保险、选了课、交了学费，连房子都租好了。但我还在等我的签证转为F1学生签证——又是签证，麻烦死了。今年转不成的话上学这事儿就泡汤了。当然也没有干等。我还在上斯坦福的，过段时间准备把之前没有坚持下来的课重新上一遍。目前我只有算法和数据结构估计算是和本科生水平相当了，软件工程（面向对象）、计算机结构和操作系统还差得挺远。汇编语言、编译器这两门课在犹豫要不要学。所以第一学期没有选太多课，准备留出补基础课的时间，其中去本科生的教室旁听和学MOOC的课程这两种方法都可能采用。编程技术也在磨练中，最近开始在LeetCode上做题。前段时间还不务正业地用Java编了几个小游戏。普林斯顿算法课提供的课件里包含一些可视化的类，本来是完成作业时显示运行结果用的，我发现做小游戏非常好用。遇到问题就上网查，从stackoverflow、Java文档、维基百科学了好多东西。现在回想当初听不懂的面向对象技术课程，觉得有实践经验之后，领悟的程度可能会不一样。我媳妇看我学得挺投入，还挺羡慕的。她在MOOC主要学了约翰霍普金斯那几门R语言的课程，科研中正好能用上。她也想学计算机课程，不过动力不像我这么大，也许她毕业之后有时间了也会试试看。MOOC，让跨专业学习更高效说一点学MOOC课程的经验吧。从我的讲述中你也能看出来，我在计算机专业还是学渣一枚，将入门没入门的程度，而MOOC把我带到了门口。如果没有这些在线课程资源，没有名校教师的讲课视频、习题、课程论坛，我只能自己下载教材、自己找习题，看不懂的地方也不能很方便地找人讨论。总之，MOOC把原本艰难、耗费时间的跨专业学习过程变得更容易和高效。迈过这扇门还是要靠自己，但MOOC把门槛降低了许多。而证书对我来说意义不太大，毕竟正式的计算机专业毕业证书更有说服力。不过设想一下，如果我没有重新上学，而是学过一些课程和编程语言之后直接去IT公司求职，那么MOOC的证书会是简历上的重点之一，标准放低的话并非完全不可能成功。上哪些课还是要有选择的。我因为是陪读，不用上班，全部（看美剧之外的）时间都可以用来学习。我最密集的时候同时在跟四门课（面向对象、程设实习、生物信息方法、数据结构），其中两门没有跟下来。不过对于有工作的人来说，最好不要同时跟超过两门。学MOOC课程，目标要明确。是像我一样准备转行，还是本专业精益求精，还是发展兴趣爱好。根据需要选择课程，最好少而精。我回顾自己拿到证书和最终放弃的那些MOOC课程，发现即使是艰难的课，坚持下去也能学完。这里指的学完是说能够独立完成作业和考试。其实按照现在大多数MOOC课的规则，作业允许多次提交，考试不限时间，即使学得马马虎虎也能拿到证书。就和上学时一样，考完试就把知识还给老师。但是我总觉得既然是自己选择来学这门课，如果没学好，不如先放弃，将来准备得更充分之后重新来过。省得留一张自欺欺人的证书反而打消了重新再学的动力。我放弃的几门课，有的是实在太难，像安卓开发，需要大量的时间去查阅技术文档；也有几门本来还能咬牙坚持，因为回国中断了一个月，再回来就跟不上了。我比较习惯独自学习，很少去课程论坛。其实挺可惜的，我知道论坛里有很多非常有启发的帖子。但是我很喜欢把学习和做作业的过程写成笔记，发在MOOC学院。有时遇到计算机专业的同学指点一下优化方法、给一些相关资源链接，收获也挺大。记笔记是个非常有用的习惯。有几门课（比如生物统计）常常学了后面忘了前面，幸好当时记了笔记，翻一翻就想起来了。笔记写在纸上或者发帖子在网上都可以，能找到就行。Happy coding，何时开始都不晚有时想想觉得挺惶恐。一把年纪了，从本科课程开始学一个新专业，两年之后就要出去，在这个领域找工作。不过，总得试试看才知道成不成。况且现在还有这么多方便的资源可以用。我当然无法和科班出身、行业经验丰富的人相比。男怕入错行，大把时间已经投入在另一个领域了。但是朝闻道，夕死可也，转行就是要有点不管不顾的劲头。而且我其实还挺喜欢编程的。最后，希望大家都能实现自己的目标。Happy coding！扩展阅读编辑的话：随着学习的人越来越多，MOOC正在充分发挥出它的作用，为每个人的发展创造出更多可能。如果你也有类似的经历，或者你身边有这样的朋友，欢迎致信。我们期待听到你的故事！
曾经在果壳带过我的两个师傅
都用MOOC在美帝申请学校了，这让徒儿我好生羡慕啊！
引用 的话：曾经在果壳带过我的两个师傅
都用MOOC在美帝申请学校了，这让徒儿我好生羡慕啊！你也要抓紧~
引用 的话：你也要抓紧~握拳！
我反过来，现在想学生物的说
引用 的话：我反过来，现在想学生物的说MOOC欢迎你。
简直羡慕！可是。。。申学校不用考托福跟GRE吗？
经常跳票的（就是我）。。。怕是没指望了。。。。。咦，密码学学个半吊子都没有之后我觉得统计\数据啥的挺好玩的。。。。嗯，这次我一定能坚持住。。。。。
引用 的话：曾经在果壳带过我的两个师傅
都用MOOC在美帝申请学校了，这让徒儿我好生羡慕啊！嘤嘤嘤
画面太美！泪流满面！灯泡哥真的好赞啊！
学霸们，向你们看齐
同时在跟三门课，还有一门老课的笔记没做好，而且还上着班，又已经连续忙了三个周末，感觉真的有些吃不消了...我打算砍掉一门课了...感觉每天都累成了【哔——】
求教灯泡哥是追到学霸嫂子的方法！
当初说是去游学，原来是去陪妹纸。。
动人的自述啊，体会到了小耿历经的辛苦。
哇噻 我学生物的想做Bioinformatics和Computational Biology，过几天去USC读生物的硕士，正愁那里可能没法学编程什么的，希望可以通过MOOC申到好地方的Ph.D
引用 的话：MOOC欢迎你。え, MOOC 学院的通知现在在壳子也有显示了
故事还告诉我们，成功的男人背后一定要有个学霸女人～
好厉害 - -
感觉我本专业学计算机的一定要尽力了。。。
引用 的话：え, MOOC 学院的通知现在在壳子也有显示了一直都有，通的。
引用 的话：一直都有，通的。一定是我太久没来了! 为什么不在壳子 sync 知性通知?
为何学生物的读完默默感觉前途好渺茫。。o&_&o
全文的主旨就是追妹子要努力， 如果爱请深爱嘛。结果还弄了这么一个正经高大上的标题。。。。
本科学生物的路过……还好博士转了生物信息，为毕业努力中。MOOC是个好地方，可惜发现得晚，刚开始学一点。
目前大一升大二，正在用MOOC学习本专业课程和GIS相关课程，希望以后转GIS或者做我现在比较感兴趣的HGIS。看了你的帖子很受鼓励。希望四年之后我也可以在这里写一篇这样的文章。
我一直以为他是不堪忍受实验对象低福利和虐待……
好棒！马上大四了，希望像楼主一样可以找到准确的方向坚持下去！
MOOC，让跨专业学习更有效！这句话真是太对了。
目前本科生物大三，却成为计算机实习生，因为mooc！！！但是知识真的不扎实！！向你看齐，因为我也有一个梦想，梦想考上研究生，能够留学，那是不一样的风景，因为我永远相信我的生命只有一次，为何不去努力体验呢！！！！
哥哥好厉害，看着这段经历觉得有些心酸呢……
灯泡哥加油！
引用 的话：目前本科生物大三，却成为计算机实习生，因为mooc！！！但是知识真的不扎实！！向你看齐，因为我也有一个梦想，梦想考上研究生，能够留学，那是不一样的风景，因为我永远相信我的生命只有一次，为何不去努力体验...同学，看起来你也有相似的经历呢，说说你的故事呗~
引用 的话：曾经在果壳带过我的两个师傅
都用MOOC在美帝申请学校了，这让徒儿我好生羡慕啊！soga~ 我还纳闷六姐肿么突然就跑去美帝了~
小狄走了？哎………………
谢谢耿老师
引用 的话：同学，看起来你也有相似的经历呢，说说你的故事呗~不敢和楼主的经历比较，但是要向楼主
学习，因为我的专业是生物医学工程，在一个电子学校里面的生物专业，可想而知教学效果肯定不是很好。前两年都很迷茫，虽然成绩都还是年级前十名，但感觉学了没意思，方向不明确，兴趣也不大。不过参加几次数学建模比赛后，对计算机就有兴趣了，特别是大数据方向（数据挖掘，数据分析。数据可视化等），并且大学成绩单在数学方面的成绩远远比其他的高，就自学MATLAB等一些编程，复习数据结构，但是还是动力不足，只学了一大部分！2013年下半年，浏览科技网站后知道mooc，就在这上面学习，真的很有帮助，认识了不少的人，学到许多自己感兴趣的！目前也是利用学到的，找到满意的实习（猪八戒网络有限公司）。应该说，有兴趣，有目标，有行动，应该就会有好结果！相信自己的故事未完待续。。。。。
引用 的话：不敢和楼主的经历比较，但是要向楼主 学习，因为我的专业是生物医学工程，在一个电子学校里面的生物专业，可想而知教学效果肯定不是很好。前两年都很迷茫，虽然成绩都还是年级前十名，但感觉学了没意思，方...哇，好赞，你现在在北京么？
看完让人虎躯一震，好文，好牛！
佩服，向你学习啦。。
引用 的话：哇，好赞，你现在在北京么？没有啦，在重庆这边，跟着一个清华研究生毕业的牛人学习（有道做过几年翻译的，在我面前就是大神啊）。练好武功，时刻准备，等着校招毕业之后应该会选择去京都，目前还是井底之蛙，莫有出过山城啊！外面的世界应该很精彩。。。。。
非常励志。
生物专业和计算机专业是有共通之处的，比如系统、信息、控制、反馈、数学模型、运转结构等等
我就注意到这一句“前段时间还不务正业地用Java编了几个小游戏”……
好励志！我也得好好学习去， 握拳！
我学了几门课都是没付费的..付费证书感觉好贵
厚实，扎实的努力。。学霸就是这样炼成的。。在MOOC
相信我也可以创造属于自己的奇迹。。我要当学霸！加油！
用mooc来补充自己的不足确实是一好方法！！
引用 的话：为何学生物的读完默默感觉前途好渺茫。。o&_&o同这么觉得。真的找不到工作吗。。。。我准备在UBC学生物技术的。。}