由于技术进步导致了与管理决策相关的数据正在以惊人的速度被积累起来。作为互联网、电子商务、电子银行、POS机、条码读头和智能机器等创新的副产品，电子数据的获取已经变成便宜和到处存在的。这些数据通常存储在数据仓库和数据集市中为管理决策提供支持。数据挖掘是一个快速增长的领域，主要任务是发展一些技术以辅助管理者对海量数据进行智能化分析和利用。数据挖掘在诸如信用评级、欺诈发现、数据库营销、客户关系管理和股市投资等方面的一些成功应用已经被报道。数据挖掘领域从统计学和人工智能领域演变过来的。

本课程将介绍从这两个领域中出现的并且被证明从应用角度对模式识别和预测是有价值的一些方法。我们会纵览应用并通过简单易用的软件和例子提供亲自动手使用数据挖掘算法的机会。

理解流行的数据挖掘技术的优势和局限，并能够确定数据挖掘的商业应用前景。学生能积极地参加和管理由专家和顾问主导的数据挖掘项目。从本课程中获得额外有用的技能是学会使用Excel中强大的数据分析功能。

讲义和布置的作业在班级站点的SloanSpace目录中。你们需要自行下载它们并做课程预习及提交作业。

下面的书籍作为本课程的辅助资料。阅读这些书籍会加深对讲义的理解。

在Dewey图书馆的藏书：    

Hand, Mannila, and Smyth. Principles of Data Mining（数据挖掘原理）. MIT Press, 2001.

Available in electronic media:

Berry and Linoff. Mastering Data Mining（数据挖掘技术）. Wiley, 2000. http://library.books24x7.com/book/id_827/toc.asp

Delmater and Hancock. Data Mining Explained（数据挖掘详解）. Digital Press, 2001. http://library.books24x7.com/book/id_2643/toc.asp

我们将使用XLMiner，一个Excel（在数据挖掘方面的）插件，来完成作业。在网址http://www.xlminer.com下载该软件的免费版本。

免费版本（的功能）是有限的。你需要由Resampling Stats提供的功能更强大的版本来完成作业和案例，下载地址：http://www.resample.com/xlminer/MIT

在要求处理大量数据的项目中会使用SAS Enterprise Miner软件。在《辅导课程1——XLMiner指南》中提供了该软件的应用指南。

课程成绩将基于案例描写、作业、小组项目、期中考试。它们各自所占比例为：

案例描写和作业（30％）；期中考试（30％）；项目（40％）

课堂的出席情况由教师主观估计，并在成绩处于合格与不合格边缘的情况时用于决定（该学生的）最终成绩。