数据挖掘是从数据中发现有价值的知识的计算过程,是现代数据科学的核心。它在许多领域有着巨大的应用,包括科学、工程、医疗保健、商业和医学。这些字段中的典型数据集是大的、复杂的,而且通常是有噪声的。从这些数据集中提取知识需要使用复杂的、高性能的、有原则的分析技术和算法。这些技术反过来又需要在高性能计算基础设施上的实现,这些基础设施需要经过仔细的性能调优。强大的可视化技术和有效的用户界面对于使数据挖掘工具吸引来自不同学科的研究人员、分析师、数据科学家和应用程序开发人员以及利益相关者的可用性也至关重要。SDM确立了自己在数据挖掘领域的领先地位,并为解决这些问题的研究人员提供了一个在同行评审论坛上展示其工作的场所。SDM强调原则方法和坚实的数学基础,以其高质量和高影响力的技术论文而闻名,并提供强大的研讨会和教程程序(包括在会议注册中)。 官网地址:http://dblp.uni-trier.de/db/conf/sdm/
深度学习技术在社会化推荐场景中的总结
深度学习技术在社会化推荐场景中的总结
机器学习与推荐算法
2+阅读 · 2020年8月24日
推荐系统主流召回方法综述
AINLP
10+阅读 · 2020年7月16日
一文尽览推荐系统模型演变史(文末可下载)
机器学习与推荐算法
0+阅读 · 2020年6月24日
2020 ML/DM/RS方向会议时间表(全面整理)
图与推荐
2+阅读 · 2020年4月26日
微信扫码咨询专知VIP会员