本课程在强调对先进理论学习的同时，还注重理论与实践相结合，使计算机专业研究生深入掌握数据挖掘的科研动向，最新技术，培养研究生的学习能力，开阔眼界，为将来的发展打好基础。
Topic 1: 并行计算基础 （Principles of parallel computing）并行式和分布式计算技术的必要性和重要性，并行计算环境，并行计算的基本方法，并行计算编程Topic 2: 分布式计算环境 (Distributed computing)分布式计算的体系结构、特点，与并行式数据挖掘的相同点、不同点Topic 3: 高性能数据挖掘技术（High performance data mining techniques）并行数据挖掘技术的优越性，重要性，SPRINT, 基于SMP的决策树分类，并行K-means，并行关联规则CCPD, CountDist，并行相随模式GSP等Topic 4: 数据流挖掘（Stream data mining）数据流的定义，模型，特性,影响数据流挖掘的主要因素，基于K-means的数据流聚类，基于decision tree的数据流分类，frequent mining on multiple time granularities，change detection in streams等Topic 5: 文本挖掘（Text mining）文本挖掘与信息检索(information retrieval)的区别，数据结构特性，measures for text retrieval,基于关键字的关联分析,文本分类,文本聚类Topic 6: 网络挖掘（Web mining）网络挖掘的特性,网络文档的分类(Web document classification),网络使用挖掘 (Web usage mining)Topic 7:应用（applications）信用评分、商务智能、科学模拟计算
