教学大纲_数据挖掘 课程代码：0500301

《教学大纲_数据挖掘 课程代码：0500301》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、西安财经学院本科专业课程教学大纲汇编《数据挖掘》课程代码：0500301《数据挖掘》教学大纲DataMining执笔人：高妮审核人：批准人：信息学院西安财经学院本科专业课程教学大纲汇编《数据挖掘》《数据挖掘》教学大纲[基本概况]课程中文名称数据挖掘课程英文名称DataMining课程类别专业选修课适用专业计算机科学与技术、网络工程、软件工程专业先修课程《离散数学》、《数据结构》、《概率论》和《数据库系统》等并修课程计算机专业课程总学时36总学分2使用教材徐华.数据挖掘:方法与应用.北京:清华大学出版社,2015.参考书目2－5部[1](美)Jia

2、weiHan、MichelineKamber著，范明等译.数据挖掘：概念与技术(第三版).北京:机械工业出版社,2012.[2]赵卫东.商务智能(第二版).北京:清华大学出版社,2016.[3](美)陈封能，斯坦巴赫，库玛尔，范明译.数据挖掘导论（完整版）.北京:人民邮电出版社,2011.[4](美)RobertI.Kabacoff著，高涛等译.R语言实战.北京:人民邮电出版社,2013.[5]孔志周、肖百龙.数据挖掘实验.北京:中国统计出版社,2011.其它可利用的网络资源无课程概述（课程的意义，教学目标，内容简介等）1.课程意义：《数据挖掘：

3、方法与应用》是软件工程专业教学计划中一门专业选修课，是一门汇集统计学、机器学习、数据库、人工智能等学科内容的新兴的交叉性学科，是在信息技术领域迅速兴起的计算机技术。在很多重要的应用领域，数据挖掘都发挥着积极的作用。因此这门课程是软件工程相关专业的重要课程之一。本课程深入探讨数据挖掘原理，把信息科学、计算科学和统计学对数据挖掘的贡献融合在一起，培养软件工程专业高年级本科学生具备初步的科研能力和创造能力。2.教学目标:了解：数据挖掘领域发展趋势和主要应用，数据挖掘技术最新进展和前沿成果，数据挖掘的OLAP技术，复杂数据类型的数据挖掘技术等。掌握：数据

4、预处理方法，包括数据清理、数据规约和数据变化等，数据仓库的概念和构建方法，多维数据模型，数据立方体技术等。重点掌握：知识发现与数据挖掘的基本概念和基本理论，挖掘大型数据库的关联规则方法，贝叶斯分类技术，神经网络分类技术、K均值聚类方法、层次聚类方法等。3.课程内容：教学时数及分配：本课程在第七学期开设，教学周为十八周，总学时为36学时。其中理论教学18学时，实践操作18学时。。《数据挖掘：方法与应用》的课堂讲授主要本课程以数据预处理、数据仓库设计、数据挖掘为主线，主要介绍数据挖掘的基本概念、原理、方法和技术，具体包括：数据预处理基本方法，数据仓库

5、设计方法，多维数据模型表示方法，关联规则挖掘方法，数据分类方法，数据聚类方法等内容。通过课程的学习，使学生了解数据挖掘技术最新进展和前沿成果，激发学生兴趣；掌握数据预处理方法，包括数据清理、数据规约和数据变化等，数据仓库的概念和构建方法，多维数据模型，数据立方体技术等知识；熟练掌握数据挖掘的基本概念和基本理论，挖掘大型数据库的关联规则方法，贝叶斯分类技术，神经网络分类技术、K均值聚类方法等内容，并基于数据挖掘软件介绍一定的实际操作。信息学院西安财经学院本科专业课程教学大纲汇编《数据挖掘》[学时分配]学时分配表章次章名学时备注第一章绪论2(教学)第

6、二章数据预处理3(教学)第三章数据仓库3(教学)第四章相关性与关联规则3(教学)+4(实验一、二)第五章分类和预测4(教学)+8(实验三、四、五、六)第六章聚类分析3(教学)+6(实验七、八、九)总学时合计36[理论教学内容与要求]第一章绪论[教学目的]使学生对数据挖掘有一个初步、总体的认识。[重点难点]本章节的重点是数据挖掘的定义，难点是它的基本步骤、主要技术和应用价值，如何激发学生对数据挖掘应用的领域及成功案例的兴趣。[教学时数]2(教学)[教学内容]应用背景、数据挖掘定义、主要技术、主要研究内容、面临的主要问题等。第1节应用背景1商业上的驱

7、动2科学研究上的驱动3数据挖掘伴随着数据库技术而出现第2节什么是数据挖掘1基本描述2关于知识发现第3节数据挖掘的主要技术第4节数据挖掘的主要研究内容第5节数据挖掘面临的主要问题第6节数据挖掘相关的资料第7节本书的总体章节安排[练习题]1．数据仓库与数据库有何不同？它们有哪些相似之处？2．与挖掘少量数据相比，挖掘海量数据的主要挑战是什么？第二章数据预处理[教学目的]使学生掌握数据的清理、集成和变换等预处理的基本方法。[重点难点]本章节重点是数据的基本处理方法，难点是处理方法的应用。确保学生对处理方法的理论尚能掌握，进一步增加实际应用方面的操作。[教

8、学时数]3(教学)[教学内容]数据预处理的基本概念、数据的描述、数据清洗、数据集成和转换和数据归约和变换等。第1节前言信息学院西安财经学