数据挖掘教学大纲.doc

西北师范大学计算机科学与技术专业课程教学大纲 数据挖掘 一、说明 （一）课程性质 数据挖掘是计算机科学与技术专业的选修课程，本课程以数据挖掘为主要内容，讲述实现数据挖掘的各主要功能、挖掘算法和应用，并通过对实际数据的分析更加深入地理解常用的数据挖掘模型。先修课程：《数据库原理》、《概率论与数理统计》、《高级程序设计语言》、《数据结构》等。 （二）教学目的 数据挖掘是20世纪末刚刚兴起的数据智能分析技术，由于有广阔的应用前景而备受重视。数据挖掘作为一门新兴的学科，在它的形成和发展过程中表现出了强大的生命力，广大从事数据库应用与决策支持，以及数据分析等学科的科研工作者和工程技术人员迫切需要了解和掌握它。数据挖掘涉及的内容较为广泛，已成为迅速发展并在信息社会中广泛应用的一门综合性学科。数据挖掘已成为统计学专业的一门重要课程。通过数据挖掘课程的教学，使学生理解数据挖掘的基本概念和方法，为进入更深入的智能数据分析研究打好基础。 （三）教学内容 本课程主要学习的内容包括数据预处理、分类与预测、聚类分析等内容 （四）教学时数 本课程的教学时数为课堂36学时，上机18学时，2.5学分。 （五）教学方式 本课程将采用课堂讲授、。 第一章 数据挖掘概述 教学要点： 1.理解和掌握数据挖掘的基本概念、数据挖掘过程以及数据挖掘功能。 2.了解数据挖掘的应用和面临的问题。 3.对数据挖掘能够解决的问题和解决问题思路有清晰的认识。 教学时数： 3学时。 教学内容： 第一节 （学时）（学时）第三节 （学时）学时 教学要点： 1.了解数据集市、数据仓库的基本内涵。 2.掌握数据仓库的实现方法，包括如何建立多维数据模型。 3.了解数据仓库系统的结构。 4.掌握OLAP的典型操作，并能根据实际问题进行OLAP操作。 教学时数： 3学时。 教学内容： 第一节 数据仓库（学时）（学时）（学时）（学时） 教学时数（学时）（学时）（学时）（学时） 教学要点： 1.了解关联规则的基本思想、概念和意义。 2.了解关联规则挖掘的应用背景；掌握常用的关联规则算法。 3.掌握关联规则分析如何通过数据挖掘软件实现。 4.了解其它方法的内容、了解关联规则挖掘的研究动态。 教学时数： 4学时。 教学内容： 第一节 （学时） 第二节（学时）（学时）（学时） 教学要点： 1.了解分类及预测的基本思想、概念和意义。 2.掌握常用的分类及预测算法（或模型）。 3.了解分类及预测挖掘的研究动态。 教学时数： 12学时。 教学内容： 第一节 什么是分类，什么是预测（0.5学时学时学时学时学时学时学时学时学时 教学要点： 1.了解如何计算由各种属性和不同的类型来表示的对象之间的相异度。 2.了解几种聚类技术，它们可以分为如下几类：划分方法，层次方法，基于密度的方法，基于网格的方法，和基于模型的方法。 3.如何利用聚类方法进行离群点分析。 教学时数： 10学时。 教学内容： 第一节 聚类分析中的数据类型（0.5学时学时学时学时学时学时学时1、Jiawei Han、Micheline·Kamber 著，范明等译，《数据挖掘概念与技术》，机械工业出版社，2007年3月，第二版。 参考书目： 1、张云涛、龚玲著，《数据挖掘原理与技术》，电子工业出版社，2004。 2、陈京民编著，《数据仓库与数据挖掘技术》，电子工业出版社，2002。 3、林杰斌主编，《数据挖掘与OLAP理论与实务》，清华大学出版社，2003.1。 4、朱明编著，《数据挖掘》，中国科学技术大学出版社，2002.2。 5、Richard J. Roiger, Michael W. Geatz 著,翁敬农 译，《数据挖掘教程》,清华大学出版社，2003。 6、David Hand, Heikki Mannila, Padhraic Smyth著，张银奎、廖丽、宋俊等译，《数据挖掘原理》，机械工业出版社，2003。 本课程使用教具和现代教育技术的指导性意见 本课程教材力求内容新颖，应采用多样化的方式进行教学，让学生在理论与实践相结合的基础上，对课程所要求的实际操作能力有进一步的提高。 充分利用多媒体等现代化教学手段，整体优化教学过程和教学内容，调动学生学习积极性；布置实际操作任务给学生上机操作并及时指导。 《数据挖掘》实验教学大纲及实验项目 本课程的任务是：通过实践，学生对常用数据挖掘中的基本概念及其不同算法的实现方法的理论得到进一步的掌握，并对数据挖掘中的数据预处理、分类与聚类方法的具体实现及作用有所体会。 二、实验教学基本要求 本课程是一门实践性很强的专业课，只有了解这门课程的特点和基本要求，学习时才能做到有的放矢，举一