《数据仓库与数据挖掘》教学大纲2.docVIP

??《数据仓库与数据挖掘》课 程 教 学 大 纲 课程编号： 课程名称：数据仓库与数据挖掘 总学时：40学时 实验学时：8学时 一、说明部分 1、课程的性质 数据仓库与数据挖掘技术出现在20世纪80年代，90年代有了突飞猛进的发展，并可望在新的千年继续繁荣。数据仓库与数据挖掘是一个多学科领域，从多个学科汲取营养。这些学科包括数据库技术、人工智能、机器学习、神经网络、统计学、模式识别、知识库系统、知识获取、信息检索、高性能计算和数据可视化。。 课程教学目的及意义： 《数据仓库与数据挖掘》是信息管理与信息系统专业本科生的一门必修课程。本课程的目的主要是要求学生能对数据仓库与数据挖掘的基本方法和基本概念有整体的了解，掌握建立数据仓库的原理和方法，从理论上掌握数据仓库、OLAP联机的基本概念、原理、主要算法及应用系统解决方案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用。 教学内容及教学要求 1) 了解数据仓库的概念与体系结构。 2) 掌握数据仓库的数据存储与处理。 3) 掌握数据仓库系统的设计与开发方法。 4) 掌握数据挖掘的关联挖掘、定性归纳技术、聚类分析、分类方法。 5) 掌握贝叶斯网络、粗糙集方法。 教学方法和手段：采用“教学训一体”方式教学 80学时，其中课内学时40，实验40。 6、教材及参考书??教材：《数据仓库与数据挖掘（第2版）》，主编：陈志泊，出版社：清华大学出版社，2009年5月 ?? 1. 数据仓库与数据挖掘技术（第2版），陈京民 编著，电子工业出版社，2007.11 ?? 2. 数据仓库和数据挖掘，苏新宁 等编著，清华大学出版社，2006.4 ?? 3. 数据挖掘Clementine应用实务，谢邦昌 主编，机械工业出版社，2008.4 ?? 二、正文部分 第一章 数据仓库的概念与体系结构 4学时 1.1 数据仓库的概念、特点与组成 1.2 数据挖掘的概念与方法 1.3 数据仓库的技术、方法与产品 1.4 数据仓库系统的体系结构 1.5 数据仓库的产生、发展与未来 教学要求: 了解：数据仓库的概念 了解：数据挖掘的概念与方法 掌握：数据仓库系统的体系结构。 第二章 数据仓库的数据存储与处理4学时 2.1 数据仓库的三层数据结构 2.2 数据仓库的数据特征 2.3 数据仓库的数据ETL过程 2.4 多维数据模型和星模式 教学要求： 掌握：数据仓库的三层数据结构 掌握：数据仓库的数据ETL过程。 了解：多维数据模型和星模式。 第三章 数据仓库系统的设计与开发4学时 3.1 数据仓库系统的设计与开发概述 3.2 基于SQL Server的数据仓库数据库设计过程详解 3.3 使用SQL Server 2005建立多维数据模型 教学要求 了解：数据仓库系统的设计与开发。 掌握：基于SQL Server的数据仓库数据库设计过程。 第四章 关联规则4学时 4.1 概述 4.2 引例 4.3 经典算法 4.4 相关研究与应用 教学要求 了解：关联规则挖掘。 掌握：Apriori算法 第五章 数据分类4学时 5.1 引例 5.2 分类问题概述 5.3 决策树 5.4 支持向量机 5.5 近邻分类方法 教学要求 了解：数据挖掘的分类。 掌握：决策数分类的基本思想。 第六章 数据聚类4学时 6.1 引例 6.2 聚类分析概述 6.3 聚类分析中相似度的计算方法 6.4 k-means聚类算法 6.5 层次聚类方法 教学要求 了解：聚类分析 掌握：聚类分析中相似度的计算方法 掌握：k-means聚类算法 第七章 贝叶斯网络4学时 7.1 引例 7.2 贝叶斯概率基础 7.3 贝叶斯网络概述 7.4 贝叶斯网络的预测、诊断和训练算法 7.5 工具包应用 教学要求： 了解：贝叶斯概率、贝叶斯网络 掌握：贝叶斯网络的预测、诊断和训练算法 第八章 粗糙集4学时 8.1 引例 8.2 分类与知识 8.3 粗糙集 8.4 辨识知识的简化 8.5 决策规则简化 教学要求 了解：分类与知识概念、粗糙集 掌握：辨识知识的简化 《数据仓库与数据挖掘》实验内容与基本要求： 序号 实验项目名称 内容提要 实验 学时 每组人数 实验 类型 实验者类别 开出 要求 1 数据仓库的建立 (1)学习SQL Server系统的基本操作及其工作流程，如服务启动，数据库注册等；使用DTS工具进行元数据管理(2)使用MDS工具进行数据仓库元数据及其框架的管理(3)使用ODBC数据源管理工具建立系统数据源连接，并应用Analysis Server工具建立数据仓库和数据源(模拟案例)(4)察看、编辑数据仓库的基本模型(即事实表与维度表之间的关系) 3 1 验证 本科 必做 2 多维数据组