数据挖掘教学日历.doc

《数据挖掘》教学日历 先修课程名称 数据库系统原理、管理信息系统、决策支持系统 课程的性质和任务 本课程将系统介绍数据挖掘的基本概念、基本原理和应用基础，通过课堂讲授、实例分析，提高学生数据挖掘技术的认识，熟悉基本工具应用，并掌握设计和开发数据挖掘算法和系统的初步能力。 教材 Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques.高等教育出版社（影印版）,2001.5. 参考书 [1]Ian H. Witten, Eibe Frank. Data Mining: Practical Machine Learning Tools and Techniques (第二版). 机械工业出版社（影印版），2005. [2] Richard J. Roiger, Michael W. Geatz. Data Mining: A Tutorial-Based Primer.清华大学出版社，2003. 课前预习 学生最好在课前进行预习，课堂上将着重于如何解决问题。如果学生事先阅读了相关章节，这将有助于学生理解讲课的内容。考试说明 考试方式 闭卷考试 分数说明 本课程有课后作业、不定期地进行随堂测验以及一次期末考试，各部分所占总分的比例 平时 10 % 数据实验 30 % 闭卷考试 60 % 100 % 不定期的随堂考试将在正式讲课之前进行，大约15分钟左右，所以不要迟到或逃课。　 课后作业包括讲义所含相关章节的全部课后习题中的一部分或者其他指定的作业。作业必须在指定日期的上课之前交上来。 要求 1、除非学生能证明有特殊情况，例如疾病，否则不能以任何借口不参加考试和随堂测验。如果无故不参加考试和测验，给予0分。学生之间可以讨论课后作业，但是不可以抄袭别人的作业。助教可以不予批改迟交的作业。 2、涉及学生的学术不诚实问题主要包括考试作弊；抄袭；伪造或不当使用在校学习成绩；未经老师允许获取、利用考试材料进行传播、贩卖；对于学术不诚实的最低惩罚是考试给予0分。其他的惩罚包括通告学校相关部门并按照有关规定进行处理 课程进度 1、Introduction (First Week) Key Points： Motivation; What is Data Mining; Data Mining Data/ Functionalities Reading：Chapter 1 2、Data Warehouse and OLAP Technology (Second Week) Key Points：Definition; Multidimensional Data Model; Architecture; Implementation Reading：Chapter 2 ? 3、Data Pre-processing (Third Week) Key points：Data Cleaning; Data integration and transformation; Data Reduction; Discretization Reading：Chapter 3 4、Data Mining Primitive, Language and System (Fourth Week) Key Points：DMQL Reading：Chapter 4 ? 5、Concept Descriptions: Characterization and Comparison (Fourth Week) Key Points：Generalization and Summarization-Based Characterization; Analyt