教学大纲_数据挖掘(高妮20160722).doc

西安财经学院本科专业课程教学大纲汇编 《数据挖掘》 信息学院 课程代码：0500301 《数据挖掘》教学大纲 Data Mining 执 笔 人： 高 妮 审 核 人： 批 准 人： 《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 Data Mining 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)Jiawei Han、Micheline Kamber 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) Robert I. 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：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。 [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