2023S01104-大数据分析与挖掘实验-2023版人才培养方案课程教学大纲.docxVIP

PAGE4

附件5-2

ADDINCNKISM.UserStyle《大数据分析与挖掘实验》课程教学大纲

（实验课程·2023版）

一、课程基本信息

课程号

2023S0110420SDC01106

开课单位

网络空间安全与计算机学院

课程名称

（中文）大数据分析与挖掘实验

（英文）BigDataAnalysisandMiningExperiments

课程性质

选修

考核类型

考查

课程学分

1

课程学时

34

课程类别

专业拓展课（学术研究方向）

适用专业（类）

数据结构、数据库系统、算法设计与分析

二、课程描述及目标

（一）课程简介

《大数据分析与挖掘实验》课程是本专业（类）的一门专业拓课程，旨在培养学生对实际生活工作中的大数据进行存储、分析和挖掘的能力，掌握大数据处理的知识。本课程主要基于大数据分析与挖掘理论。本课程主要包括大数据的数据表示、数据预处理、关联规则挖掘、分类、聚类和异常点检测应用实现等实验项目。

（二）教学目标

通过本课程，学生将掌握大数据分析与挖掘的基本技术。

课程目标1：掌握大存储与预处理技术；

课程目标2：掌握大数据分析与挖掘基本算法；关联规则挖掘、分类、聚类和异常检测。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-2：具有计算机科学与技术领域需要的数据分析能力，能针对具体的对象建立数学模型并利用计算机求解；

课程目标1

课程目标2

0.12

4-4：能对实验结果进行分析和解释，并通过信息综合得到合理有效的结论。2-1：具备较强的科学研究、技术开发和应用服务工作能力；

课程目标2

0.3

5-2：能够选择与使用恰当的技术、资源、现代工程工具、现代信息技术工具和相关辅助软件对计算机科学与技术领域的复杂工程问题进行分析、计算与设计。2-2：具有独立获取知识、提出问题、分析问题和解决问题的能力；

课程目标2

0.42

10-1：能就计算机科学与技术专业问题，以口头、文稿、图表等方式，准确表达自己的观点，回应质疑，理解并包容与业界同行和社会公众交流的差异性；3-1：关注专业前沿技术发展，自主学习，不断进行知识更新的素质。；

课程目标2

0.12

12-2：具有自主学习的能力，包括对技术问题的理解能力，归纳总结的能力、提出问题的能力，批判性思维和创造性能力；

课程目标2

0.1

四、教学方式与方法

教师布置实验要求，指导学生查阅相关资料、给出编程实现的思路。学生独立完成系统设计、编写代码，、运行测试，并撰写个人的课程设计报告。最后，要求学生演示并提交实验报告。

五、教学重点与难点

（一）教学重点

如何引导学生实现数据预处理技术和分析挖掘算法。

（二）教学难点

如何引导学生实现数据预处理技术和分析挖掘算法。

六、实验内容、基本要求与学时分配

序号

实验项目名称

实验内容与要求

学时

类型

对应课程目标

1

数据表示

将一批现实工作生活中的数据按照要求表示并进行存储（必修）

4

验证性

课程目标1

2

数据预处理

将存储后的数据进行数据预处理的各种操作（必修）

6

验证性

课程目标1

3

关联规则挖掘

选择一基本算法，对预处理后的数据寻找频繁项集挖掘关联规则（必修）

8

验证性

课程目标2

4

分类

将预处理后的数据分成两个训练和测试集合，选择一基本分类算法，用训练集合建立分类器，用测试集合评价分类效果（必修）

6

验证性

课程目标2

5

聚类

选择一基本聚类算法，对预处理后的数据进行聚类，并分析聚类效果（必修）

6

验证性

课程目标2

6

异常点检测

选择一基本异常点检测算法，对预处理后的数据进行异常点检测，并分析检测效果（必修）

6

验证性

课程目标2

合计

七、学业评价和课程考核

（一）考核类型：?考试?考查

（二）考核方式：?实验报告?实验作品

?其它：（填写具体考核方式）

（三）成绩评定：

考核

依据

建议分值

（百分比）

考核/评价细则

对应课程目标

平时

考核

100%

出勤

10%

根据出勤率判定

实验报告

40%

根据撰写完整性和正确性判定

课程目标1

课程目标2

实验结果

50%

根据完成程度和正确性判定

课程目标1

课程目标2

期末

考核

0%

八、课程目标达成评价

课程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。

课程目标达成度

毕业要求指标点达成度

九、教材与教学参考书

（一）教材

《Python大数据分析与挖掘实战（微课版）》，黄恒秋，莫洁安，谢东津，张良均，苏颖著，人民邮电出版社，2020，11。

（二）教学参考书

1.《大数据分析与挖掘》，石胜飞编著，人民邮电出版社，2018，8，第1版；

2.《大数据挖掘：系统方法与实例分析》，周英、卓金武、卞月青编著，机械工业出版社