数据挖掘技术与应用物联网工程 课程教学大纲.docx

PAGE

PAGE1

《数据挖掘技术与应用》课程教学大纲

一、课程简介

课程中文名

数据挖掘技术与应用

课程英文名

TechnologyandApplicationofDataMining

双语授课

□是?否

课程代码课程学分

4

总学时数

64（含实践32）

课程类别

□通识教育课程

□公共基础课程

?专业教育课程

□综合实践课程

□教师教育课程

课程性质

□必修

?选修

□其他

课程形态

□线上

?线下

□线上线下混合式

□社会实践

□虚拟仿真实验教学

考核方式

?闭卷□开卷□课程论文□课程作品□汇报展示□报告

?课堂表现?阶段性测试?平时作业?其他（可多选）

开课学院

大数据与智能工程学院

开课

系(教研室)

数据科学与大数据系

面向专业

物联网工程专业

开课学期

第5学期

先修课程

数据结构与算法、Python程序设计

后续课程

物联网应用综合实训

选用教材

1.吴建生,许桂秋.数据挖掘与机器学习[M],北京:人民邮电出版社,2022.

参考书目

1.盛胜利,林海,李金洪.Python数据挖掘与机器学习实践[M],北京:机械工业出版社,2019.

2.JiaweiHan,MichelineKamber,JianPei.数据挖掘概念与技术[M],北京:机器工业出版社,2012.

课程资源

/paths/ijeknthr

课程简介

数据挖掘技术与应用是物联网工程专业选修课程，主要介绍数据挖掘基本概念、数据统计分析方法，机器学习框架、分类、回归、聚类、降维、关联规则和协同过滤、离群检测等分析方法。本课程是《数据结构与算法》课程的延伸，在学生数据处理及数据分析能力培养中处于较为重要地位。通过该门课程的学习，不但可以验证、巩固理论知识，加深对数据挖掘算法的理解，而且可以提高学生分析问题、解决实际问题的能力，培养实事求是的科学态度和创新精神，为后续课程的学习和将来就业、科研工作打下基础。

二、课程目标

表2-1课程目标

序号

具体课程目标

课程目标1

能够陈述常用数据挖掘算法的原理，习得数据挖掘算法构建方法，阐明机器学习过程模型，能根据实际应用领域数据特征，描述数据预处理、数据分析和数据可视化方法，能描述数据挖掘领域的最新技术和发展趋势。

课程目标2

具备运用数据挖掘知识、人工智能技术、数据可视化方法及相关分析工具，对计算机复杂工程问题进行研究、分析和解释的能力，具备对分析结果进行归纳和总结能力，逐步形成科学的学习观和方法论。

课程目标3

紧跟数据挖掘领域的前沿技术，掌握最新工具的使用方法，逐步养成严谨的科学态度、积极向上的价值观和终身学习的精神，为未来的学习、工作和生活奠定基础。

表2-2课程目标与毕业要求对应关系（物联网工程专业）

毕业要求

指标点

课程目标

1.工程知识：能够将数学、自然科学、工程基础和专业知识用于解决物联网复杂工程问题。。【H】

1.2能够使用数学、自然科学、工程基础和专业知识，选择恰当的数学模型，实现物联网应用系统的建模，将实际问题抽象转化为计算机可处理的问题。

课程目标1

4.研究：能够基于科学原理并采用科学方法对物联网复杂工程问题进行研究，设计实验、分析与解释数据，并通过信息综合得到合理有效的结论。【M】

4.3能选用、搭建或开发物联网应用系统实验环境，开展实验并正确记录、整理实验数据，对实验结果进行分析和解释，得到合理有效的结论，并确定结论的影响因素。

课程目标2

5.使用现代工具：能够针对物联网复杂工程问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对物联网复杂工程问题预测与模拟，并能够理解其局限性。【L】

5.3能够使用平台、资源、工具、软件，对物联网复杂工程问题进行模拟

与预测，对结果进行合理评价。

课程目标3

三、课程学习内容与方法

（一）理论学习内容及要求

表3-1课程目标、学习内容和教学方法对应关系

序号

课程模块

学习内容

学习任务

课程目标

学习重点难点

教学方法

学时

1

数据挖掘概述

1.什么是数据挖掘

1.了解数据挖掘的相关概念

2.理解监督学习与无监督学习的区别

3.查阅相关文献，整理目前数据挖掘的最新的技术

1

重点：

1.学生对数据挖掘概念有初步的认识

2.学生对数据挖掘模式有初步的认识

难点：

3.学生对数据挖掘方法有初步掌握

1.讲授法：引导学生掌握数据挖掘的概念。

2.专题研讨：促进学生理解不同数据挖掘方法特点。

2

2.数据挖掘的数据类型

1

3.数据挖掘模式

1/2

4.数据挖掘方法

1/2

2

Pandas数据分析

1.统计学与数据挖掘

1.了解统计学相关指标在数据挖掘过程中的应用

2.掌握Pand