原创力文档- 1、本文档共6页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
PAGE
PAGE1
《复杂流形数据挖掘技术》课程教学大纲
一、课程简介
课程中文名
复杂流形数据挖掘技术
课程英文名
Complexmanifolddataminingtechniques
双语授课
□是?否
课程代码课程学分
1
总学时数
16
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)
数据科学与大数据技术
面向专业
数据科学与大数据
开课学期
第6学期
先修课程
无
后续课程
无
选用教材
1.王磊.Python数据挖掘实战（微课版）[M].北京：人民邮电出版社.2023
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
复杂流形数据挖掘技术是数据科学与大数据技术专业学生的专业选修课程，本课程通过对复杂流形数据概念的讲解，能够让学生了解大数据时代数据的特征和呈现形式，使学生形成大数据思维，从而用大数据的思维方式去思考问题，改变其传统的数据观念。能够使学生了解数据挖掘技术的应用场景，进而掌握数据经典的数据挖掘算法，并将其应用到大数据分析处理中，获取学生感兴趣的信息。
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
熟悉复杂流形数据及其相关概念和基本的处理方法，能够将现实生活中的数据根据大数据的特种进行分类处理。
课程目标2
熟悉数据挖掘技术，能够利用python语言实现经典的数据挖掘算法，并能将算法应用到复杂流形数据分析中。
课程目标3
紧跟复杂流形处理前沿技术，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
毕业要求
指标点
课程目标
4.研究：能够基于数据科学与大数据技术的相应原理，采用科学方法对大数据应用领域中的复杂工程问题进行研究，制定技术路线、设计实验方案并开展实验，通过实验分析得到合理有效的结论。[H]
4.1能够综合应用数据科学与大数据技术基本原理，针对大数据应用领域复杂工程问题，通过文献研究、调研和分析，设计合适的解决方案。
课程目标1
10.沟通：具备一定的国际视野和跨文化沟通能力，能够就大数据相关应用领域的复杂工程问题与业界同行及公众进行有效沟通，包括撰写报告、陈述发言、清晰表达等。[L]
10.1能够就大数据相关应用领域中的复杂工程问题与业界同行及社会公众进行交流，通过书面报告、设计文档、编写代码和口头陈述清晰地表达团队或个人观点与设计理念。
课程目标2
12.终身学习：具有自主学习和终身学习的意识，具备在科学研究与技术应用过程中不断学习和适应发展的能力。[M]
12.1能认识不断探索和学习的必要性，注重身心健康，具有自主学习和终身学习的意识。
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
课程简介
课程背景与意义、复杂流形数据挖掘的定义与重要性、课程学习目标与预期成果
拓展阅读、练习、线上学习、个人作业
课程目标1
课程目标2
课程目标3
重点：
复杂流形数据挖掘的定义与重要性
讲授法
案例法
2
2
复杂流形理论基础
流形的基本概念与性质、复杂流形的表示与建模、复杂流形的几何与拓扑分析
拓展阅读、练习、线上学习、个人作业
课程目标1
课程目标2
重点：
复杂流形的表示与建模
难点：
复杂流形的几何与拓扑分析
讲授法
案例法
4
3
数据挖掘技术基础
数据挖掘的基本概念与流程、数据预处理技术、数据降维与特征提取、数据分类与聚类
拓展阅读、练习、线上学习、个人作业
课程目标2
课程目标3
重点：
数据预处理技术型
难点：
数据降维与特征提取；
数据分类与聚类
讲授法
案例法
4
4
复杂流形数据挖掘算法
基于流形的聚类算法、基于流形的分类算法、基于流形的降维算法、其他高级算法介绍
拓展阅读、练习、线上学习、个人作业
课程目标1
课程目标3
重点：
基于流形
文档评论（0）