《数据挖掘》教学大纲.docVIP

PAGE3

《数据挖掘》教学大纲

课程英文名

DataMining

课程代码

03M0238

学分

2.0

总学时

32

理论学时

24

实验学时

8

上机学时

0

实践学时

0

课程类别

专业教育课程

课程性质

必修

先修课程

Python程序设计、机器学习

适用专业

人工智能

开课学院

信息工程学院

执笔人

陈薇

审定人

专业评定小组

制定时间

2025年1月

注：课程类别是指公共基础课/学科基础课/专业课；课程性质是指必修/限选/任选。

一、课程地位与课程目标

（一）课程地位

数据挖掘作为大数据时代背景下的关键研究领域，是人工智能技术的重要组成部分，其应用广泛且深入，为现代科技的发展提供了强大的动力和支撑。本课程是人工智能专业高年级本科生的一门重要选修课，旨在培养学生运用计算机算法从各类原始数据中发现有价值的知识和规律，进而辅助人们做出更高效、更精准的决策。通过本课程的学习，学生将能够掌握数据处理、模式识别以及机器学习等领域的关键技术和方法，为未来的研究和职业生涯奠定坚实的基础。本课程有效地连接了机器学习算法、计算机编程和数据管理系统等基础课程，以及金融数据分析、文本分析和挖掘等应用型课程，构筑起了一座坚实的知识桥梁。

（二）课程目标

该课程应达到的预期学习结果（ILO，IntendedLearningOutcomes）如下所示：

ILO-1：掌握数据挖掘的基本概念、核心技术和主要算法，包括分类、聚类、关联规则、异常检测等；理解数据挖掘的理论基础及其在知识发现中的重要作用，熟悉数据挖掘过程的主要环节和基本步骤。

ILO-2：具备利用主流数据挖掘工具和编程语言（如Python等）完成数据预处理、模型构建与优化的能力；能够针对实际问题选择合适的算法和技术，提取数据中的潜在规律并进行结果分析和解释。

ILO-3：培养学生将数据挖掘技术应用于金融数据分析、文本挖掘等实际场景的能力，增强其综合运用算法与工具解决复杂问题的实践能力；提高创新意识和技术敏感性，为未来从事数据科学及相关领域的研究和开发工作奠定坚实基础,培养他们的创新能力和团队合作精神，使其在未来的学习和工作中，能够更好地为社会发展贡献力量。

二、课程目标达成的途径与方法

程主要以课堂教学与实验相结合，具体通过课堂教学、课堂讨论、课外作业、实验等途径和方式来达成。课程目标达成的途径与方法如下表所示。

课程目标

课程目标达成的途径与方法

ILO-1

课堂教学、课堂讨论、课外作业

ILO-2

课堂教学、课堂讨论、课外作业、实验报告

ILO-3

课堂教学、课堂讨论、课外作业、实验报告

课程目标与相关毕业要求的对应关系

本课程支撑的毕业要求如下：

毕业要求3：设计/开发解决方案：能够设计针对人工智能复杂问题的解决方案，设计满足特定需求的智能系统，并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。

毕业要求3-1：能够针对人工智能领域复杂工程问题进行需求分析。

毕业要求3-2：能够针对特定需求独立进行智能系统设计，并通过仿真或实验等手段验证可行性。

毕业要求4：研究：能够基于人工智能科学原理并采用科学方法对复杂工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。

毕业要求4-3：能够对实验结果进行分析和解释，通过信息综合得到合理有效的结论。

课程目标对毕业要求的支撑关系如表1所示。

课程目标

毕业要求

课程目标对毕业要求的支撑程度（H、M、L）

毕业要求3-1

毕业要求3-2

毕业要求4-3

ILO-1

M

ILO-2

M

ILO-3

H

注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。

四、课程主要内容与基本要求

1数据挖掘概述

知识点：数据来源、数据挖掘的数据挖掘的定义、过程、背景和热门应用等。

基本要求：重点掌握数据挖掘主要流程和主要数据挖掘任务。

2数据相关内容

知识点：数据类型的基本分类与特性，数据预处理的核心方法，包括数据聚集、抽样、维度归约等技术，以及数据相似性与相异性的定义与度量方法。

基本要求：掌握数据预处理和数据相似性分析的核心逻辑，理解其在数据分析中的重要性。通过数据挖掘应用案例学习，培养学生探索数据规律和解决数据问题的实践能力。

3数据探索

知识点：数据探索的核心方法，包括数据汇总的基本技术与统计分析方法，数据可视化的常用工具与实践，以及一般数据挖掘项目的流程和关键环节。

基本要求：掌握数据探索的基本技能，能够运用汇总与可视化方法直观呈现数据特征，并了解数据挖掘项目从问题定义到结果解释的整体框架，培养学生系统分析数据和提炼洞察的能力，使学生树立以数据为驱动解决实际问题的职业理想与责任意识。

4分类问题与分析应用

知识点：分类问题的基本概念、进阶技术