《数据挖掘与机器学习》教学大纲.docxVIP

1

《数据挖掘与数据仓库》教学大纲

课程名称：数据挖掘与机器学习

课程类别（必修/选修）：选修

课程英文名称：DataMiningandMachineLearning

总学时/周学时/学分：32/2/2

其中实验/实践学时：16

先修课程：具备基本的数据结构、数据库原理及应用、程序设计知识和编程能力。

后续课程支撑：深度学习

授课时间：1-16周星期二(3-4节)

授课地点：机房503

授课对象：2023经济与金融1班(粤台金融科技)、2023经济与金融2班(粤台金融科技)

开课学院：粤台产业科技学院

任课教师姓名/职称：杨荣贵/副教授

答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑

课程考核方式：开卷（）闭卷（）课程论文（）其它（）作业、期末报告

使用教材：《Python数据分析与挖掘算法从入门到机器学习》，张坤，清华大学出版社，出版年：2024.01.02，教材ISBN：9787302600169

教学参考资料：《数据仓库与数据挖掘》，魏伟一、张国治、秦红武，印次：1-2，出版日期：2023.04.01，ISBN：9787302625735

课程简介：

数据挖掘和机器学习都是重要的数据处理和分析技术，能够帮助企业更好地了解市场和客户需求，制定更加精准的营销策略和决策。在未来的发展中，随着人工智能和大数据技术的发展，数据挖掘和机器学习将会发挥更加重要的作用。

课程教学目标及对毕业要求指标点的支撑：

课程教学目标

支撑毕业要求指标点

毕业要求

目标1：

掌握数据挖掘和机器学习的基本概念、相关技术，了解数数据挖掘和机器学习

B2自然科学基础知识

掌握计算机软件应用，以及经济与金融相关学科的基本理论、基础知识和基本技能（涵盖学校人才培养标准5、6、

掌握大数据分析技术，具备运用编程语言（如Python、R等）开发金融交易策略的能力，能够结合大数据和人工智能进行金

2

在数据处理和规则提取中的应用现状、应用前景和研究方向。

7、8）。

融市场预测和投资决策。

目标2：

强化在数据挖掘和机器学习中的算法设计、分析的能力；同时，培养学生阅读外文资料、文献调研方面的能力。

B4工具性知识

掌握现代文献资料检索、查询的方法；具备办公软件及科研软件运用；提升计算机编程、云端运算、金融大数据分析、财金资料库检索与分析方面的知识（涵盖学校人才培养标准5、6、7、8、9）。

掌握并理解计算机软件应用，以及经济与金融相关学科的计算机软件应用基本理论、基础知识和基本技能。

目标3：

锻炼学生应用各种手段查阅文献资料、获取信息、拓展知识领域、继续学习并提高业务水平的能力。

B6专业知识

顺应智能金融的趋势，具有大数据分析能力与人工智能应用能力、参与金融投资竞赛与市场实操能力、投资分析师养成教育，并且掌握主要课程：程序设计、数据库应用、微观经济学、宏观经济学、计量经济学、会计学原理、中级会计学、财务管理、投资学、风险管理、衍生金融工具、国际金融等（涵盖学校人才培养标准6、7、9）

具备跨专业协作能力，能够与不同学科背景的团队成员共同解决复杂的金融问题，尤其是在智能金融和金融科技领域展示创新思维，结合数据科学、计算机编程等领域的知识为金融行业带来新思路。

理论教学进程表

周次

教学主题

授课教师

学时数

教学内容（重点、难点、课程思政融入点）

教学模式线下/混合式

教学方法

作业安排

支撑课程目标

1

数据分析与挖掘概述

杨荣贵

2

重点；数据分析与挖掘概述观念剖析

难点：数据分析与挖掘概述的整合性概念课程思政融入点：在课程中加入涉及我国计算机科学家及工程师在对计算机学科发展作出的贡献和利用数据分析与挖掘概述

线下

课堂讲授

课后作业：

练习安装Anaconda,Jupyter,PyCharm

目标1

3

原理及技术在其他领域应用取得了新成就等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学生的爱国热情和民族自豪感。

2

开发环境介绍

杨荣贵

2

重点；Anaconda,Jupyter,PyCharm难点：项目开发环境管理和套件管理

课程思政融入点：介绍数据挖掘和机器学习在国内的应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。

线下

课堂讲授

课后作业：

在Anaconda中创建项目开发环境以及基本管理操作。

目标1,2

3

数据分析工具

杨荣贵

2

重点；NumPy,Pandas,Matplotlib基本用法难点：NumPy,Pandas,Matplotlib灵活运用