《数据挖掘应用》课程标准.docxVIP

《数据挖掘应用》课程标准

课程名称：数据挖掘应用

学分：4

计划学时：72

适用专业：大数据技术

1.前言

1.1课程性质

《数据挖掘应用》课程是大数据技术专业的专业核心课，在整个专业课程体系中占有极为重要的地位。其前导课程为其前导课程为《程序设计基础》、《大数据编程技术提高》、《数据采集与预处理》及《大数据分析技术应用》。本课程的定位是使学生掌握数据分析、数据挖掘及机器学习相关方法，培养学生使用Python进行数据获取、数据清洗、数据处理、数据挖掘和数据智能应用的能力。通过上机实践掌握对不同领域、不同来源、不同类型数据的分析、挖掘与应用的能力，为今后数据分析与挖掘工作打下坚实的基础。

1.2设计思路

传统的方法类课程的教学只是针对数据分析工具的操作方法进行讲授，理论知识点讲完后，学生进行数据分析与挖掘工具的操作实验以及完成课后练习，知识点多而散，到最后一学期下来，学生只会编写简单的分析语言以及机器学习算法的基本使用，不会灵活的综合各知识点进行数据开发实践，无法真正将所学的知识应用到实际的分析过程中。在信息时代，提倡把“知识”放在问题中，放到现实中，让学生通过收集信息、分析信息、处理信息和运用信息，主动地探索、发现、体验和解决问题，从而培养获取新知识和利用知识进行创新的能力。

为了提高学生的技能和改变以前的教学情况，大数据技术教研室经过多年的教学模式研究以及培养方案探索，根据“以实践为导向，以能力为本位”和“项目教学法”的教学思想，制定相应的项目教学方案，养学生成为面向社会的实践型人才。主要设计思路如下：

（1）理解和记忆算法基本结构：在整个课程所涉及的教学内容的学习过程中都按照“算法基本结构的理解和记忆-简单Python程序算法设计-上机调试程序技能训练-实际应用”这条主线来进行。也就是说对数据挖掘的各种算法主要内容的学习，以理解加记忆为主，通过上机调试程序加深理解和记忆；要求学生熟记常用的典型算法。

（2）熟练上机调试技能，灵活掌握编程技巧：本课程安排有多媒体理论课和上机实践课，理论课力求让学生掌握编程基本思想；上机课通过编辑程序、运行程序、查看程序结果，改正程序错误再运行、观察结果等方法掌握编程技能。本课程是一个实践操作很强的课程，要求学生熟练根据各种错误信息提示迅速解决程序中出现的各种错误。加强编程逻辑思维能力的锻炼，力求让学生能够掌握灵活的编程技巧。

（3）以赛促学：建议学生在学习完本课程后参加各类大数据技术相关的技能大赛，通过这种方式起到“以赛促学”的目的。

（4）“活动导向设计”的教学方法：在课程教学中融入案例教学法、启发教学法、互动式教学法等多种教学方法的组合。适时选用提问、讨论等生动花样的形式，营造师生互动、生生互动的学习氛围。

（5）注重过程考核。考核方式突出“四个注重”。考核内容“注重”能力，考核形式“注重”多样化，考核评价“注重”过程，考核机制“注重”多种奖励。注重过程考核，坚持全面评价，强调知行统一，对学生掌握知识起到积极作用。

2.课程目标

通过本课程的学习和训练，使学生掌握数据挖掘技术的基本原理；了解机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的数据挖掘应用奠定基础。

2.1总体目标

通过任务引领型的项目活动，旨在使学生掌握数据挖掘的基本知识和综合实践技能，包括数据准备、数据清洗、数据分析、数据挖掘、数据智能应用等内容；还包括第三方工具包的使用，主要有数据分析包(NumPy、Pandas)、绘图包(Matplotlib)、机器学习包(Sklearn、Keras包)，以及Tensorflow框架。最终通过一个个简化的仿真项目，使学生在认知和实际操作上，对数据挖掘核心技术有一个整体的认识和理解，并掌握使用Python语言技能。倡导学生在“做中学”，为提高学生的职业能力奠定良好的基础。

2.2具体目标

通过理论和实践教学，使学生掌握Python在数据分析与挖掘中的常用工具和方法，并培养良好的人工智能技术应用能力。

2.2.1知识目标

（1）数据描述性统计分析模块

掌握特征工程、数据分析描述性统计方法；熟悉数据分组分析方法、数据结构分析及组成分析方法、数据相关分析方法。

（2）数据挖掘与预测应用模块

了解连续数据推断分析方法，包括回归分析基本概念及方法应用；掌握离散数据分类分析，包括分类分析基本概念及方法应用；了解关联规则挖掘分析，涉及关联规则基本概念及方法应用；掌握离散数据聚类分析，包括聚类分析基本概念及方法应用。

（3）综合应用拓展模块

了解模式识别应用与发展趋势、自然语言处理应用与发展趋势分析、语音识别基本概念及其应用；掌握机器学习在智能生产线上的应用。

2.2.2能力目标

能从实际需要出发，能从不同的途径获取大