《数据挖掘》课程教学大纲.doc

“数据挖掘”课程教学大纲 课程编号课程名称：数据挖掘/Data Mining 学 时：32 学 分：2 适用专业：计算机科学与技术、软件工程 开课学期：6 开课部门：数学与计算机科学学院(服务外包学院) 先修课程：高级语言程序设计、数据结构、概率论与数理统计、线性代数、高等数学 考核要求：考查 使用教材及主要参考书： 教 材：Mehmed Kantardzic　编著 王晓海、吴志刚 译,《数据挖掘：概念、模型、方法和算法》， 清华大学出版社, 2013 参考书：《Python机器学习及实践》 范淼、李超编著 清华大学出版社 2016 《数据挖掘原理与算法》 毛国君等编著 清华大学出版社（第二版） 2010 一、课程的性质和任务 本课程是计算机科学与技术专业一门重要选修课程，主要讲授数据挖掘基本概念、基本原理、基本算法，了解其应用与目前研究进展，为学生将来研究、学习和工程应用提供知识储备。 二、教学目的与要求 通过本课程学习让学生了解信息处理技术的发展方向以及数据挖掘技术本身的概念、原理和方法。要求学生掌握数据挖掘技术的基本方法，有初步的数据挖掘工程应用能力。 三、学时分配 章节 课程内容 学时 1 数据挖掘工程与数据仓库概述 6 2 数据挖掘预处理技术 4 3 数据挖掘常用算法 18 4 数据挖掘可视化 2 5 数据挖掘工程项目应用 2 教学中应注意的问题 理论抽象要与具体案例紧密联系 五、教学内容 第一章 数据挖掘工程与数据仓库概述 基本内容： 1、数据挖掘基本概念及要素 2、数据挖掘工程过程特点、过程模型及过程要点 3、数据仓库、OLAP、ETL等相关概念 4、数据仓库建模一般过程与方法 5、主流数据仓库工具 教学基本要求：了解数据挖掘基本概念，掌握数据挖掘工程过程模型，了解数据仓库的基本概念、设计基本要点和建立一般过程 教学重点难点：掌握数据挖掘概念及其过程，主流软件下数据仓库的建模方法 教学建议：强化数据挖掘工程观点，注意激发学生兴趣。 第二章 数据挖掘预处理技术 基本内容：1、数据的表示与特性、数据预处理基本任务 2、数据的转换、丢失数据、异常点的处理技术 3、数据归约技术：Relief算法，特征排列算法、特征离散化、值归约、主成份归约 教学基本要求：了解数据特性和预处理任务、掌握常见数据预处理技术 教学重点难点：数据预处理基本任务、数据的转换、丢失数据、异常点的处理技术、数据归约技术的基本思想，算法流程及伪码实现 教学建议：使用案例教学、弄清算法流程、及时训练。 第三章 数据挖掘常用算法 基本内容：1、关联规则挖掘算法 2、WEB挖掘与文本挖掘技术 3、决策树规则与决策树方法 4、人工神经网络技术 聚类方法：分区聚类、DBSCAN算法、增量聚类、Kmean算法 集成学习方法 7、统计学习方法：贝叶斯方法、Logistic方法、SVM方法 教学基本要求：掌握常见数据挖掘算法 3. 教学重点难点：各算法的设计要点，算法流程及伪代码、各算法的适用场景 4. 教学建议：建议使用案例教学、及时训练。 第四章 数据挖掘可视化 1. 基本内容： 1、可视化基本概念 2、信息可视化技术：SOM技术 3、主流可视化系统应用 2.教学基本要求：了解常用数据挖掘可视化基本概念和主流技术，了解其发展动态 教学重点难点：各模式的设计与实现要点、各模式的适用场景。 教学建议：建议使用案例教学、及时训练。 第五章 数据挖掘工程项目应用 1. 基本内容：结合案例，讲解数据挖掘具体过程、文档与规范 2. 教学基本要求：了解数据挖掘过程及其规范 教学重点难点：数据挖掘具体过程、文档与规范 教学建议：紧密结合实际、及时训练。