《数据挖掘与商业智能》实验教学大纲.doc

“数据挖掘与商业智能实验”实验课程教学大纲 课程编号课程名称：数据挖掘与商业智能实验/Data Mining and Business Intelligence 课程属性：选修 实验属性：独立设课 开课学期：6 学 时：32 适用专业：计算机科学与技术、软件工程 　 学 分：1 开课部门：数学与计算机科学学院 考核要求：考查 课程简介： 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，并通过大量练习来强化对数据挖掘技术的掌握和应用。 一、实验项目设置及学时分配 项目编号 实验项目名称 实验 类型 开出 要求 学时 分配 001 python编程基础 设计 必做 8 002 有监督学习类算法 设计 必做 12 003 无监督类学习算法 验证 必做 6 004 数据挖掘综合应用 综合 必做 6 学时总计 32 二、实验内容及教学要求 实验项目1：python编程基础 1、教学内容 Python开发环境、python基本语法、数据挖掘算法中常用函数库（numpy、scipy、sci-learn）、数据挖掘预处理常用库（padas）、数据挖掘可视库函数库（matplotlib）。 2、教学目标 掌握python基本语法和常用函数库使用 实验项目2：有监督学习类算法 1、教学内容 结合具体任务，结合数据预处理技术，针对SVM、决策树、集成方法、logistic回归、贝叶斯方法进行分类或回归算法训练。 2、教学目标 掌握各算法的算法原理与流程，熟悉相关API，熟悉应用场景、培养其应用实现技能。 实验项目3：无监督类学习算法 1、教学内容 结合具体任务，结合数据预处理技术，针对Kmean等算法进行聚类算法训练，了解聚类评价准则。 2、教学目标 掌握各Kmean等算法的设计方法功与流程、了解聚类评价准则、熟悉相关API，熟悉应用场景、培养其应用实现技能。 实验项目4：数据挖掘综合应用 1、教学内容 结合具体任务，采用数据挖掘过程规范，综合运用数据挖掘技术实现具体应用。 2、教学目标 掌握挖掘过程规范，熟悉数据挖掘应用场景。 三、考核方式及要求 1、学生自评、小组评定与教师确认相结合的多元评价。 2、量化考核与模糊评价相结合。 3、采用过程评价方式。 四、主要仪器设备及实验材料 项目编号 实验项目名称 主要仪器设备 及台（套）数 实验材料 备注 001 python编程基础 计算机 装有anacada、Tensorflow开发平台 002 有监督学习类算法 计算机 装有anacada、Tensorflow开发平台 003 无监督类学习算法 计算机 装有anacada、Tensorflow开发平台 004 数据挖掘综合应用 计算机 装有anacada、Tensorflow开发平台 五、教材及参考书 1、教材：《Python机器学习及实践》 范淼、李超编著 清华大学出版社 2016 2、参考书：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 六、教改说明及其他 结合具体应用进行训练，采用全景式编程教学