3023D02020-数据挖掘与机器学习-2023版人才培养方案课程教学大纲.docxVIP

PAGE3

附件5-2

ADDINCNKISM.UserStyle《数据挖掘与机器学习》课程教学大纲

（实验课程·2023版）

一、课程基本信息

课程号

3023D02020

开课单位

国际学院

课程名称

（中文）数据挖掘与机器学习

（英文）DataMiningandMachineLearning

课程性质

选修

考核类型

考查

课程学分

1

课程学时

34

课程类别

学科基础课程（学科拓展课）

适用专业（类）

经济学类

二、课程描述及目标

（一）课程简介

《数据挖掘》课程是经济统计学专业的一门专业拓展课程，旨在通过理论教学与实践操作训练，使学生掌握数据挖掘的基本概念，了解数据挖掘的定义和功能以及实现数据挖掘的主要步骤和具体实现方法，初步掌握数据挖掘的算法。使同学们在学习本课程后，能实现简单的数据挖掘算法编程，了解实现数据挖掘的具体操作。

（二）教学目标

通过本课程的学习，将使学生掌握复杂数据的分析与建模；能够按照实证研究的规范和数据挖掘的步骤进行大数据研发，具备使用数据分析软件进行数据挖掘的能力。

课程目标1：掌握数据挖掘的基本概念和原理。

课程目标2：能利用数据挖掘工具软件进行数据挖掘任务处理和分析。

课程目标3：能独立完成数据挖掘的研究工作来解决实际问题。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-3：掌握现代统计学的基本分析方法与分析技术

课程目标1

0.3

2-1：具备运用数量分析方法和现代技术手段进行社会经济调查、经济分析和实际操作的能力

2-2：具备较高的计算机应用水平，能熟练使用统计分析软件进行数据处理、建模和分析的能力

课程目标2

0.4

2-4：具备初步的科学研究和实际工作能力，具有一定的批判性思维能力

课程目标3

0.3

四、教学方式与方法

本课程借助多媒体教学条件，以讲授方式为主，辅助以适用的案例分析，以学生为主体，强调实际应用在教学中的主体地位。

五、教学重点与难点

（一）教学重点

决策树、贝叶斯分类和关联分析。

（二）教学难点

决策树。

六、实验内容、基本要求与学时分配

序号

实验项目名称

实验内容与要求

学时

类型

对应课程目标

1

数据预处理

数据集成、数据清洗和数据变换的操作方法。

6

演示性

课程目标1

2

决策树建模

分类回归树、神经网络的应用案例分析

6

验证性

课程目标2

3

聚类分析

Kmeans聚类、密度聚类的应用案例分析

6

验证性

课程目标3

4

关联规则挖掘

关联规则挖掘的应用案例分析

6

验证性

课程目标3

5

孤立点筛查

孤立森林在孤立点筛查中的应用

3

设计性

课程目标3

6

文本数据分析

文本挖掘案例分析

3

设计性

课程目标3

7

图像数据分析

影像数据挖掘应用案例分析

4

设计性

课程目标3

合计

34

注：实验要求包括必修、选修；实验类型包括“验证性”、“设计性”等。

七、学业评价和课程考核

（一）考核类型：?考试t考查

（二）考核方式：t实验报告t实验作品

?其它：（填写具体考核方式）

（三）成绩评定：

考核

依据

建议分值

（百分比）

考核/评价细则

对应课程目标

过程

考核

100%

出勤表现

20%

考勤情况，课堂表现、学习态度等

课程目标1

实验过程

50%

实验态度，小组合作情况

课程目标2

实验报告

30%

结果准确性、规范性

课程目标3

期末

考核

0

八、课程目标达成评价

课程目标的实际达成效果计算方式如下，达成值越高，教学效果越好。

课程目标达成度=

毕业要求指标点达成度=

九、教材与教学参考书

（一）教材

《数据挖掘方法与应用》，田雅娟，科学出版社，2022，第1版。

教学参考书

《数据挖掘算法原理与实现》，王振武，清华大学出版社，2017年，第2版。

《大数据分析：方法与应用》，王星，清华大学出版社，2013，第1版。

《数据挖掘导论（完整版）》，Pang-NingTan(范明等译），人民邮电出版社，2012，第1版。

（三）参考资料

《机器学习》慕课，中国大学MOOC；

《数据挖掘：理论与算法》慕课，中国大学MOOC；

《数据挖掘》慕课，MOOC中国。

执笔人

田雅娟

审核人

刘洋

教学院长

罗朝晖

院长

苏国伟

发布日期

2023年6月02日