《业财数据挖掘与机器学习》课程教学大纲.doc

《业财数据挖掘与机器学习》教学大纲

课程编号英文名称：IndustrialandFinancialDataMiningandMachineLearning

学分：2

学时：总学时48学时，其中理论16学时，实践32学时

先修课程：Python程序设计、数据结构、数据库技术及应用、高等数学、线性代数、

概率论

课程类别：专业拓展课（选修）

授课对象：会计学专业学生

教学单位：商学院

修读学期：第6学期

一、课程描述和目标

《业财数据挖掘与机器学习》是我校数字化管理会计师创新班的主干课程之一，也是会计学专业的专业拓展课程之一，是一门综合性、应用性很强的学科。本课程主要以数据挖掘方法与机器学习模型为主线，阐述数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐和偏差检验等基本理论和实现方法，帮助企业在合理时间内攫取、管理、分析和挖掘海量数据，为企业经营决策提供大数据支撑。

本课程拟达到的课程目标:

课程目标1-3：专业技术知识。通过本课程的学习，使学生了解业财数据处理与挖掘在企业经营决策中的地位和作用，掌握数据挖掘与机器学习的基本理论、基本方法、基本程序。

课程目标1-4：理论前沿知识。通过本课程的学习，要求学生能掌握常用的数据挖掘方法与机器学习模型，理解其在专业领域的应用前景，为企事业单位的规划制定、决策优化、运营管理及风险控制等提供支持。

课程目标2-2：信息技术应用能力。掌握利用信息技术及相关软件工具进行信息搜集、资料查询、数据分析等专业性信息处理方法；了解会计理论前沿和发展动态，具备多学科交融的知识视野和思维素质。。

课程目标2-4：实践拓展适应能力。紧跟时代对专业需求的变化，通过专业实训和社会实践活动，学会独立思考、观察世界和拓展视野的方法，具备根据组织运营管理需求开展业务、财务数据分析的能力；。

课程目标3-4.职业素养。通过本课程的学习，使学生具有较好的思想道德素质、培养良好的职业道德素养；通过小组作业和讨论提高沟通协调、团队合作等专业素质。

二、课程目标对毕业要求的支撑关系

（注：要求课程目标与毕业要求指标点应是一一对应支撑）

毕业要求指标点

课程目标

权重

指标点1-3.专业技术知识。具备大数据和人工智能等与经济、会计相关的现代信息技术知识。

课程目标1

M

指标点1-4.理论前沿知识。掌握一门外语；掌握经济管理信息搜集、资料查询等专业性信息处理方法；了解会计理论前沿和发展动态，具备多学科交融的知识视野和思维素质。

课程目标1

M

指标点2-2.信息技术应用能力。熟悉组织运营流程与财务之间的关联关系，适应数智化环境下组织运营管理新需求，具备利用信息技术开展业务、财务数据分析的能力；具备较强的信息技术应用能力。

课程目标2

M

指标点2-4.实践拓展适应能力。紧跟时代对专业需求的变化，通过专业实训和社会实践活动，学会独立思考、观察世界和拓展视野的方法，具有较强的实践拓展和环境适应能力。

课程目标2

M

指标点3-4.职业素养。传承大禹精神，以历代会计名家为榜样，具有良好的职业道德和职业情怀；具有团队合作和创新创业意识；能够适应会计相关工作岗位对从业者的素养需求。

课程目标3

M

三、教学内容、基本要求与学时分配

序号

教学内容

基本要求

学时

教学

方式

对应课程目标

1

（一）数据挖掘与机器学习基础

1．数据挖掘与机器学习概述

2．数据挖掘基本任务

3．数据挖掘建模过程

4.数据挖掘与机器学习应用前景

3．数据挖掘建模工具

了解机器学习的发展历程及应用前景，理解数据挖掘与机器学习的区别于联系及其在企业运营过程中发挥的作用；掌握数据挖掘的基本任务及建模过程；了解基本的数据处理与挖掘建模工具及机器学习技术。

3

讲授；案例

分析

课程目标1

2

（二）数据探索与预处理

1．数据质量分析

2．数据特征分析

3．数据的预处理

理解数据探索与预处理的基本涵义和目的；掌握数据质量与特征分析的基本方法；掌握数据清洗、集成、变换和规约的基本方法。

3

讲授；案例分析

课程目标1

课程目标2

3

（三）挖掘建模

1．分析与预测

2．聚类分析

3．关联分析

了解主流机器学习模型及数据挖掘建模的基本方法；掌握使用逻辑回归、决策树、朴素贝叶斯以及神经网络完成业财数据的分析与预测；掌握K-Means、K-中心点以及系统聚类分析算法；掌握Apriori、FP-Tree等常用关联规则算法；

10

讲授；案例分析

课程目标1

课程目标2

合计

16

如有实验，则实验学时需再按以下格式继续填写

序号

实验项目

实验内容与要求

学时

类型

对应课程目标

1

Python数据探索与预处理

实验内容：掌握通过绘制图表、计算特征量等手段的数据特征分析方法；熟