数据挖掘与机器学习教学大纲教案.pdfVIP

《数据挖掘与机器学习》教学大纲教案

一、课程性质、目的、任务：

本课程以数据挖掘和机器学习为主要内容，讲述实现数据挖掘的主要功能、

数据挖掘、机器学习算法和应用，并通过对实际数据的分析更加深入地理解常用

的数据挖掘与机器学习模型。本书不仅可以帮助读者了解现实生活中数据挖掘的

应用场景，还可以帮助读者掌握处理具体问题的算法，培养学生数据分析和处理

的能力。

本课程的主要目的是培养学生的数据挖掘与机器学习的理论分析与应用实

践的综合能力。通过本课程的教学，使学生掌握数据挖掘和机器学习的一般原理

和处理方法，能使用机器学习理论解决数据挖掘相关的问题。

本书面向高等院校计算机类、软件工程以及信息管理类专业教学需要，也可

作为从事大数据开发和信息管理的相关人员培训教材。

二、课程主要教学内容：

本书系统地阐述了数据挖掘产生的背景、技术、多种相关方法及具体应用，

主要内容包括数据挖掘概述，数据采集、集成与预处理技术，多维数据分析与组

织，预测模型研究与应用，关联规则模型及应用，聚类分析方法与应用，粗糙集

方法与应用，遗传算法与应用，基于模糊理论的模型与应用，灰色系统理论与方

法，基于数据挖掘的知识推理。

三、课程的教学环节要求：

教学环节包括：课堂讲授、案例分析课、讨论课、课后作业。通过本课程各

个教学环节的教学，使学生掌握数据挖掘的基本方法，培养学生的自学能力、动

手能力、分析问题和解决问题的能力。通过本课程的学习，要求学生达到以下要

求。

1．了解数据挖掘技术的整体概貌。

2．了解数据挖掘技术的主要应用领域及当前的研究热点问题和发展方向。

3．掌握最基本的概念、算法原理和技术方法。

四、本课程课外学习与修学指导：

由于该课程涉及的技术都是目前比较热门的技术，内容复杂，难度较大，且

具有很强的理论性和实践性，所以要学好本课程，必须做到理论与实践紧密结合，

才能达到较好的学习效果。要求学生多参阅相关书籍和资料，多上机实验，掌握

数据挖掘的基本功能、主要算法及其实现过程。

五、学时数分配表：

序号授课内容学时

1数据挖掘概述6

2Pandas数据分析2

3机器学习5

4分类算法与应用6

5回归算法与应用4

6无监督学习5

7关联规则和协同过滤3

8图像数据分析3

9自然语言处理与NLTK3

合计37

第一章数据挖掘概述

教学要点：

1.理解和掌握数据挖掘与机器学习的基本概念、功能与应用领域，使读者掌握数

据挖掘的基本理念、流程和方法。

2.了解数据分析技术的发展历史和未来趋势，了解数据挖掘与机器学习的应用领

域和面临的问题。

3.对数据挖掘和机器学习能解决的问题和解决问题思路有清晰的认识。

教学时数：

6学时。

考核要点：

了解数据挖掘的定义和功能，理解数据挖掘在何种数据上进行，数据挖掘可以挖

掘什么类型的模式，掌握初级的数据分析方法。

第二章Pandas数据分析

教学要点：

理解Pandas模块的语法结构，并通过对自行车行驶数据与服务热线数据的分析，

使读者掌握通过Pandas模块对数据进行统计分析的方法。

教学时数：

2学时。

考核要点：

掌握Python编程基础，理解Pandas的数据结构，熟悉Pandas统计分析常用的