《数据仓库与数据挖掘》理论教学大纲.docx

《《数据仓库与数据挖掘》理论教学大纲.docx》由会员分享，可在线阅读，更多相关《《数据仓库与数据挖掘》理论教学大纲.docx（5页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、数据仓库与数据挖掘理论教学大纲(Principle and Practice of Data Analysis)课程代码：0600083总学时：48学时(其中：讲课33学时、实验15学时)先修课程：C程序设计语言、数据库系统原理、JAVA程序设计一、课程的性质、目的与任务本课程是数据科学与大数据技术专业的一门专业课。通过本课程的学习，使 学生初步掌握数据分析的基本概念，了解数据分析的定义和功能以及数据分析的 主要步骤和具体实现方法，初步掌握数据分析的算法。学习本课程后，能够实现 简单的数据分析应用、了解数据分析的具体操作过程，以及数据分析的发展动态。 掌握如何正确地运用数据分析方法来解决实际问

2、题。二、教学基本内容与基本要求1 .基本内容从应用的角度介绍数据分析的概念、原理、算法和技术，提供丰富的真实案 例。主要包括：数据分析基本知识，数据分析的实际意义，数据预处理方法，常 用分类方法，关联规则分析方法，常用聚类方法，文本分析方法，数据分析在日 常社会生活方面的应用。2 .基本要求数据分析是从大量的数据中抽取出未知的、有价值规律或知识的过程。通 过本课程学习，使学生掌握现代数据分析和知识发现方法的思想与技术，了解数 据分析的基本理论，掌握重要的数据分析方法，掌握如何利用流行的数据分析工 具软件实现数据分析和知识发现，使学生具有基本的数据分析能力。三、教学内容及学时分配教学内容教学 要

3、求重点 ()难点(A)学时 安排备注第一章数据分析导论1.数据分析概述C0.52.数据分析功能C0.53.数据分析过程B0.54.数据分析应用C().5第二章数据预处理1 . SPSS Modeler 基本操作2 .数据描述BB0.50.53.数据清理C0.54.数据集成和变换C0.55.数据归约C0.5第一草SPSS Modeler数据分析1.数据质量的探索B0.52.基本描述分析B0.53.变量分布的探索C0.54.两分类变量相关性的研究C15.两总体的均值比较C0.56.变量重要性分析B1第四章数据分类预测1.数据分类概述B0.52.决策树方法A43.贝叶斯方法AA3第五章人工神经网络1

4、.人工神经网络算法概述C0.52. B-P反向传播网络BA3.53. B-P反向传播网络的应用B1第六章数据关联分析1.数据关联分析概述B0.52.关联分析基本方法A33.关联规则挖掘方法改进CA0.5第七章数据聚类分析1.数据聚类分析概述B0.52. K-Means聚类及应用AA3.5第八章文本挖掘1.文本挖掘简述B0.52.文本挖掘方法A1.53.中文摘要方法AA14.文本内容监管B0.55.文本信息检索B0.5（教学要求：A熟练掌握；B掌握；C了解）合计33四、建议实验项目及学时分配序 号实验项目名称实 验学 时内容提要实验要求实验 类型1SPSS Modeler 初步和数据读 入2对S

5、PSS Modeler有初步的了解，能 够构建一个简单的数据流。掌握 SPSS Modeler中各种数据的读入。理解和掌握变量的类型以及变量的 实例化。加深对数据挖掘概念的理 解和掌握，培养使用数据挖掘解决 各种实际问题的能力。必做验证2SPSS Modeler 变量和样本的 管理2了解SPSS Modeler中数据的合并一 一纵向合并、横向合并。掌握SPSS Modeler的变量值重新计算。掌握 SPSS Modeler的变量类别值的调 整。掌握SPSS Modeler中样本的分 类汇总和数据的重新组织。必做验证3SPSS Modeler 数据的基本分 析2了解SPSS Modeler中数据

6、的基本描 述和质量探索。对SPSS Modeler的 变量分布进行初步探索。掌握SPSS Modeler的两分类变量分布相关性 的操作。了解SPSS Modeler的量总 体均值比较的操作。掌握SPSS Modeler中变量重要性的分析方法。必做验证4SPSS Modeler的决策树3掌握决策树C5.0算法的应用，加深 对C5.0算法的理解。了解SPSS Modeler的C5.0的推理规则、交叉 验证。必做设计5人工神经网络BP网络2加深对人工神经网络基本原理的理 解。理解和掌握BP网络及其学习 算法。掌握SPSS Modeler的BP网 络模型。必做验证6数据关联分析Apriori算法2加深

7、对关联分析原理的理解。加深 对Apriori算法的理解。掌握SPSS Modeler中Apriori模型的使用方 法。必做设计7数据聚类分析2加深对聚类分析原理的理解。加深 对K-Means算法的理解。掌握SPSS必做设计K-Means 算法Modeler中K-Means模型的使用方 法。合计15五、教学方法与教学手段1 .教学方法：数据仓库与数据挖掘是一门理论与实践并重的课程，因此， 采用课堂理论教学与课程实验教学相结合的方法。通过对知识点、典型案例的分 析讲解，上机实验指导、课堂讨论和课后答疑等方法，培养学生思考问题、发现 问题和解决问题的能力。2 .教学手段：采用课堂讲授、板书、多媒体课

8、件和操作演示等相结合的教 学手段。六、建议教材与参考书目1 .建议教材：SPSS Modeler数据挖掘方法及应用（第3版），薛薇，电子工业出版社, 2019 年 11 月。2 .参考书目：数据挖掘技术及应用，刘世平，高等教育出版社，2010年1月。数据挖掘概念与技术（第2版），（加）Jiawei Han MichelineKamber著， 范明、孟小峰译，机械工业出版社，2007年3月。数据挖掘原理与算法（第2版），毛国君、段立娟、王石、石云，清 华大学出版社，2005年7月。数据挖掘原理与技术，张云涛、龚玲，电子工业出版社，2004年4 月。七、成绩评定本课程为考查课。期末笔试占总成绩的50%,平时作业、考勤占总成绩的 20%,实验占总成绩的30%。八、大纲编写的依据与说明本课程教学大纲，是根据数据科学与大数据技术专业培养目标和基本要求, 结合本课程的性质，经学院教学委员会审定后编写的。本课程着重训练学生数据 分析的思想、算法和技术，培养学生初步应用数据方法解决和处理实际问题的能 力，为将来从事数据分析工作打下坚实的基础。