| 课程号 |
03033440 |
学分 |
2 |
| 英文名称 |
Introduction to Data Mining |
| 先修课程 |
高等数学 |
| 中文简介 |
数据挖掘是从大量数据中发现知识的一门新兴学科，具有广阔的应用前景。通过本课程的学习，可以使学生掌握数据挖掘的基本概念、原理和技术，能应用数据挖掘工具如Clementine以及SPSS等对现实数据进行分析，并解释数据挖掘的输出结果。培养学生进行深层次信息分析的能力。 |
| 英文简介 |
Data mining is a new discipline on Knowledge Discovery from a great mass of data. It has wide application prospects. This course will introduce the basic concepts, principle and technology of the data mining. Some softwares on data mining will be introduced such as Clementine or SPSS, and etc. |
| 开课院系 |
信息管理系 |
| 通选课领域 |
|
| 是否属于艺术与美育 |
否 |
| 平台课性质 |
|
| 平台课类型 |
|
| 授课语言 |
中文 |
| 教材 |
数据挖掘导论,Pang-Ning Tan,人民邮电出版社,2006年；
Clementine数据挖掘方法及应用,薛薇，陈欢歌,电子工业出版社,2010年；
数据挖掘概念Clementine应用实务,谢邦昌,机械工业出版社,2008年；
数据挖掘概念与技术,Jiawei Ha,机械工业出版社,2007年,第二版；
|
| 参考书 |
|
| 教学大纲 |
数据挖掘是从大量数据中发现知识的一门新兴学科，具有广阔的应用前景。通过本课程的学习，可以使学生掌握数据挖掘的基本概念、原理和技术，能应用数据挖掘工具如Clementine以及SPSS等对现实数据进行分析，并解释数据挖掘的输出结果。培养学生进行深层次信息分析的能力。
由于课时有限，故课程实践不占用教学时数。计划学时分配如下表：
序号 课程内容 学时分配
理论与方法讲授 案例分析 小计
1 绪论 2 1 3
2 数据预处理 3 1 4
3 关联规则挖掘 6 2 8
4 分类和预测 4 1 5
5 聚类分析 4 1 5
6 复杂数据挖掘 2 1 3
7 数据挖掘应用 2 1 3
8 小结与复习考试 4 1 5
合计 27 9 36
课堂讲授。该课程既包括数据挖掘理论和方法的讲授，也包括数据挖掘软件的演示、实际案例的分析，注重与学生所学专业的结合，让学生感到学习该课程有用，学完后会用，对实际问题的解决管用。本课程将会给学生留有一定数量的思考题，实践案例等，以充分调动学生学习的积极性，提高学生解决实际问题的能力。
平时成绩以学生阅读相关文献和撰写阅读报告为主，占40%。
期末成绩以课程实践为主，根据任务以1--3人为一组，依照本课程所学的数据挖掘的理论、技术与方法，对实际数据进行挖掘和结果分析，并将分析的结果写成一篇研究报告，以小组为单位分别与教师讨论。占60%。
|
| 教学评估 |
王继民：
学年度学期：16-17-1，课程班：数据挖掘导论1，课程推荐得分：4.1，教师推荐得分：4.03，课程得分分数段：85-90；
学年度学期：17-18-1，课程班：数据挖掘导论1，课程推荐得分：3.84，教师推荐得分：3.81，课程得分分数段：80-85；
学年度学期：18-19-1，课程班：数据挖掘导论1，课程推荐得分：0.0，教师推荐得分：8.39，课程得分分数段：90-95；
学年度学期：19-20-1，课程班：数据挖掘导论1，课程推荐得分：0.0，教师推荐得分：8.24，课程得分分数段：85-90；
|
|