《数据挖掘与机器学习》课程教案.pdf

《数据挖掘与机器学习》课程教案（首页）

课程总学时：72学
课程/项目数据挖掘与机器学习
名称学分3时
理论：54学时
课程课程类别：专业必修■专业必修口公共必修□公共选修实验：18学时

授课教师***授课专业大数据技术与应用

授课班级

教学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
目的和要综合能力。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
求方法，能使用机器学习理论解决数据挖掘相关的问题。。

教学重教学重点：
点、难占
八、、Python数据分析与可视化基础认识数据数据预处理回归分析关联规则挖掘分类与
预测聚类分析神经网络与机器学习基础离群点检测以及Python数据挖掘案例分析等

教学难点：
掌握数据挖掘基本过程、处理步骤和方法；掌握回归分析、分类、聚类等机器学习
算法；熟练关联规则挖掘方法；
掌握数据分析与数据挖掘的基本方法。

多媒体课件习题答案微课视频

教学资源
其他教学资源：
《Python数据挖掘与机器学习》魏伟一等主编，清华大学出版社

多媒体教学，课堂教学与学生上机实践相结合案例实现
教学环境

《数据挖掘与机器学习》课程教案

第1次课2学时

1

授课内容数据挖掘概论1
通过本课的学习，学生应该掌握如下知识：
1）数据挖掘的概念与基本内容
教学目的与要求2）数据分析与数据挖掘的联系与区别
3）数据挖掘的主要任务
4）数据挖掘的主要数据源

重点难点1）数据挖掘的概念与主要任务

教学导入：
介绍数据挖掘与机器学习的重要性，举例说明数据挖掘典型案例，逐步
引入到课程的介绍内容中来。
授课内容：
一、《数据挖掘与机器学习》课程介绍
介绍本门课程的学科地位、考核方式、学习内容安排、可以参考的学习
教学进程安排
资料。
二、讲授数据挖掘的定义、原理与发展
1）讲授数据分析的含义和内容
2）讲授数据挖掘与数据分析的联系与区别
3）讲授数据挖掘的主要任务
4）讲授数据挖掘主要的数据源

课后学习任务布查阅数据挖掘用途的相关资料与案例
置

《数据挖掘与机器学习》魏伟一等主编，清华大学出版社
主要参考资料

《数据挖掘与机器学习》课程教案

2

第2次课2学时

授课内容数据挖掘基础2
介绍数据挖掘的主要技术。
通过本课的学习，学生应该掌握如下知识：
教学目的与要求1)数据挖掘的主要任务和工具；
2)利用Python进行数据挖掘基础
3)JupyterNotebook介绍

重点难点数据挖掘的主要任务和利用Python进行数据挖掘的原因

授课内容：
一、数据挖掘的主要技术

教学进程安排二、数据挖掘的主要任务
三、数据挖掘的商用工具

四、利用Python进行数据挖掘

课后学习任务布
安装Anaconda，熟悉基本开发环境
置

主要参考资料《Python数据挖掘与机器学习》魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案

3

第3次课2学时
授课内容Python数据分析基础

介绍Python编程基础。
通过本课的学习，学生应该掌握如下知识：
教学目的与要求
1）Python程序设计语言的特点
2）Python内建的数据结构

重点难点1）Python内建的数据结构

授课内容：

一、Python程序设计概述
1）Python语言的特点
2）基本语法
3）流程控制
教学进程
4）函数
安排
一、Python内建的数据结构
1）列表及其操作
2）元组及其操作
3）字典及其操作
4）集合及其操作

课后学习任务布
掌握函数内建的数据结构，进行例题练习
置

主要参考资料《Python数据挖掘与机器学习》魏伟一等主编，清华大学出版社

《数据挖掘与机器学习》课程教案

4

第4次课2学时

授课内容Numpy数值计算基础
Numpy数值计算基础
通过本课的学习，学生应该掌握如下知识：
教学目的
1）数组对象的创建
与要求
2）数组运算
3）数组的切片访问

1）数组的运算
重点
2）数组的切片访问
难点

实验内容
1）数组的常用创建方法
2）随机数生成
3）数组变换
4）数组的索引与切片访问
教学进程
5）数组的运算
安排
6）数据统计与分析

课后学习
熟悉Numpy数组运算基础，代码示例学习
任务布置
主要
《数据挖掘与机器学习》魏伟一等主编，清华大学出版社
参考资料

5

《数据挖掘与机器学习》课程教案

第5次课2学时

授课内容Pandas数据分析基础

教学目的介绍pandas数据分析的基本方法，掌握pandas中的数据结构，数据查
与要求询与编辑，汇总基于常用文件的导入

1）数据导入
重点
2）数据查询与编辑
难点
3）数据汇总与简单绘