《数据挖掘技术与应用》课程教学大纲.pdf

《数据挖掘技术与应用》课程教学大纲

一、课程信息

课程代码（COURSECODE）321D0012

课程名称（COURSETITLE）数据挖掘技术与应用

课程性质（COURSECHARACTER）学科专业基础平台必修

学分（CREDIT）3

周数（WEEKS）16

学时（CONTACTHOURS）64(32+32)
数字逻辑电路、数据结构、
先修课程（PRE-COURSE）
计算机网络、分布式操作系统
课程负责人（COURSE
COORDINATOR）
适用专业数据科学与大数据技术（嵌入式培养）专业
课程简介（300字左右）：
数据挖掘技术与应用是计算机专业开设的一门重要的专业课程。本课程主要讲授数
据挖掘的基本概念，原理、方法和技术，具体包括：数据的预处理、分类预测、关联挖
掘，聚类分析等内容。通过学习，使学生理解数据挖掘的基本流程，掌握数据挖掘的基
本理论和技术，熟悉数据挖掘成果的表达；掌握数据挖掘的基本方法，能熟练地应用数
据挖掘技术对现实数据进行有效的分析，能够结合有关软件从大量统计数据中获取有价
值的信息。
数据挖掘是高级数据处理和分析技术。通过本课程学习，使学生了解数据挖掘这种
现代数据分析和知识挖掘方法的思想与技术，了解数据挖掘的基本理论，掌握重要的数
据挖掘方法，掌握如何利用工具及开发实现数据分析和挖掘，并使学生具有进一步学习
的基本与能力。

说明：课程性质为学科必修课。

二、课程目标（理论、实验课程填写）

通过本课程的学习，学生应具备以下几方面的目标：
1.通过本课程的学习,学生能够导入、输出各种类型的数据，并对数据进行描述统计知识。能
够针对数据科学与大数据技术领域的复杂工程等问题，应用数学、自然科学、工程基础知识建立模
型，具备模型构建、分析和评价的能力；能够针对已建立的工程问题模型，运用所学的数据科学与
大数据技术专业知识解决大数据工程项目中出现的一般技术、应用等方面的复杂工程问题。
2.通过本课程的学习，学生能通过查阅有关的文献资料，能够设计、开发与线性回归模型、非
纯性回归模型、编写回归等模型有关的程序，针对较复杂工程的抽象模型，通过文献研究分析系统

154
的复杂性与局限性，并获得有效结论，锻炼了学生文献资料检索能力。
3.通过本课程的学习，学生能熟练掌握设计、仿真、开发、测试、配置管理等工具，并了解当
前的大数据工程相关工具在解决复杂数据科学与大数据技术工程问题时所存在的局限性和优势，能
够对计算机复杂工程问题进行分析、建模与仿真模拟。通过积极自主学习相关工具的使用
4.通过本课程的学习，学生能够掌握对数据进行聚类分析、分类分析、关联分析专业能力，能
够对文本数据进行数据挖掘。具有自主学习和终身学习的意识，适应数据科学与大数据技术不断发
展的学科特性；掌握自主学习的方法，合理利用互联网资源进行学习和提高能力，能拓展数据科学
与大数据技术领域内的知识和能力。
5.通过本课程学习，学生能针对个人和职业的发展需求，追踪数据科学与大数据技术相关领域
的发展动态，不断更新知识和技能，适应时代发展。

课程目标对毕业要求的支撑关系表

课程课程课程课程课程
毕业要求毕业要求指标点
目标1目标2目标3目标4目标5

1.3能够针对数据科学与大数
1．工程知识：能据技术领域的复杂工程问题，
够将数学、自然科应用数学、自然科学、工程基
学、工程基础和专础知识建立模型，具备模型构
业知识用于解决建、分析和评价的能力；能够
H
大数据工程项目针对复杂工程问题模型，运用
中出现的一般技所学的数据科学与大数据技术
术、应用等方面的专业知识解决大数据工程项目
复杂工程问题。中出现的一般技术、应用等方
面的复杂工程问题。

2．问题分析：能
够应用数学、自然
科学和工程科学
的基本原理，识2.2能够针对较复杂工程的抽
别、表达，并通过象模型，通过文献研究分析系
H
文献研究分析大统的复杂性与局限性，并获得
数据科学与技术有效结论。
方面的较复杂工
程问题，以获得有
效结论。

5．使用现代工具：
能够针对大数据
工程项目问题，开5.2熟练掌握设计、仿真、开发、
发、选择与使用恰测试、配置管理等工具，并了
当的技术、资源、解当前的大数据工程相关工具
现代工程工具和在解决复杂数据科学与大数据
H
信息技术工具，包技术工程问题时所存在的局限
括对模型、过程、性和优势，能够对计算机复杂
结果等的预测与工程问题进行分析、建模与仿
模拟，并能够理解真模拟。
其局限性。

155
6．工程与社会：
能基于数据科学
与大数据技术相
6.2能在社会、安全、文化、法
关工程背景知识
律与健康框架内实践数据科学
进行合理分析，评
与大数据技术工程项目，理解
价工程问题解决H
数据科学与大数据技术工程在
方案对社会、