《大数据挖掘》课程教学大纲.docx

大数据挖掘BigDataMining一、课程基本情况课程类别：专业任选课课程学分：3学分课程总学时：48学时，其中讲课：32学时，实验（含上机）：16学时课程性质：选修开课学期：第5学期先修课程：《数据库原理》、《概率论与数理统计》、《SAS软件基础》适用专业：计算机科学与技术教材：DavidHand,HeikkiMannila,PadhraicSmyth张银奎、廖丽、宋俊等译,《数据挖掘原理》，机械工业出版社，2003开课单位：计算机与软件学院计算机科学与技术系二、课程性质、教学目标和任务《大数据挖掘》课程是计算机应用技术专业的一门选修课，是目前人工智能和数据库领域研究的热点，是指从大量数据中提取或挖掘出隐含的、先前未知的并有潜在价值的信息,是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。本课程以数据挖掘为主要内容，讲述实现数据挖掘的各主要功能、挖掘算法和应用，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模型。掌握大型数据挖掘软件SASEnterpriseMiner的使用，培养学生数据分析和处理的能力。数据挖掘技术经过十几年的发展，已经取得一些重要成果，特别是在基本概念、基本原理、基本算法等方面开展的越来越清晰。因此，现在开设此课程具备基本的技术条件。本课程以介绍基本概念和基本算法为主,以前沿问题的讨论与探索为辅，其目的是为学生将来研究和学习提供知识储藏。通过《大数据挖掘》课程的教学，使学生理解数据挖掘的基本概念和方法，学习和掌握SASEnterpriseMiner中的数据挖掘方法。学生能够借助SASEnterpriseMiner软件工具进行具体数据的挖掘分析。三、教学内容和要求第1章数据挖掘导论（8学时）1.1数据挖掘开展概述（3学时）（1）功能介绍（2）基本应用概述重点：数据挖掘的基本概念和功能难点：数据挖掘的原理L2数据挖掘功能（3学时）（1）概念描述：定性与比照（2）关联分析（3）分类与预测（4）聚类分析（5）异类分析（6）演化分析重点：关联分析难点：演化分析3数据挖掘系统（2学时）（1）系统分类（2）系统应用（3）数据挖掘在医学信息系统和社会保险领域的应用重点：系统分类难点：系统应用第2章数据预处理（8学时）数据清洗（4学时）（1）噪声数据处理（2）不一致数据处理重点：噪声数据处理难点：不一致数据处理2数据集成与转换（4学时）（1）数据集成处理（2）数据转换处理重点：数据集成处理难点：数据转换处理第3章分类与预测（8学时）分类与预测基本知识（2学时）（1）分类基础（2）预测基础重点：分类基础难点：预测基础分类(6学时)(1)基于决策树的分类(2)贝叶斯分类(3)神经网络分类(4)预测方法重点：基于决策树的分类，贝叶斯分类难点：神经网络分类，预测方法第4章聚类分析(8学时)4.1聚类分析基础与应用(8学时)(1)聚类分析基本概念(2)聚类分析基本方法(3)聚类分析方法：K—MEANS算法等重点：聚类分析基本概念与基本方法难点：聚类分析方法：K—MEANS算法四、课程考核(1)课程论文：1篇；(2)考核方式：课程论文；(3)总评成绩计算方式：平时成绩和课程论文合计算；五、参考书目1、张云涛、龚玲著，《数据挖掘原理与技术》，电子工业出版社，20042、陈京民编著，《数据仓库与数据挖掘技术》，电子工业出版社，20023、林杰斌主编，《数据挖掘与OLAP理论与实务》，清华大学出版社，2003.14、朱明编著，《数据挖掘》，中国科学技术大学出版社，2002.25、RichardJ.Roiger,MichaelW.Geatz著,翁敬农译,《数据挖掘教程》，清华大学出版社,20036、DavidHand,HeikkiMannila,PadhraicSmyth著,张银奎、廖丽、宋俊等译，《数据挖掘原理》,机械工业出版社，2003