企業(yè)數(shù)據(jù)倉(cāng)庫與數(shù)據(jù)挖掘課程教學(xué)大綱

一、課程基本信息

課程編號(hào): 08191610

課程英文名稱:Enterprise data warehouse and data mining

授課對(duì)象:計(jì)算機(jī)專業(yè)軟件工程方向全日制本科學(xué)生

課程類型: 職教任選課

建議學(xué)時(shí):總學(xué)時(shí)56,，其中講授40學(xué)時(shí),，實(shí)驗(yàn)16學(xué)時(shí)

學(xué)分: 3

與相關(guān)課程的銜接:先導(dǎo)課程《程序設(shè)計(jì)》、《數(shù)據(jù)結(jié)構(gòu)》,、《數(shù)據(jù)庫原理》,、《人工智能》、《數(shù)理統(tǒng)計(jì)》

考核方式: 考查

二,、教學(xué)目標(biāo)和要求

信息技術(shù)的迅速發(fā)展已從簡(jiǎn)單的批處理,、聯(lián)機(jī)事務(wù)處理的信息處理時(shí)代,，進(jìn)入了聯(lián)機(jī)分析處理、數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)挖掘的信息分析時(shí)代,。數(shù)據(jù)倉(cāng)庫以數(shù)據(jù)庫技術(shù)作為存儲(chǔ)數(shù)據(jù)和資源管理的手段,，以聯(lián)機(jī)分析處理技術(shù)和方法作為提取信息的有效手段，以數(shù)據(jù)挖掘和人工智能的模型,、算法作為發(fā)現(xiàn)知識(shí)和規(guī)律的途徑,。數(shù)據(jù)挖掘是數(shù)據(jù)庫研究、開發(fā)和應(yīng)用最活躍的分支之一,。本課程從數(shù)據(jù)庫和數(shù)據(jù)倉(cāng)庫的角度全面、系統(tǒng)地介紹數(shù)據(jù)挖掘的基本概念,、基本方法和基本技術(shù),，以及數(shù)據(jù)挖掘的最新進(jìn)展。要求學(xué)生通過本課程的學(xué)習(xí),，認(rèn)識(shí)數(shù)據(jù)倉(cāng)庫和數(shù)據(jù)挖掘在當(dāng)今計(jì)算機(jī)應(yīng)用中的重要作用,，深入了解數(shù)據(jù)挖掘的整體結(jié)構(gòu)，掌握數(shù)據(jù)預(yù)處理技術(shù)（包括數(shù)據(jù)清理,、數(shù)據(jù)集成和轉(zhuǎn)換,、數(shù)據(jù)歸約等方法）和數(shù)據(jù)挖掘技術(shù)（包括分類、預(yù)測(cè),、關(guān)聯(lián)和聚類的概念與技術(shù)）,，并且熟悉數(shù)據(jù)挖掘的基本原理和發(fā)展方向。

三,、教學(xué)內(nèi)容,、教學(xué)方式與課時(shí)分配

（一） 第一章:緒論（3學(xué)時(shí)）

教學(xué)基本內(nèi)容:

數(shù)據(jù)挖掘產(chǎn)生的背景；數(shù)據(jù)挖掘任務(wù)及過程,；數(shù)據(jù)挖掘應(yīng)用,；數(shù)據(jù)挖掘技術(shù)的前景、研究熱點(diǎn),。

教學(xué)要求:

掌握:數(shù)據(jù)挖掘任務(wù)及挖掘過程,、數(shù)據(jù)挖掘定義、數(shù)據(jù)挖掘常用軟件,、數(shù)據(jù)挖掘的研究熱點(diǎn),。

了解:數(shù)據(jù)挖掘產(chǎn)生背景；數(shù)據(jù)挖掘的價(jià)值和前景,。

教學(xué)方式:課堂講授3學(xué)時(shí)

（二）第二章:數(shù)據(jù)處理基礎(chǔ)（6學(xué)時(shí)）

教學(xué)基本內(nèi)容:

數(shù)據(jù)定義及類型,；數(shù)據(jù)統(tǒng)計(jì)特性；數(shù)據(jù)預(yù)處理,；相似性度量,。

教學(xué)要求:

掌握:數(shù)據(jù)屬性類型、數(shù)據(jù)的中心度量標(biāo)準(zhǔn)、數(shù)據(jù)預(yù)處理過程,、屬性和對(duì)象之間的相似性度量,。

了解:數(shù)據(jù)定義及數(shù)據(jù)類型。

教學(xué)方式:課堂講授6學(xué)時(shí)

（三）第三章:分類與回歸（9學(xué)時(shí)）

教學(xué)基本內(nèi)容:

分類與回歸概述,；決策樹分類方法,；貝葉斯分類方法；k-最近鄰分類方法,；神經(jīng)網(wǎng)絡(luò)分類方法,；支持向量機(jī)；集成學(xué)習(xí)法,；不平衡數(shù)據(jù)分類,；分類模型的評(píng)估；回歸,。

教學(xué)要求:

掌握:分類與回歸定義,、決策樹分類方法、貝葉斯分類方法,、k-最近鄰分類方法,、分類模型的評(píng)估。

了解:神經(jīng)網(wǎng)絡(luò)分類方法,；支持向量機(jī),；集成學(xué)習(xí)法。

教學(xué)方式:課堂講授9學(xué)時(shí)

（四）第四章:聚類分析（6學(xué)時(shí)）

教學(xué)基本內(nèi)容:

聚類分析概述,；基于劃分的聚類算法,；層次聚類算法；基于密度的聚類算法,；一趟聚類算法,；聚類算法評(píng)價(jià)。

教學(xué)要求:

掌握:聚類分析定義,、k-means聚類算法,、k-medoids算法、DBSCAN算法,、聚類方法評(píng)價(jià),。

了解:二分k-means算法；一趟聚類算法,。

教學(xué)方式:課堂講授6學(xué)時(shí)

（五）第五章:關(guān)聯(lián)分析（9學(xué)時(shí)）

教學(xué)基本內(nèi)容:

關(guān)聯(lián)分析概述,；頻繁項(xiàng)集發(fā)現(xiàn)算法；關(guān)聯(lián)規(guī)則的生成,；非二元屬性的關(guān)聯(lián)規(guī)則挖掘,；關(guān)聯(lián)規(guī)則的評(píng)價(jià),；序列模式。

教學(xué)要求:

掌握:Apriori算法,、FP-growth算法,、關(guān)聯(lián)規(guī)則的生成、支持度和置信度的計(jì)算,。

了解:非二元屬性的關(guān)聯(lián)規(guī)則挖掘,；序列模式及發(fā)現(xiàn)算法。

教學(xué)方式:課堂講授9學(xué)時(shí)

（六）第六章:離群點(diǎn)挖掘（3學(xué)時(shí)）

教學(xué)基本內(nèi)容:

離群點(diǎn)概述,；基于統(tǒng)計(jì)的方法,；基于距離的方法；基于相對(duì)密度的方法,。

教學(xué)要求:

掌握:基于統(tǒng)計(jì)的方法,；基于距離的方法。

了解:其他離群點(diǎn)挖掘算法,。

教學(xué)方式:課堂講授3學(xué)時(shí)

（七）第七章:數(shù)據(jù)挖掘的應(yīng)用（4學(xué)時(shí)）

教學(xué)基本內(nèi)容:

數(shù)據(jù)挖掘在電信業(yè)中的應(yīng)用；文本挖掘與Web數(shù)據(jù)挖掘,。

教學(xué)要求:

掌握:數(shù)據(jù)挖掘主要研究方向在電信業(yè)中的應(yīng)用,。

了解:文本挖掘與Web數(shù)據(jù)挖掘。

教學(xué)方式:課堂講授4學(xué)時(shí)

四,、實(shí)踐環(huán)節(jié)

具體安排見“企業(yè)數(shù)據(jù)倉(cāng)庫與數(shù)據(jù)挖掘?qū)嶒?yàn)教學(xué)大綱”

五,、教材

蔣盛益等《數(shù)據(jù)挖掘原理與實(shí)踐》電子工業(yè)出版社 2013年2月第二版

六、參考資料

1. (美)譚,(美)斯坦巴赫著,范明等譯《數(shù)據(jù)挖掘?qū)д摗獔D靈計(jì)算機(jī)科學(xué)叢書》人民郵電出版社2006年第一版

2. 韓家煒著,范明等譯《數(shù)據(jù)挖掘概念與技術(shù)》機(jī)械工業(yè)出版社2007年第二版

七,、必要的說明

無

執(zhí)筆人:

審核: