44 2020-大数据挖掘-课程教学大纲-改.docx

《44 2020-大数据挖掘-课程教学大纲-改.docx》由会员分享，可在线阅读，更多相关《44 2020-大数据挖掘-课程教学大纲-改.docx（8页珍藏版）》请在第一文库网上搜索。

1、大数据挖掘课程教学大纲课程名称：大数据挖掘课程编码：学分：3总学时：48理论学时：32实验学时：上机学时：16实践学时:开设实验（上机）项目总数4个,其中，必修（4）个，选修（O）个开课单位：商学院管理科学与工程系适用专业：工业工程一、课程的性质、目的本课程是工业工程专业选修课程，是一门新兴的交叉性学科，也是理论性和实用性都很强的课程，涵盖了数据库、机器学习、统计学、模式识别、人工智能以及高性能计算等技术。开设本课程的目的，是使学生全面而深入地掌握大数据挖掘的基本概念和原理，掌握常用的数据挖掘算法，了解数据挖掘的最新发展、前沿的数据挖掘研究领域、以及数据挖掘技术在不同学科中的应用。二、课程培养

2、目标1 ,立德树人大数据技术的发展，已被列为国家重大发展战略。而在过去的几年里，无论是聚焦大数据发展的促进大数据发展行动纲要，还是“十三五”规划中都深刻体现了政府对大数据产业和应用发展的重视。目前国内大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。通过本课程学习大数据挖掘理论和技术,有助于学生对大数据挖掘相关知识有一个全面了解。通过对大数据挖掘发展历史的讲解和有关理论及技术建立过程，了解前辈们在数据库发展过程中如何思考，如何克服所遇到的障碍,帮助学生建立科学的思维方法以及工作中勇于面对挑战的精神。随着市场竞争的加剧，各行业对大数据技术

3、研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。在课程教学过程中，把社会主义核心价值观教育融入教学内容，在知识传授与能力培养的同时,帮助学生正确认识历史规律、准确把握基本国情、掌握科学的世界观、方法论,促进树立正确的世界观和价值观。2 .课程目标通过本课程的学习，学生所具备的素质、掌握的技能、知识和能力如下：课程目标1能够撰写系统设计方案和阶段性技术报告，能够组织和协调项目组的工作,与成员进行交流与沟通；（对应第1-5章,支撑毕业要求指标点6-1）课程目标2.掌握大数据预处理、关联规则、分类以及聚类技术，并能够在主流大数据平台上实现；（对应第1、4、5章,支撑毕业要求指标点2-

4、2）课程目标3.具备较强的学习最新数据挖掘领域研究成果的能力；能够分析和评价现有研究成果的问题与不足，并能够提出自己独立见解的能力；（对应第2、3、4章,支撑毕业要求指标点5-2）课程目标4.了解由工程问题，到建模、再到数据挖掘算法设计的问题求解思维模式。具有将数据挖掘算法应用于具体工程的能力；（对应第3,4,5章,支撑毕业要求指标点4-3）3 .课程目标对毕业要求的支撑本课程教学目标支撑的毕业要求主要体现在毕业要求指标点6-1.2-2.5-2、4-3,具体如下：课程目标对毕业要求的支撑课程目标毕业要求支撑毕业要求指标点及其内容教学内容支撑强度指标点毕业要求指标点内容16.团队协作与领导能力指

5、标点6-1:具有独立思考、换位思考和合作共赢的意识。具有独立思考、换位思考和合作共赢的意识。第1-5章H22.数理与工程知识及应用能力指标点2-2:系统掌握工程技术基本理论、方法和工具。理解管理预测原理与经济决策方法第1、4、51i:M35.数据分析与解释的能力指标点5-2:能够基于实际现实问题分析，对新时代出现的各种管理问题、决策问题、能够基于实际现实问题分析，综合运用所掌握的计算机类相关知识、方法和技术，设计实验，进行分析和评价。第2、3、4章H变革问题进行综合研究并给出清晰的思路和方案44.系统规划设计能力指标点4-3:能在设计环节中体现创新意识，同时考虑社会、健康、安全、法律、文化以及

6、环境等因素理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用，包含其对社会、健康、安全、法律以及文化的影响分析和评价，并能够提出持续改进的意见和建议。第3、4、51i:H三、课程教学基本内容第1章大数据挖掘概述（支撑课程目标第1、2条）1.1 大数据1.2 大数据挖掘1.3 大数据挖掘的相关方法1.4 大数据挖掘类型1.5 大数据挖掘的常见应用教学要求：在注重大数据时代应用环境前提下，考虑大数据处理分析需求多样性、复杂性的基本情况，从初学者角度出发，对大数据挖掘理论、方法以及应用进行简要介绍，使学生了解大数据、大数据挖掘的概念及其发展过程；了解大数据挖掘的相关方法；熟悉大数据挖掘的类

7、型；了解大数据挖掘在各行业中的典型应用，以及大数据挖掘的过程。教学重点：大数据挖掘的产生和发展。教学难点：大数据的特征、数据类型和系统，大数据的计算模式和技术层面间的关联。第2章数据特征分析与预处理（支撑课程目标第1、3、4条）1.1 数据的类型1.2 数据的统计特征2. 3数据预处理1. 4缺失值的处理2. 5数据可视化实践环节：数据采集与预处理上机形式，2学时。教学要求：通过课堂教学和学生自主学习，使学生能够掌握数据预处理的常用算法，包括数据采样、数据清理、数据集成、数据变换、数据规约、特征选择以及特征提取；并综合运用基本算法，对不同类型数据进行处理分析；采用案例教学，使学生理领会并掌握爬

8、虫运行和数据存储技术，熟悉数据的统计特征，掌握数据预处理方法及可视化分析方法，从而充分了解大数据分析处理与小数据分析处理的区别与联系。教学重点：数据清理、数据集成和变换、数据归约、数据离散化和概念分层。教学难点：特征选择、特征处理。第3章关联规则挖掘（支撑课程目标第1、3、4条）3. 1基本概念3. 2基于候选集生成-测试方法生成频繁项集3. 3FP-growth:基于深度优先搜索的频繁项集生成算法3.4关联规则的评估方法实践环节：频繁模式挖掘上机形式，2学时。教学要求：掌握关联规则挖掘的概念，主要算法，并能够评价关联规则。通过课堂教学和学生自主学习，使学生能够综合运用数据库的基本原理和基本方

9、法，对有关关联规则的理论和系统设计实际问题进行分析，掌握有效的和可伸缩的频繁项集挖掘，并挖掘各种类型的关联规则；采用关联规则挖掘案例教学，使学生理解关联规则的相关概念，掌握频繁项集挖掘的方法，理解关联挖掘的相关性分析。教学重点：频繁项集挖掘的方法。教学难点：Apriori算法。第4章分类预测算法（支撑课程目标第1、2、3、4条）4. 1决策树4.2贝叶斯分类器4. 3基于实例的学习算法4.4回归分析实践环节：利用不同算法进行分类问题识别上机形式，4学时。教学要求：采用多媒体教学与传统教学方法相结合进行讲授，使学生掌握掌握分类和预测的基本概念和问题，掌握决策树分类的方法，理解基于规则分类的方法，

10、了解贝叶斯分类和后向传播分类方法，掌握预测的方法。采用针对具体案例的上机设计，使学生掌握分类算法的主要思想，能够针对不同的实际问题运用适当的分类器。教学重点：决策树分类。教学难点：贝叶斯分类和后向传播分类。第5章大数据挖掘综合应用（支撑课程目标第1、2、4条）5.1社交网络分析方法及应用5. 2文本分析方法及应用5. 3推荐系统方法及应用实践环节：社交网络分析、文本分析、推荐系统上机形式，8学时。教学要求：通过课堂教学和学生自主学习，使学生能够综合运用大数据挖掘的基本原理和基本方法，进行社交网络分析、文本分析、推荐系统分析与设计；使学生能够理解应用软件的设计思路和原理，能够理解大数据挖掘的设计

11、思路和基本原理，并能够运用相应原理解决具体问题。通过结合具体案例的社交网络分析、文本分析、推荐系统设计与实施上机操作，使学生掌握大数据的实施方法。教学重点：社交网络分析、文本分析、推荐系统。教学难点：推荐系统设计。四、学时分配表教学内容思政融入点讲课时数实验时数实践学时上机时数自学时数习题课讨论时数第1章大数据挖掘概述通过对大数据挖掘发展历史的讲解和有关理论及技术建立过程，了解前辈们在大数据挖掘发展过程中如何思考,如何克服所遇到的障碍,培养学生在工作中勇于面对挑战的精神。4第2章数据特征分析与预处理通过有关理论讲解帮助学生建立科学的思维分析方法。62第3章关联规则挖掘在知识传授与能力培养的同时

12、，帮助学生正确认识大数据挖掘技术发展规律，在大数据环境下、数据挖掘方法论的创新,培养学生树立正确的世界观和价值观。62第4章分类预测算法通过有关理论讲解帮助学生建立科学的思维方法。84第5章大数据挖掘综合应用在知识传授与能力培养的同时，帮助学生正确认识大数据挖掘技术发展规律，在大数据环境下、数据挖掘方法论的创新,培养学生树立正确的世界观和价值观。88合计3216总计48五、实验（上机）项目序号实验（上机）名称实验（上机）时数实验（上机）类型主要内容修读要求支撑课程目标1数据采集与预处理2综合包括数据采样、数据清理、数据集成、数据变换、数据规约、特征选择以及特征提取必修1、3、42频繁模式挖掘2

13、综合结合具体案例挖掘各种类型的关联规则必修1、3、43分类项目开发实验4综合应用决策树、随机森林、朴素贝叶斯、KNN算法，进行项目开发。必修1、2、3、44大数据挖掘综合应用8综合结合具体案例的社交网络分析、文本分析、推荐系统设计与实施上机操作必修1、2、4六、教学方法本课教学以教师课堂讲授为主,学生小组讨论进行案例分析与设计为辅。授课过程应能灵活运用板书和多媒体教学、加强师生互动、注重启发式教学。七、课程考核及成绩评定考核方式：考查考试形式：课程论文评定方式：五级制课程考核内容、考核形式及支撑课程目标课程目标(指标点)考核内容考核形式及占比(%)成绩课堂提1J作业测评平时测试实验报告.课程报

14、,告.课程论文期中考试期末考试总比(%)课程目标1(6-1)了解由工程问题，到建模、再到数据挖掘算法设计的问题求解思维模式。具有将数据挖掘算法应用于具体工程的能力。10102020课程目标2(2-2)掌握大数据预处理、关联规则、分类以及聚类技术，并能够在主流大数据平台上实现。1010102020课程目标3(5-2)具备较强的学习最新数据挖掘领域研究成果的能力：能够分析和评价现有研究成果的问题与不足，并能够提出自己独立见解的能力。1010102020课程目标4(4-3)能够撰写系统设计方案和阶段性技术报告，能够组织和协调项目组的工作，与成员进行交流与沟通。10102020合计15152050100八、课程资源教材：王振武编著,大数据挖掘与应用(MySQ1版)M.北京:清华大学出版社,2019参考书目，1.朱晓峰主编，大数据分析与挖掘M.北京：机械工业出版社，20192,贾晓妍等编著，商务智能与数据挖掘(第2版)M.北