商务智能与数据挖掘教学大纲.docx

商务智能与数据挖掘教学大纲一、课程概述课程名称（中文）:商务智能与数据挖掘（英文）：BusinessInte11igenceandDataMining课程性质：专业基础必修课课程代码：BT0500423X0总学时（包括学时分配）:48学时总学分：3适用专业：21级信息管理与信息系统先修课程：统计学、JaVa程序设计基础、数据库系统原理教材与主要参考资料：（1）推荐教材：刘平山，黄宏军，黄福，张海涛，商务智能与数据挖掘，上海交通大学出版社，2023。（2）参考书目：1陈国青，商务智能原理与方法（第2版），电子工业出版社，2014o21陈晓红，寇纲，刘咏梅，商务智能与数据挖掘，高等教育出版社，2018。二、课程简介随着大数据、人工智能、云计算等技术的广泛应用，数据逐渐成为重要的生产要素，人们对于海量数据挖掘及分析的需求不断增加。为了满足持续增长的大数据人才需求，特开设商务智能与数据挖掘课程。本课程是信息管理与信息系统专业学生的主要专业课程之一，课程涉及的多个学科领域的知识，包括管理学理论、数理统计、数据结构与算法、数据库技术等。通过本课程的学习，学生掌握商务智能的基本概念、数据挖掘的核心算法及数学原理,能够熟练应用分类、聚类、关联分析、回归等模型来解决具体管理问题，同时掌握商务管理与决策相关理论知识，能运用理论识别数据问题，能够针对不同行业和情景需求进行数据建模与数据分析。三、课程目标表1商务智能与数据挖掘课程目标课程目标具体内容课程目标一掌握数据挖掘基础概念和模型，掌握模型数学原理，能够实现分类、聚类、关联规则、回归等核心算法，具备算法应用能力。课程目标二掌握数据采集、抽取、存储、可视化等集成管理能力，能够针对管理决策问题进行数据建模与数据分析。四、课程目标与毕业要求、毕业要求指标点的对应关系表2课程目标与信息管理与信息系统专业毕业要求、毕业要求指标点的对应关系信息管理与信息系统专业毕业要求毕业要求指标点课程目标要求1.工程知识：能够将数学、自然科学、计算机科学技术、管理学、经济学基础和专业知识用于描述、分析和解决管理信息系统设计、开发等相关复杂工程问题。1-4能够将相关知识和数学模型方法用于复杂工程问题解决方案的比较与综合。课程目标一要求2.设计/开发解决方案：能够提出针对管理信息系统工程问题的解决方案，设计、开发满足特定需求的管理信息系统，并能够在设计环节中体现创新意识，综合考虑社会、健康、安全、法律、文化及环境等因素。3-2能针对特定需求进行算法和功能模块设计，并对设计方案和开发流程可行性进行分析。课程目标二五、教学内容、所支撑的课程目标、对毕业要求指标点的贡献表3商务智能与数居挖掘教学内容、课程目标、对毕业要求指标点贡献关系教学内容学生学习预期成果学时教学模式对课程目标的支撑说明第一章商务智能概述(1)了解商务智能产生的背景。(2)掌握商务智能的概念、商务智能的架构及其作用。(3)理解数据、信息、知识、决策的概念及其相互关系；了解决策和决策支持系统。(4)了解商务智能在不同行业和部门中的实际应用。具备商务智能的基本概念、了解管理决策过程，熟悉相关技术和系统。4课堂讲授演示对课程目标一的贡献：熟悉商务智能及决策过程相关理论和系统架构。第二章数据仓库(1)理解数据仓库的定义。(2)了解与数据仓库概念密切相关的几个概念：数据集市、企业数据仓库、数据湖、数据中台、操作数据存储。(3)理解数据仓库中的元数据概念和作用。(4)理解一个通用数据仓库框架及其各组成部分的作用。(5)理解数据集成的概念和相关技术。(6)理解ET1概念和流程,了解相关ET1工具。(7)了解数据仓库项目开发方法：Inmon模型和Kimba11模型。掌握数据仓库概念，理解并实现数据仓库的构建。4课堂讲授演示对课程目标一的贡献：建立数据仓库和联机分析处理概念，结合计算机知识比较数据仓库和数据库。第三章联机分析处理(1)理解联机分析处理的概念，以及维的相关概念。(2)理解联机分析处理与联机事物处理的联系与区别。(3)理解多维数据模型概念及其组成。(4)理解维度建模的两种建模方式。(5)理解和掌握联机分析处理操作。(6)了解联机分析处理的常用分类。掌握联机分析处理的定义以及适用情况，理解多维度数据模型4课堂讲授案例分析课后作业对课程目标一的贡献：掌握联机分析处理的概念，实现对多维数据的理解。第四章数据挖掘基础(1)掌握数据定义、数据对象与属性类型等相关概念。掌握数据挖掘相关的基本概念，能够实现对数据6课题讲授案例分析对课程目标一的贡献：熟悉数据挖掘的基本概念，挖掘的基本流程，能够实现对数据的预处理。(2)理解数据相似与相异的测量方法。(3)掌握数据预处理的基本方法。(4)理解数据挖掘流程模型。的预处理。第五章关联分析(1)掌握关联规则的定义。(2)理解关联规则的相关概念：项集、支持度、频繁项、频繁项集、置信度、提升度。(3)掌握关联规则挖掘的步骤。(4)掌握关联规则的评价指标与方法。(5)理解关联规则挖掘算法：Apriori算法和FP-Growth算法。(6)了解关联规则的应用场景。熟悉关联分析的相关概念，能够应用关联规则解决实际问题。6课题讲授案例分析对课程目标一的贡献：熟悉关联规则的相关概念、指标和方法。对课程目标二的贡献：掌握关联规则数据挖掘的特点，并能够实现相关算法解决商务智能实际问题。第六章分类分析(1)掌握分类的定义和分类的建模过程。(2)理解基础分类算法：决策树、贝叶斯分类器、最近邻分类器以及逻辑回归。(3)掌握分类异常检测的概念以及分类的异常检测技术。(4)了解高级分类方法：贝叶斯信念网络、后向传播神经网络、支持向量机、频繁模式和惰性学习。掌握分类分析的概念、指标和方法，掌握分类算法实现原理，能够应用分类分析解决实际问题。6课题讲授案例分析对课程目标一的贡献：掌握分类分析数据挖掘的相关概念、指标和方法，掌握核心分类算法实现原理。对课程目标二的贡献：熟悉商务智能中针对分类分析问题的特点，并能够实现相关算法解决商务智能实际问题。第七章聚类分析(1)理解聚类概念。掌握聚类分析的概念、指标和方法，8课题讲授案例分析对课程目标一的贡献：掌握聚类分析数据挖掘的相关概念、指标和方法，掌握核心聚类算法(2)掌握基础聚类算法：划分方法、层次方法、密度方法、网格方法。(3)掌握基于聚类的异常检测算法。(4)熟悉常见的高级聚类方法。掌握聚类算法实现原理，能够应用聚类分析解决实际问题。实现原理。对课程目标二的贡献：熟悉商务智能中针对聚类分析问题的特点，并能够实现相关算法解决商务智能实际问题。第八章文本分析(1)掌握文本分析的定义和关键步骤。(2)掌握自然语言处理基础技术：分词、词法分析、句法分析、语义分析、语用分析与篇章分析。(3)理解文本挖掘的概念与主要任务。(4)理解情感分析的概念与主要任务。(5)了解文本可视化概念与可视化方法。掌握文本分析的概念、方法与指标，能够实现对文本数据的挖掘，解决实际问题。6课堂讲授案例分析对课程目标一的贡献：理解文本数据的特点，掌握文本数据挖掘的相关概念，指标和方法。对课程目标二的贡献：熟悉文本数据挖掘的特点，能够解决文本数据应用场景中的问题，实现解决相关商务智能实际问题第九章Web挖掘(1)掌握Web挖掘概念和具体流程。(2)掌握Web内容挖掘及步骤。(3)掌握Web使用挖掘过程。(4)掌握Web结构挖掘、理解PageRank算法。掌握Web数据分析的概念、方法与指标，能够实现爬虫等抓取程序对Web数据进行挖掘，解决实际问题。4课堂讲授案例分析对课程目标一的贡献：理解Web数据的特点，掌握Web数据挖掘的相关概念，指标和方法。对课程目标二的贡献：熟悉Web数据挖掘的特点，能够解决Web数据应用场景中的问题,实现解决相关商务智能实际问题六、基本要求1 .教学要求(1)教学重点：商务智能概念，数据预处理方法，聚类、分类、关联规则、逻辑回归实现算法及数学原理，管理决策理论。(2)教学难点：聚类、分类以及关联规则算法和模型的具体编程实现，不同场景管理决策问题的数据建模。(3)注意事项：不同分类、聚类算法原理需要独立推导公式、编程实现，而非简单应用软件。(4)课程思政：培养学生数据科学和量化管理意识，针对现实管理问题，培养学生的参与意识和社会责任感，培养学生严谨的数据分析态度和科学精神。2 .作业要求：布置课外作业3次以上。七、考核方式及成绩评定考核方式：课后作业、期末闭卷考试。成绩评定：平时30%,期末考试70%。平时成绩：由课后作业，上课表现。八、说明本大纲依据桂林电子科技大学人力资源管理专业培养方案编写。评分标准一、平时成绩(占30%)1.课后作业评分标准：作业等级ABCD作业成绩9010075906075<600评价标准按时完成,概念清晰，正确完整率80%以上。按时完成,概念比较清晰，正确完整率60%以上。延时完成,概念不够清晰，正确完整率40%以上。未按时完成，概念不清晰，正确完整率40%以下。未交作业。二、期末考试(占70%)期末考试为闭卷，详细评分标准参见试卷答案及评分标准。