发布时间：2024-04-07 15:38:26 来源：米乐m6米乐平台 作者：M6米乐最新下载地址
本课程以数据仓库和数据挖掘为主要内容，讲述数据仓库与数据挖掘的基本概念和方法，包括数据预处理、数据仓库与联机分析处理、数据仓库的设计与开发、以及数据挖掘的主要功能、数据挖掘、机器学习算法和应用，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与机器学习模型。培养学生数据分析和处理的能力。该课程的先修课程有概率论与数理统计、数据库原理和程序设计等。
本课程的主要目的是培养学生的数据仓库与数据挖掘的基本理论分析与应用实践的综合能力。通过本课程的教学，使学生掌握数据仓库和数据挖掘的一般原理和处理方法，能使用机器学习理论解决数据挖掘相关的问题。
本课程全面而又系统地介绍了仓库与数据挖掘的方法和技术，反映了当前数据仓库与数据挖掘研究的最新成果。本课程主要学习的内容包括Python数据分析与可视化基础、认识数据、数据预处理、回归分析、关联规则挖掘、分类与预测、聚类分析、神经网络与机器学习基础、离群点检测以及Python数据挖掘案例分析等内容。
多媒体机房教学、案例导向、项目驱动等教学方法、启发学生对学科知识的把握理解和实际操作能力。课程教学方法的改革以调动学生的积极性为核心。除讲授、提问、学生分析、讨论等常用的方法外，结合管理课程的特点，适应本科生培养的要求，探索并完善以 参与式、体验式、交互式和模拟教学等实践教学为基本形式的多种方法。并建立纸质、声音、电子、网络等多种媒体构成的立体化教学载体。
本课程的教学方式主要采用课堂讲授和实验操作，包括：课堂讲授、多媒体教学、实验操作、算法分析与设计、习题解析、课堂讨论、批改作业、课外辅导等多种形式相结合，保证学生掌握数据挖掘与机器学习的基本知识，理解算法的实现，培养学生的自学能力、分析问题和解决问题的能力。
教学方法：采用启发式教学和探究式教学，以学生为主体，鼓励学生自己针对某种数据挖掘与机器学习算法进行分析和研究，培养学生的自学能力。
考试环节：两次课堂小测验；学期末学生分为若干小组，每个小组研究讨论并实现某一前沿的数据挖掘算法或者实现实际的数据挖掘案例，以报告的形式进行讲解，最后提交一份课程学术报告。
1.理解和掌握数据仓库与数据挖掘的基本概念、数据仓库的定义、组成以及数据挖掘的过程、数据挖掘的主要任务以及数据挖掘使用的主要技术。
掌握数据仓库与数据挖掘的定义和功能，理解数据挖掘在何种数据上进行,数据挖掘可以挖掘什么类型的模式，掌握初级的数据仓库技术。
3.理解数值压缩：用替代的、较小的数据表示替换或估计数据，如参数模型（只需要存放模型参数，而不是实际数据）或非参数方法，如聚类、选样和使用直方图。
1.了解关联规则的基本思想、概念和意义。2.了解关联规则挖掘的应用背景；掌握常用的关联规则算法。3.掌握利用Python
1.了解分类及预测的基本思想、概念和意义。2.掌握常用的分类及预测算法（或模型）。3.了解分类及预测挖掘的研究动态。
1.了解如何计算由各种属性和不同的类型来表示的对象之间的相异度。2.掌握K-Means聚类、层次聚类、基于密度的聚类和其他常用方法。3.
2.掌握时序数据的典型分析挖掘模型，主要包括自回归滑动平均模型、差分整合移动平均自回归模型和季节性差分自回归移动平均模型。
本课程教材力求内容新颖，应采用多样化的方式进行教学，让学生在理论与实践相结合的基础上，对课程所要求的实际操作能力有进一步的提高。
充分利用多媒体等现代化教学手段，整体优化教学过程和教学内容，调动学生学习积极性；布置实际操作任务给学生上机操作并及时指导。5
