《数据挖掘技术基础》课程教学大纲（FundamentalsofDataMining）编写时间：2024年7月一、基本信息课程名称：数据挖掘技术基础英文名称：FundamentalsofDataMining课程类别：学科课程课程性质：选修课课程编码：0812003180学分：2总学时：32。其中，讲授学时32，实验学时0，上机学时0，实训学时0适用专业：数据科学与大数据技术先修课程与知识储备：数据库原理与技术、Python程序设计A后继课程：人工智能高级、行业大数据分析技术。二、课程简介：《数据挖掘技术基础》是数据科学与大数据技术专业课程、本程以数据挖掘为主要内容、讲述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，培养学生数据分析和处理的能力，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。三、教学目标1、课程思政教学目标：本课程是数据科学与大数据技术的专业课。主要为学生搭建起通向“数据分析”的桥梁和纽带，以“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”为原则，为学生在大数据领域“深耕细作”奠定基础、指明方向。学会一定的沟通、组织、团队合作的社会能力。通过课程思政教学，培养爱国、爱党、具有良好的职业道德和高度职业责任感的专业人才。2、课程教学总目标：学生能够描述数据挖掘的基本概念和方法。根据实际需求运用数据预测（分类，回归），聚类，关联分析，异常检测等方法解决数据挖掘问题，具有一定创新能力，为今后从事大数据领域工作打下坚实的基础。3、课程目标与学生能力和素质培养的关系：
《数据挖掘技术基础》课程教学大纲（Fundamentals of Data Mining） 编写时间： 2024 年 7 月 一、基本信息 课程名称：数据挖掘技术基础 英文名称：Fundamentals of Data Mining 课程类别：学科课程 课程性质：选修课 课程编码：0812003180 学分：2 总学时：32。其中，讲授学时 32，实验学时 0，上机学时 0，实训学时 0 适用专业：数据科学与大数据技术 先修课程与知识储备：数据库原理与技术、Python 程序设计 A 后继课程：人工智能高级、行业大数据分析技术。 二、课程简介： 《数据挖掘技术基础》是数据科学与大数据技术专业课程、本程以数据挖掘为主要内容、 讲述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，培养学生数据分析和处理的能力，安排了入门级的实践操作，让学 生更好地学习和掌握大数据关键技术。 三、教学目标 1、课程思政教学目标：本课程是数据科学与大数据技术的专业课。主要为学生搭建起通 向“数据分析”的桥梁和纽带，以“构建知识体系、阐明基本原理、引导初级实践、了解 相关应用”为原则，为学生在大数据领域“深耕细作”奠定基础、指明方向。学会一定的 沟通、组织、团队合作的社会能力。通过课程思政教学，培养爱国、爱党、具有良好的职 业道德和高度职业责任感的专业人才。 2、课程教学总目标：学生能够描述数据挖掘的基本概念和方法。根据实际需求运用数据 预测（分类，回归），聚类，关联分析，异常检测等方法解决数据挖掘问题，具有一定创 新能力，为今后从事大数据领域工作打下坚实的基础。 3、课程目标与学生能力和素质培养的关系：
课程思政目标的实施有利于培养学生爱国精神、职业责任感，团队合作、组织、沟通等社会能力。课程教学目标的实施有利于培养学生对大数据技术复杂问题的分析判断能力，培养学生对大数据的管理和分析能力以及创新思维。四、课程内容及学时分配本课程内容、建议学时以及知识单元与课程目标支撑关系如表2所示。表2课程内容及学时分配讲授实验上机知识单元知识点学时学时学时序描述序描述号号1数据挖掘绪1数据挖掘的基本概念与功能400论2预测算法1分类：基本概念与技术8002分类与回归318关联分析基本概念与算法002高级概念4聚类分析1聚类基本算法0802聚类进阶算法5异常检测与1异常检测算法与综合应用400综合应用0总计032五、教学方法及要求（文字部分：1、教学方法要求，包括教师学科专业背景、教学准备、教学方式、教学组织和教学资料、教学手段等方面。2、课程思政教学方法及要求。1、教学方法要求：要求任课教师具有大数据专业背景；教学大纲的基本内容要认真执行，根据课程目标、教学计划和所选教材在深度上可做恰当处理；在理论教学时，以课堂教学为主，采用线上+线下混合式教学，结合多媒体和网络等多种教学手段，增加教学内容的信息量，增强教学的互动性；多采用实例分析，帮助学生掌握基本分析方法
课程思政目标的实施有利于培养学生爱国精神、职业责任感，团队合作、组织、沟通等社 会能力。课程教学目标的实施有利于培养学生对大数据技术复杂问题的分析判断能力，培 养学生对大数据的管理和分析能力以及创新思维。 四、课程内容及学时分配 本课程内容、建议学时以及知识单元与课程目标支撑关系如表 2 所示。 表 2 课程内容及学时分配 知识单元 知识点 讲授 学时 实验 学时 上机 学时 序 号 描述 序 号 描述 1 数据挖掘绪 论 1 数据挖掘的基本概念与功能 4 0 0 2 预测算法 1 分类：基本概念与技术 8 0 0 2 分类与回归 3 关联分析 1 基本概念与算法 8 2 高级概念 0 0 4 聚类分析 1 聚类基本算法 8 0 0 2 聚类进阶算法 5 异常检测与 综合应用 1 异常检测算法与综合应用 4 0 0 总计 32 0 0 五、教学方法及要求（文字部分：1、教学方法要求，包括教师学科专业背景、教学准 备、教学方式、教学组织和教学资料、教学手段等方面。2、课程思政教学方法及要求。） 1、教学方法要求： 要求任课教师具有大数据专业背景；教学大纲的基本内容要认真执行，根据课程目标、教 学计划和所选教材在深度上可做恰当处理；在理论教学时，以课堂教学为主，采用线上+ 线下混合式教学，结合多媒体和网络等多种教学手段，增加教学内容的信息量，增强教学 的互动性；多采用实例分析，帮助学生掌握基本分析方法
2、课程思政教学方法及要求：大数据平台发展史中引入科学人物、新闻、事件等，着重加深对中国科学家和本国企业在数据科学与大数据的贡献及我国大数据平台现状的认识；运用案例式、讨论式教学方法加深学生对大数据平台的国际与国家标准、法律、法规的认识；通过课程分组讨论思考题和解决方案，培养学生的沟通、组织、团队合作的能力。六、重点与难点1、基本内容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。2、重点数据挖掘的概念及数据挖掘的一般过程，以及预测（分类，回归）、关联分析、聚类分析、异常检测等经典算法的灵活应用。3、难点综合运用数据挖掘算，根据已掌握数据的情况，选择合适的数据挖掘算法对数据进行处理。七、学习要求课堂回答问题及讨论要求：运用相关知识对数据挖掘进行讨论，分析各个数据挖掘算法的优点与缺点及其性能。作业要求：每章提交一次课后作业，针对不同数据挖掘算法进行实践。课外自主学习要求：提交一次理论大作业，选择合适的文献进行阅读数据挖掘技术最新的进展进行报告。考试要求：闭卷考试。数据挖掘绪论主要作为单选题考察。预测算法和关联算法除了选择题外，还有简答题，算法题。聚类算法和异常检测为重点考察，主要是问答题和算法题最后综合应用大题八、考核内容及考核方式1.考核内容及评价依据本课程考核内容、建议评价依据以及与课程目标对应关系如表3所示。表3课程目标-考核方式关系表
2、课程思政教学方法及要求： 大数据平台发展史中引入科学人物、新闻、事件等，着重加深对中国科学家和本国企业在 数据科学与大数据的贡献及我国大数据平台现状的认识；运用案例式、讨论式教学方法加 深学生对大数据平台的国际与国家标准、法律、法规的认识；通过课程分组讨论思考题和 解决方案，培养学生的沟通、组织、团队合作的能力。 六、重点与难点 1、基本内容 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。 2、重点 数据挖掘的概念及数据挖掘的一般过程，以及预测（分类，回归）、关联分析、聚类分 析、异常检测等经典算法的灵活应用。 3、难点 综合运用数据挖掘算，根据已掌握数据的情况，选择合适的数据挖掘算法对数据进行处 理。 七、学习要求 课堂回答问题及讨论要求：运用相关知识对数据挖掘进行讨论，分析各个数据挖掘算法的 优点与缺点及其性能。 作业要求：每章提交一次课后作业，针对不同数据挖掘算法进行实践。 课外自主学习要求：提交一次理论大作业，选择合适的文献进行阅读数据挖掘技术最新的 进展进行报告。 考试要求：闭卷考试。数据挖掘绪论主要作为单选题考察。预测算法和关联算法除了选择 题外，还有简答题，算法题。聚类算法和异常检测为重点考察，主要是问答题和算法题， 最后综合应用大题 八、考核内容及考核方式 1.考核内容及评价依据 本课程考核内容、建议评价依据以及与课程目标对应关系如表 3 所示。 表 3课程目标-考核方式关系表
课程目标考核内容评价依据1数据挖掘绪论平时考核2预测算法算法编程+期末考试2关联分析案例分析+期末考试2聚类分析算法编程+期末考试3异常检测与综合应用实例分析+期末考试2、成绩评定(1）成绩评定标准：平时表现成绩的评定标准见表4：表4平时表现评分标准表成绩比评价标准基本例要求优秀良好合格不合格(%)课程积极回参与回答课较积极回答不参与回答课堂问目标答课堂课堂问题，堂问题，较题，对数据挖掘的1问题，思路较清积极回答课相关理论理解错思路清晰，对数据堂问题，思误，不能分辨各个晰，对挖掘的相关路较清晰，数据挖掘算法的优数据挖劣理论理解较对数据挖掘掘的相为正确，能的相关理论关理论理解分辨各理解基本正理解正个数据挖掘确，能大概30确，非算法的优劣分辨各个数常清晰据挖掘算法的理解的优劣分辨各个数据挖掘算法的优劣
课程目标 考核内容 评价依据 1 数据挖掘绪论 平时考核 2 预测算法 算法编程+期末考试 2 关联分析 案例分析+期末考试 2 聚类分析 算法编程+期末考试 3 异常检测与综合应用 实例分析+期末考试 2、成绩评定 （1）成绩评定标准： 平时表现成绩的评定标准见表 4： 表 4 平时表现评分标准表 基本 要求 评价标准 成绩比 例 优秀 良好 合格 不合格 （%） 课程 目标 1 积极回 答课堂 问题， 思路清 晰，对 数据挖 掘的相 关理论 理解正 确，非 常清晰 的理解 分辨各 个数据 挖掘算 法的优 劣 较积极回答 课堂问题， 思路较清 晰，对数据 挖掘的相关 理论理解较 为正确，能 理解分辨各 个数据挖掘 算法的优劣 参与回答课 堂问题，较 积极回答课 堂问题，思 路较清晰， 对数据挖掘 的相关理论 理解基本正 确，能大概 分辨各个数 据挖掘算法 的优劣 不参与回答课堂问 题，对数据挖掘的 相关理论理解错 误，不能分辨各个 数据挖掘算法的优 劣 30
课程积极回较积极回答参与回答课不参与回答课堂问目标答课堂课堂问题,堂问题，较题，对数据挖掘的2问题，思路较清积极回答课相关理论理解错思路清晰，对数据堂问题，思误，不能理解各项晰，对挖掘的相关路较清晰，数据挖掘算法如何数据挖理论理解较基本理解各使用和详细过程掘的相为正确，能项数据挖掘关理论算法如何使理解各项数理解正据挖掘算法用和详细过30确，非程如何使用和常清晰详细过程各项数据挖掘算法如何使用和详细过程课程参与回答课积极回较积极回答不参与回答课堂问目标答课堂课堂问题，堂问题，较题，对数据挖掘的3问题，思路较清积极回答课相关理论理解错堂问题，思思路清晰，对数据误，不能综合运用晰，对挖掘的相关路较清晰，数据挖掘技术对数数据挖理论理解较基本能综合据进行处理掘的相为正确，较运用数据挖关理论能综合运用掘技术对数理解正数据挖掘技据进行处理40确，能术对数据进行处理综合运用数据挖掘技术对数据进行处理注：该表格中比例为占总的平时表现的比例。优秀分数段为100-90，良好分数段为8980，合格分数段为79-60，不合格分数段为≤59
课程 目标 2 积极回 答课堂 问题， 思路清 晰，对 数据挖 掘的相 关理论 理解正 确，非 常清晰 各项数 据挖掘 算法如 何使用 和详细 过程 较积极回答 课堂问题， 思路较清 晰，对数据 挖掘的相关 理论理解较 为正确，能 理解各项数 据挖掘算法 如何使用和 详细过程 参与回答课 堂问题，较 积极回答课 堂问题，思 路较清晰， 基本理解各 项数据挖掘 算法如何使 用和详细过 程 不参与回答课堂问 题，对数据挖掘的 相关理论理解错 误，不能理解各项 数据挖掘算法如何 使用和详细过程 30 课程 目标 3 积极回 答课堂 问题， 思路清 晰，对 数据挖 掘的相 关理论 理解正 确，能 综合运 用数据 挖掘技 术对数 据进行 处理 较积极回答 课堂问题， 思路较清 晰，对数据 挖掘的相关 理论理解较 为正确，较 能综合运用 数据挖掘技 术对数据进 行处理 参与回答课 堂问题，较 积极回答课 堂问题，思 路较清晰， 基本能综合 运用数据挖 掘技术对数 据进行处理 不参与回答课堂问 题，对数据挖掘的 相关理论理解错 误，不能综合运用 数据挖掘技术对数 据进行处理 40 注：该表格中比例为占总的平时表现的比例。优秀分数段为 100-90，良好分数段为 89- 80，合格分数段为 79-60，不合格分数段为≤59