數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學大綱new

1、數(shù)據(jù)挖掘與數(shù)據(jù)倉庫（教學大綱）Data mining and data warehouse課程編碼：05405140 學分： 2.5 課程類別： 專業(yè)方向課計劃學時： 48 其中講課：32 實驗或?qū)嵺`： 上機：16適用專業(yè)：信息管理與信息系統(tǒng)、電子商務推薦教材：陳文偉，數(shù)據(jù)倉庫與數(shù)據(jù)挖掘教程，清華大學出版社，2008參考書目：1. Richard J. Roiger, Michael W. Geatz. Data Mining: A Tutorial-Based Primer.2003.2.Ian H. Witten, Eibe Frank. Data Mining: Practical Ma

2、chine Learning Tools and Techniques (第二版). 機械工業(yè)出版社（影印版），2005.3.Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques.2001.5.4.數(shù)據(jù)倉庫與數(shù)據(jù)挖掘技術(shù)（第2版），陳京民 編著，電子工業(yè)出版社，2007.115.數(shù)據(jù)倉庫和數(shù)據(jù)挖掘，蘇新寧 等編著，清華大學出版社，2006.46.數(shù)據(jù)挖掘Clementine應用實務，謝邦昌 主編，機械工業(yè)出版社，2008.4課程的教學目的與任務本課程將系統(tǒng)介紹數(shù)據(jù)挖掘的基本概念、基本原理和應用基礎，通過課堂講授、實

3、例分析，提高學生數(shù)據(jù)挖掘技術(shù)的認識，熟悉基本工具應用，并掌握設計和開發(fā)數(shù)據(jù)挖掘算法和系統(tǒng)的初步能力。課程的基本要求1、了解數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念、特征、應用范圍，以及主要數(shù)據(jù)挖掘工具2、了解OLTP 和 OLAP的區(qū)別；熟悉OLAP 的體系結(jié)構(gòu)，以及如何評價OLAP工具；掌握多維分析的基本分析動作。3、了解數(shù)據(jù)質(zhì)量，掌握數(shù)據(jù)預處理方法， 4、掌握數(shù)據(jù)挖掘的定性歸納技術(shù)、關(guān)聯(lián)挖掘、聚類分析、分類方法、預測方法、文本挖掘、WEB挖掘5、熟練掌握數(shù)據(jù)挖掘軟件Clementine在各類挖掘任務中的應用。各章節(jié)授課內(nèi)容、教學方法及學時分配建議（含課內(nèi)實驗）第一章. 數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述 建議學時：2

4、教學目的與要求 了解數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念、特征、應用范圍，以及主要數(shù)據(jù)挖掘工具。教學重點與難點 數(shù)據(jù)倉庫及數(shù)據(jù)挖掘的概念授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔授 課 內(nèi) 容1.1 為什么要數(shù)據(jù)挖掘1.2 數(shù)據(jù)挖掘的應用示例1.3 數(shù)據(jù)挖掘方法簡介1.4 數(shù)據(jù)挖掘與其他學科的關(guān)系1.5 商務智能的三大塊1.6 常用數(shù)據(jù)挖掘工具簡介第二章 數(shù)據(jù)倉庫技術(shù) 建議學時：4教學目的與要求 了解數(shù)據(jù)倉庫的概念，區(qū)分與傳統(tǒng)數(shù)據(jù)庫技術(shù)的不同；掌握數(shù)據(jù)倉庫存儲的抽取、轉(zhuǎn)換和裝載教學重點與難點 數(shù)據(jù)倉庫存儲的抽取、轉(zhuǎn)換和裝載；數(shù)據(jù)倉庫存儲的數(shù)據(jù)模型授 課 方 法 以課堂講授為主，課堂討論和課下自

5、學為輔授 課 內(nèi) 容2.1 數(shù)據(jù)倉庫的概念2.2 數(shù)據(jù)倉庫存儲的數(shù)據(jù)模型2.3 數(shù)據(jù)倉庫的體系結(jié)構(gòu)2.4 數(shù)據(jù)倉庫應用的抽取、轉(zhuǎn)換和裝載第三章 數(shù)據(jù)倉庫開發(fā)模型 建議學時：4教學目的與要求 了解數(shù)據(jù)倉庫開發(fā)模型的概念，了解數(shù)據(jù)倉庫開發(fā)過程，掌握數(shù)據(jù)倉庫三種概念模型：星型模式、雪花模式、或事實星座模式，掌握數(shù)據(jù)粒度概念，元數(shù)據(jù)概念。教學重點與難點 數(shù)據(jù)倉庫三種概念模型，數(shù)據(jù)粒度概念，元數(shù)據(jù)概念授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容3.1 數(shù)據(jù)倉庫開發(fā)模型的概念3.2 數(shù)據(jù)倉庫的概念模型3.3 數(shù)據(jù)倉庫的邏輯模型3.4 數(shù)據(jù)倉庫的物理模型3.5 數(shù)據(jù)倉庫的生成3.6

6、 數(shù)據(jù)倉庫的使用和維護3.7 數(shù)據(jù)倉庫的粒度、聚集和分割3.8 元數(shù)據(jù)第四章 聯(lián)機分析處理(OLAP)技術(shù) 建議學時：4教學目的與要求 了解OLTP 和 OLAP的區(qū)別；熟悉OLAP 的體系結(jié)構(gòu)，以及如何評價OLAP工具；掌握多維分析的基本分析動作。教學重點與難點 OLAP 的體系結(jié)構(gòu)；多維分析的基本分析動作授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容4.1 從OLTP 到 OLAP4.2 OLAP 的基本概念4.3 多維分析的基本分析動作4.4 OLAP 的數(shù)據(jù)組織4.5 OLAP 的體系結(jié)構(gòu)4.6 OLAP 工具及評價4.7 Codd 關(guān)于 OLAP 產(chǎn)品的十二條

7、評價準則第五章 數(shù)據(jù)挖掘的原理與技術(shù) 建議學時：4教學目的與要求 了解為什么要數(shù)據(jù)挖掘、數(shù)據(jù)挖掘與其他學科的關(guān)系，熟悉常用數(shù)據(jù)挖掘方法和工具，掌握數(shù)據(jù)挖掘的原理與技術(shù)。 教學重點與難點 數(shù)據(jù)挖掘的原理與技術(shù)，數(shù)據(jù)挖掘與其他學科的關(guān)系授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容5.1 知識發(fā)現(xiàn)的過程5.2 數(shù)據(jù)挖掘的方法和技術(shù)5.3 數(shù)據(jù)挖掘的知識表示第六章 數(shù)據(jù)的獲取和管理 建議學時：4教學目的與要求 了解數(shù)據(jù)的數(shù)據(jù)獲取和管理，掌握數(shù)據(jù)質(zhì)量的多維度量，掌握數(shù)據(jù)預處理方法教學重點與難點 數(shù)據(jù)質(zhì)量，數(shù)據(jù)預處理方法授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授

8、課 內(nèi) 容6.1 數(shù)據(jù)倉庫的數(shù)據(jù)獲取6.2 數(shù)據(jù)管理6.3 系統(tǒng)管理6.4 數(shù)據(jù)的預處理6.5 數(shù)據(jù)質(zhì)量的多維度量6.6 數(shù)據(jù)預處理的主要方法第七章 定性歸納 建議學時：2教學目的與要求 了解數(shù)據(jù)挖掘的定性歸納技術(shù)，掌握ID3算法、C5.0算法。教學重點與難點 ID3算法、C5.0算法授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容7.1 基本概念7.2 數(shù)據(jù)泛化7.3 屬性相關(guān)分析7.4 挖掘概念對比描述7.5 挖掘大數(shù)據(jù)庫的描述型統(tǒng)計信息第八章 關(guān)聯(lián)挖掘 建議學時：2教學目的與要求 了解關(guān)聯(lián)挖掘和的方法，掌握Apriori算法教學重點與難點 Apriori算法 授 課

9、 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容8.1 基本概念8.2 單維布爾邏輯關(guān)聯(lián)規(guī)則挖掘8.3 多層關(guān)聯(lián)規(guī)則挖掘8.4 多維關(guān)聯(lián)規(guī)則挖掘8.5 關(guān)聯(lián)規(guī)則聚類系統(tǒng)(ARCS)8.6 關(guān)聯(lián)規(guī)則其它內(nèi)容第九章 聚類分析 建議學時：2教學目的與要求 了解什么是聚類分析、聚類和分類的區(qū)別，掌握聚類分析的算法。教學重點與難點 聚類分析的算法授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容9.1 什么是聚類分析9.2 聚類分析中的數(shù)據(jù)類型9.3 主要聚類算法的分類第十章 分類 建議學時：2教學目的與要求 了解什么是數(shù)據(jù)挖掘的分類，掌握KNN(K-Nearest Neighbor)分類和Bayes分類教學重點與難點 KNN(K-Nearest Neighbor)分類和Bayes分類 授 課 方 法 以課堂講授為主，課堂討論和課下自學為輔 授 課 內(nèi) 容10.1 分類的基本知識10.2 決策樹分類10.3 支持向量機分類10.4 KNN(K-Nearest Neighbor)分類10.5 Bayes分類第十一章 預測 建議學時：2教學目的與要求 了解預測算法，掌握回歸預測、廣義線性GenLin模型預測、支持向量機預測教學重點與