數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學(xué)大綱new_第1頁
數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學(xué)大綱new_第2頁
數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學(xué)大綱new_第3頁
數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學(xué)大綱new_第4頁
數(shù)據(jù)挖掘與數(shù)據(jù)倉庫--教學(xué)大綱new_第5頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、數(shù)據(jù)挖掘與數(shù)據(jù)倉庫(教學(xué)大綱)Data mining and data warehouse課程編碼:05405140 學(xué)分: 2.5 課程類別: 專業(yè)方向課計劃學(xué)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(wù)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(xué)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(xué)出版社,2006.46.數(shù)據(jù)挖掘Clementine應(yīng)用實務(wù),謝邦昌 主編,機械工業(yè)出版社,2008.4課程的教學(xué)目的與任務(wù)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(yīng)用基礎(chǔ),通過課堂講授、實

3、例分析,提高學(xué)生數(shù)據(jù)挖掘技術(shù)的認(rèn)識,熟悉基本工具應(yīng)用,并掌握設(shè)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(yīng)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(yù)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(yù)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(wù)中的應(yīng)用。各章節(jié)授課內(nèi)容、教學(xué)方法及學(xué)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(xué)時:2

4、教學(xué)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(yīng)用范圍,以及主要數(shù)據(jù)挖掘工具。教學(xué)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(xué)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(yīng)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(xué)科的關(guān)系1.5 商務(wù)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(xué)時:4教學(xué)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(xué)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(xué)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(yīng)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(xué)時:4教學(xué)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(xué)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(xué)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(hù)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(xué)時:4教學(xué)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(xué)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(xué)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(zhǔn)則第五章 數(shù)據(jù)挖掘的原理與技術(shù) 建議學(xué)時:4教學(xué)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(xué)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(xué)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(xué)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(xué)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(xué)時:4教學(xué)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(yù)處理方法教學(xué)重點與難點 數(shù)據(jù)質(zhì)量,數(shù)據(jù)預(yù)處理方法授 課 方 法 以課堂講授為主,課堂討論和課下自學(xué)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(yù)處理6.5 數(shù)據(jù)質(zhì)量的多維度量6.6 數(shù)據(jù)預(yù)處理的主要方法第七章 定性歸納 建議學(xué)時:2教學(xué)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(xué)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(xué)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(xué)時:2教學(xué)目的與要求 了解關(guān)聯(lián)挖掘和的方法,掌握Apriori算法教學(xué)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(xué)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(xué)時:2教學(xué)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(xué)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(xué)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(xué)時:2教學(xué)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(xué)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(xué)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(yù)測 建議學(xué)時:2教學(xué)目的與要求 了解預(yù)測算法,掌握回歸預(yù)測、廣義線性GenLin模型預(yù)測、支持向量機預(yù)測教學(xué)重點與

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論