數(shù)據(jù)倉庫與數(shù)據(jù)挖掘 教學(xué)大綱、授課計(jì)劃

數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)課程教學(xué)大綱

數(shù)據(jù)倉庫與數(shù)據(jù)挖掘

一、說明

（-）課程性質(zhì)

本課程以數(shù)據(jù)倉庫和數(shù)據(jù)挖掘?yàn)橹饕獌?nèi)容，講述數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念和方法，包括數(shù)據(jù)預(yù)處

理、數(shù)據(jù)倉庫與聯(lián)機(jī)分析處理、數(shù)據(jù)倉庫的設(shè)計(jì)與開發(fā)、以及數(shù)據(jù)挖掘的主要功能、數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)算法

和應(yīng)用，并通過對(duì)實(shí)際數(shù)據(jù)的分析更加深入地理解常用的數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)模型。培養(yǎng)學(xué)生數(shù)據(jù)分析和處

理的能力。該課程的先修課程有概率論與數(shù)理統(tǒng)計(jì)、數(shù)據(jù)庫原理和程序設(shè)計(jì)等。

（二）教學(xué)目的

本課程的主要目的是培養(yǎng)學(xué)生的數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本理論分析與應(yīng)用實(shí)踐的綜合能力。通過本課

程的教學(xué)，使學(xué)生掌握數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的一般原理和處理方法，能使用機(jī)器學(xué)習(xí)理論解決數(shù)據(jù)挖掘相關(guān)

的問題。

（三）教學(xué)內(nèi)容

本課程全面而又系統(tǒng)地介紹了倉庫與數(shù)據(jù)挖掘的方法和技術(shù)，反映了當(dāng)前數(shù)據(jù)倉庫與數(shù)據(jù)挖掘研究的最

新成果。本課程主要學(xué)習(xí)的內(nèi)容包括Python數(shù)據(jù)分析與可視化基礎(chǔ)、認(rèn)識(shí)數(shù)據(jù)、數(shù)據(jù)預(yù)處理、回歸分析、關(guān)

聯(lián)規(guī)則挖掘、分類與預(yù)測、聚類分析、神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)基礎(chǔ)、離群點(diǎn)檢測以及Python數(shù)據(jù)挖掘案例分析

等內(nèi)容。

（四）教學(xué)時(shí)數(shù)

本課程的教學(xué)時(shí)數(shù)為72學(xué)時(shí)，理論教學(xué)54學(xué)時(shí)，實(shí)驗(yàn)教學(xué)18學(xué)時(shí)。

（五）教學(xué)方式

多媒體機(jī)房教學(xué)、案例導(dǎo)向、項(xiàng)目驅(qū)動(dòng)等教學(xué)方法、啟發(fā)學(xué)生對(duì)學(xué)科知識(shí)的把握理解和實(shí)際操作能力。

課程教學(xué)方法的改革以調(diào)動(dòng)學(xué)生的積極性為核心。除講授、提問、學(xué)生分析、討論等常用的方法外，結(jié)合管理

課程的特點(diǎn)，適應(yīng)本科生培養(yǎng)的要求，探索并完善以參與式、體驗(yàn)式、交互式和模擬教學(xué)等實(shí)踐教學(xué)為基本

形式的多種方法。并建立紙質(zhì)、聲音、電子、網(wǎng)絡(luò)等多種媒體構(gòu)成的立體化教學(xué)載體。

本課程的教學(xué)方式主要采用課堂講授和實(shí)驗(yàn)操作，包括：課堂講授、多媒體教學(xué)、實(shí)驗(yàn)操作、算法分析與

設(shè)計(jì)、習(xí)題解析、課堂討論、批改作業(yè)、課外輔導(dǎo)等多種形式相結(jié)合，保證學(xué)生掌握數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的基

本知識(shí)，理解算法的實(shí)現(xiàn)，培養(yǎng)學(xué)生的自學(xué)能力、分析問題和解決問題的能力。

教學(xué)方法：采用啟發(fā)式教學(xué)和探究式教學(xué)，以學(xué)生為主體，鼓勵(lì)學(xué)生自己針對(duì)某種數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)

算法進(jìn)行分析和研究，培養(yǎng)學(xué)生的自學(xué)能力。

教學(xué)手段：充分利用電子教案、CAI課件和網(wǎng)絡(luò)教學(xué)平臺(tái)等多種教學(xué)手段和資源。

考試環(huán)節(jié)：兩次課堂小測驗(yàn)；學(xué)期末學(xué)生分為若干小組，每個(gè)小組研究討論并實(shí)現(xiàn)某一前沿的數(shù)據(jù)挖掘

算法或者實(shí)現(xiàn)實(shí)際的數(shù)據(jù)挖掘案例，以報(bào)告的形式進(jìn)行講解，最后提交一份課程學(xué)術(shù)報(bào)告。

二、本文

理論部分

第一章緒論

教學(xué)要點(diǎn)：

1.理解和掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念、數(shù)據(jù)倉庫的定義、組成以及數(shù)據(jù)挖掘的過程、數(shù)據(jù)挖掘的

主要任務(wù)以及數(shù)據(jù)挖掘使用的主要技術(shù)。

2.了解數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的應(yīng)用和面臨的問題。

3.對(duì)數(shù)據(jù)挖掘能夠解決的問題和解決問題思路有清晰的認(rèn)識(shí)。

4.熟練應(yīng)用Jupyternotebook的開發(fā)環(huán)境。

教學(xué)時(shí)數(shù)：

2學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)數(shù)據(jù)倉庫簡介

1.了解數(shù)據(jù)倉庫的定義和特點(diǎn)。

第二節(jié)數(shù)據(jù)倉庫與操作型數(shù)據(jù)庫的關(guān)系

1.熟練掌握數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別。

第三節(jié)數(shù)據(jù)倉庫的組成

1.掌握數(shù)據(jù)倉庫系統(tǒng)的組成。

第四節(jié)數(shù)據(jù)倉庫的應(yīng)用

1.了解數(shù)據(jù)倉庫的應(yīng)用場景。

第五節(jié)基于Hadoop/Hive的數(shù)據(jù)倉庫技術(shù)

1.了解基于Hadoop/Hive的數(shù)據(jù)倉庫技術(shù)。

第六節(jié)數(shù)據(jù)挖掘的主要任務(wù)和數(shù)據(jù)源

1.理解數(shù)據(jù)挖掘中的主要問題，任務(wù)和數(shù)據(jù)源。

第七節(jié)數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)常用的建模工具

1.了解數(shù)據(jù)挖掘的商用和開源工具。

第八節(jié)利用Python進(jìn)行數(shù)據(jù)挖掘

1.掌握Python數(shù)據(jù)挖掘的常用類庫。

2.熟悉JupyterNotebook的使用方法。

第九節(jié)數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別與聯(lián)系

1.掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別及聯(lián)系

考核要點(diǎn)：

掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的定義和功能，理解數(shù)據(jù)挖掘在何種數(shù)據(jù)上進(jìn)行，數(shù)據(jù)挖掘可以挖掘什么類

型的模式，掌握初級(jí)的數(shù)據(jù)倉庫技術(shù)。

第二章認(rèn)識(shí)數(shù)據(jù)

教學(xué)要點(diǎn)：

1.理解和掌握數(shù)據(jù)對(duì)象和屬性類型，數(shù)據(jù)的基本統(tǒng)計(jì)描述，掌握度量數(shù)據(jù)相似性和相異性的方法。

2.了解數(shù)據(jù)可視化的方法。

教學(xué)時(shí)數(shù)：

2學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)數(shù)據(jù)對(duì)象與屬性類型

1.熟練掌握數(shù)據(jù)的屬性類型。

第二節(jié)數(shù)據(jù)的基本統(tǒng)計(jì)描述

1.熟練掌握中心趨勢度量的方法、度量分散程度的方法、數(shù)據(jù)基本統(tǒng)計(jì)描述圖形顯示的方法。

第三節(jié)數(shù)據(jù)可視化

1.了解數(shù)據(jù)可視化的方法。

第四節(jié)度量數(shù)據(jù)的相似性和相異性

1.熟練掌握度量數(shù)據(jù)相似性和相異性的方法。

考核要點(diǎn)：

了解數(shù)據(jù)的屬性類型，理解數(shù)據(jù)的基本統(tǒng)計(jì)描述，掌握度量數(shù)據(jù)相似性和相異性的方法。

第三章數(shù)據(jù)預(yù)處理

教學(xué)要點(diǎn)：

1.了解數(shù)據(jù)預(yù)處理的目的和意義。

2.掌握如何對(duì)數(shù)據(jù)進(jìn)行清理。

3.掌握如何對(duì)不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行合并。

4.掌握如何對(duì)數(shù)據(jù)進(jìn)行變換，使之適合建模的需要。

5.掌握如何對(duì)數(shù)據(jù)進(jìn)行消減，使得在消減后的數(shù)據(jù)集上挖掘更有效。

6.掌握利用Python進(jìn)行數(shù)據(jù)預(yù)處理的方法。

教學(xué)時(shí)數(shù)

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)數(shù)據(jù)預(yù)處理概述

1.了解為什么要對(duì)數(shù)據(jù)預(yù)處理。

2.數(shù)據(jù)的質(zhì)量要求

第二節(jié)數(shù)據(jù)清理

1.理解缺失值、噪音數(shù)據(jù)的處理方法。

2.利用Python進(jìn)行數(shù)據(jù)清理的方法。

第三節(jié)數(shù)據(jù)集成

1.理解數(shù)據(jù)集成的方法。

2.利用Python進(jìn)行數(shù)據(jù)合并。

第四節(jié)數(shù)據(jù)變換與數(shù)據(jù)離散化

1.了解數(shù)值數(shù)據(jù)的離散化和概念分層產(chǎn)生。

2.熟練掌握數(shù)據(jù)變換和數(shù)據(jù)離散化的方法。

第五節(jié)數(shù)據(jù)歸約

1.了解維歸約：可以檢測并刪除不相關(guān)、弱相關(guān)或冗余的屬性或維。

2.理解數(shù)據(jù)壓縮：使用編碼機(jī)制壓縮數(shù)據(jù)集。

3.理解數(shù)值壓縮：用替代的、較小的數(shù)據(jù)表示替換或估計(jì)數(shù)據(jù)，如參數(shù)模型（只需要存放模型參數(shù)，

而不是實(shí)際數(shù)據(jù)）或非參數(shù)方法，如聚類、選樣和使用直方圖。

考核要點(diǎn)：

理解數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)變換于數(shù)據(jù)離散化的方法，掌握數(shù)據(jù)預(yù)處理的基本方法。

第四章數(shù)據(jù)倉庫與聯(lián)機(jī)分析處理

教學(xué)要點(diǎn)：

1.掌握數(shù)據(jù)倉庫的體系。

2.掌握多維數(shù)據(jù)模型與OLAP。

3.掌握數(shù)據(jù)倉庫的維度建模。

4.了解數(shù)據(jù)倉庫的發(fā)展。

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)數(shù)據(jù)倉庫的體系

1.理解數(shù)據(jù)倉庫的體系結(jié)構(gòu)。

2.理解數(shù)據(jù)倉庫中的ETL、數(shù)據(jù)集市和元數(shù)據(jù)。

第二節(jié)多維數(shù)據(jù)模型與。LAP

1.掌握多維數(shù)據(jù)模型的概念。

2.理解OLAP的含義和基本操作。

3.掌握多維數(shù)據(jù)建模的實(shí)現(xiàn)過程。

第三節(jié)數(shù)據(jù)倉庫的維度建模

1.理解數(shù)據(jù)倉庫的維度建模。

2.理解星型模型和雪花模型。

第四節(jié)數(shù)據(jù)倉庫的發(fā)展

1.了解動(dòng)態(tài)數(shù)據(jù)倉庫。

2.了解數(shù)據(jù)中心和數(shù)據(jù)中臺(tái)。

考核要點(diǎn)：

掌握數(shù)據(jù)倉庫體系、OLAP及維度建模。

第五章數(shù)據(jù)倉庫設(shè)計(jì)與開發(fā)

教學(xué)要點(diǎn)：

1.掌握數(shù)據(jù)倉庫設(shè)計(jì)的過程。

2.掌握基于Hive的數(shù)據(jù)倉庫實(shí)現(xiàn)

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)數(shù)據(jù)倉庫設(shè)計(jì)概述

1.了解數(shù)據(jù)倉庫設(shè)計(jì)的特點(diǎn)。

2.掌握數(shù)據(jù)倉庫的構(gòu)建模式。

第二節(jié)數(shù)據(jù)倉庫設(shè)計(jì)

1.掌握數(shù)據(jù)倉庫規(guī)劃、需求分析及概念設(shè)計(jì)。

2.理解數(shù)據(jù)倉庫邏輯模型設(shè)計(jì)。

3.理解數(shù)據(jù)倉庫物理設(shè)計(jì)。

4,了解數(shù)據(jù)倉庫的部署與維護(hù)。

第三節(jié)基于Hive的數(shù)據(jù)倉庫實(shí)現(xiàn)

1.理解Hive數(shù)據(jù)倉庫和數(shù)據(jù)庫比較。

2.掌握數(shù)據(jù)倉庫的常用操作。

3.掌握利用Hive建立數(shù)據(jù)倉庫。

考核要點(diǎn)：

掌握數(shù)據(jù)倉庫的設(shè)計(jì)過程與方法，利用Hive進(jìn)行數(shù)據(jù)倉庫設(shè)計(jì)開發(fā)。

第六章回歸分析

教學(xué)要點(diǎn)：

1.掌握回歸分析原理。

2.掌握一元線性回歸分析。

3.掌握多元線性回歸分析。

4.掌握邏輯回歸。

5.了解其他回歸分析。

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)回歸分析概述

1.理解回歸分析的定義與分類。

2.理解回歸分析的過程。

第二節(jié)一元線性回歸分析

1.掌握一元線性回歸方法。

2.理解一元線性回歸模型的參數(shù)估計(jì)。

3.理解一元線性回歸模型的誤差方差估計(jì)。

4.掌握利用Python進(jìn)行一元線性回歸。

第三節(jié)多元線性回歸

1.理解多元線性回歸模型。

2.理解多元線性模型的參數(shù)估計(jì)。

3.了解多元線性回歸的假設(shè)檢驗(yàn)及其評(píng)價(jià)。

4.掌握利用Python進(jìn)行多元線性回歸。

第四節(jié)邏輯回歸

3.理解Logistic回歸模型。

4,掌握利用Python進(jìn)行Logistic回歸。

考核要點(diǎn)：

掌握回歸的定義，各類回歸的原理及Python實(shí)現(xiàn)。

第七章關(guān)聯(lián)規(guī)則挖掘

教學(xué)要點(diǎn)：

1.了解關(guān)聯(lián)規(guī)則的基本思想、概念和意義。

2.了解關(guān)聯(lián)規(guī)則挖掘的應(yīng)用背景；掌握常用的關(guān)聯(lián)規(guī)則算法。

3.掌握利用Python實(shí)現(xiàn)關(guān)聯(lián)規(guī)則分析。

4.了解其它方法的內(nèi)容、了解關(guān)聯(lián)規(guī)則挖掘的研究動(dòng)態(tài)。

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)關(guān)聯(lián)規(guī)則分析概述

1.了解購物籃分析。

2.熟練掌握頻繁項(xiàng)集、閉項(xiàng)集和關(guān)聯(lián)規(guī)則的概念。

3.理解頻繁模式挖掘的路線圖。

第二節(jié)頻繁項(xiàng)集挖掘方法

1.掌握Apriori算法：使用候選項(xiàng)集找頻繁項(xiàng)集。

2.掌握由頻繁項(xiàng)集產(chǎn)生關(guān)聯(lián)規(guī)則的方法。

3.理解提高Apriori算法有效性的方法。

4.掌握挖掘頻繁項(xiàng)集的模式增長方法。

第三節(jié)關(guān)聯(lián)規(guī)則評(píng)估方法

1,了解強(qiáng)關(guān)聯(lián)規(guī)則不一定是有趣的。

2.使用提升度進(jìn)行相關(guān)分析。

考核要點(diǎn)：

了解頻繁項(xiàng)集、閉項(xiàng)集和關(guān)聯(lián)規(guī)則的概念，理解模式評(píng)估方法，掌握Apriori算法和挖掘頻繁項(xiàng)集的

模式增長方法。

第八章分類

教學(xué)要點(diǎn)：

1.了解分類及預(yù)測的基本思想、概念和意義。

2.掌握常用的分類及預(yù)測算法（或模型）。

3.了解分類及預(yù)測挖掘的研究動(dòng)態(tài)。

4.掌握利用Python實(shí)現(xiàn)各種分類算法的方法。

教學(xué)時(shí)數(shù)：

12學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)基本概念

1.了解分類和預(yù)測的定義。

第二節(jié)決策樹規(guī)約

1.理解決策樹歸納的概念。

2.掌握屬性選擇度量的方法。

3.理解樹剪枝。

4.決策樹的Python實(shí)現(xiàn)。

第三節(jié)K近鄰算法

1.K近鄰算法原理。

2.Python算法實(shí)現(xiàn)。

第四節(jié)支持向量機(jī)

1.SVM算法原理。

2.Python算法實(shí)現(xiàn)。

第五節(jié)貝葉斯分類

1.理解貝葉斯定理。

2.掌握樸素貝葉斯分類算法。

3.樸素貝葉斯算法的Python實(shí)現(xiàn)。

第六節(jié)模型評(píng)估與選擇

1.分類器性能的度量。

2.模型選擇。

3.利用Python實(shí)現(xiàn)模型的評(píng)估與選擇。

第七節(jié)組合分類

1.組合方法簡介。

2.袋裝。

3.提升和AdaBoost?

4.隨機(jī)森林。

考核要點(diǎn)：

了解分類的概念，理解評(píng)估分類器性能的度量方法，掌握決策樹分類算法、SVM、貝葉斯分類算法、

模型評(píng)估與選擇、組合分類及利用Python實(shí)現(xiàn)分類的方法。

第九章聚類

教學(xué)要點(diǎn)：

1.了解如何計(jì)算由各種屬性和不同的類型來表示的對(duì)象之間的相異度。

2.掌握K-Means聚類、層次聚類、基于密度的聚類和其他常用方法。

3.掌握利用sklearn實(shí)現(xiàn)聚類的方法。

教學(xué)時(shí)數(shù)：

10學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)聚類分析的概念

1.理解什么是聚類分析。

2.了解對(duì)聚類分析的要求。

3.掌握基本的聚類方法。

第二節(jié)K-Means聚類

1.掌握典型的劃分方法：K-Means和K-Medoids?

2.掌握利用sklearn實(shí)現(xiàn)K-means聚類。

第三節(jié)層次方法

1.理解凝聚的和分裂的層次聚類。

2.掌握簇間的距離度量。

3.分裂和凝聚的層次聚類算法。

4.算法實(shí)現(xiàn)。

第四節(jié)基于密度的方法

1.算法原理。

2.掌握DBSCAN算法。

3.掌握算法的Python實(shí)現(xiàn)。

第五節(jié)其他聚類算法

1.了解STING算法。

2.了解COBWEB算法。

3.掌握模糊聚類算法。

第六節(jié)聚類評(píng)估

1.估計(jì)聚類趨勢。

2.學(xué)習(xí)確定簇?cái)?shù)的方法。

3.測定聚類質(zhì)量。

考核要點(diǎn)：

了解聚類的概念，掌握k-Means和k-Medoids算法、層次方法和基于密度的方法等典型算法及其Python

的實(shí)現(xiàn)方法。

第十章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

教學(xué)要點(diǎn)：

1.了解理解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的原理。

2.掌握感知機(jī)與BP神經(jīng)網(wǎng)絡(luò)的原理。

3.了解深度學(xué)習(xí)基礎(chǔ)。

教學(xué)時(shí)數(shù)：

2學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)

1.理解神經(jīng)元模型。

2.理解感知機(jī)與多層網(wǎng)絡(luò)。

第二節(jié)BP神經(jīng)網(wǎng)絡(luò)

1.理解多層前饋神經(jīng)網(wǎng)絡(luò)。

2.理解后向傳播算法。

3.了解BP神經(jīng)網(wǎng)絡(luò)應(yīng)用。

第三節(jié)深度學(xué)習(xí)

1.理解深度學(xué)習(xí)基本原理。

2.了解常用的深度學(xué)習(xí)算法。

考核要點(diǎn)：

了解神經(jīng)網(wǎng)絡(luò)的概念，掌握感知機(jī)模型和BP神經(jīng)網(wǎng)絡(luò)、了解深度學(xué)習(xí)算法。

第十一章離群點(diǎn)檢測

教學(xué)要點(diǎn)：

1.了解離群點(diǎn)的概念與檢測方法。

2.掌握sklearn中的異常值檢測方法。

教學(xué)時(shí)數(shù)：

2學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)離群點(diǎn)概述

1.理解離群點(diǎn)的概念和類型。

2.理解離群點(diǎn)檢測的挑戰(zhàn)。

第二節(jié)離群點(diǎn)檢測

1.理解基于統(tǒng)計(jì)學(xué)的離群點(diǎn)檢測方法。

2.理解基于臨近性的離群點(diǎn)檢測方法。

3.理解基于聚類的離群點(diǎn)檢測方法。

4.理解基于分類的離群點(diǎn)檢測方法。

第三節(jié)sklearn中的異常值檢測方法

1.了解利用Python進(jìn)行異常值檢測的方法。

考核要點(diǎn)：

了解離群點(diǎn)的概念、類型以及離群點(diǎn)檢測的常用方法，掌握sklearn中的異常值檢測方法。

第十二章文本和時(shí)序數(shù)據(jù)挖掘

教學(xué)要點(diǎn)：

1.掌握文本數(shù)據(jù)挖掘的過程和基本方法。

2.掌握時(shí)序數(shù)據(jù)挖掘主要方法。

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

第一節(jié)文本數(shù)據(jù)挖掘

1.理解文本數(shù)據(jù)挖掘的任務(wù)。

第二節(jié)文本分析與挖掘的主要方法

1.理解文本挖掘預(yù)處理的方法。

2.理解文本表征、文本分類、聚類與文本可視化方法。

第三節(jié)時(shí)序數(shù)據(jù)挖掘

1.掌握時(shí)間序列平穩(wěn)性與隨機(jī)性判定方法。

2.掌握時(shí)序數(shù)據(jù)的典型分析挖掘模型，主要包括自回歸滑動(dòng)平均模型、差分整合移動(dòng)平均自回歸模型和

季節(jié)性差分自回歸移動(dòng)平均模型。

考核要點(diǎn)：

掌握文本挖掘的主要任務(wù)和基本方法，時(shí)序數(shù)據(jù)預(yù)測的主要模型。

第十三章數(shù)據(jù)挖掘案例

教學(xué)要點(diǎn)：

1.掌握數(shù)據(jù)挖掘的分析與實(shí)現(xiàn)。

2.掌握利用sklearn進(jìn)行綜合數(shù)據(jù)挖掘。

教學(xué)時(shí)數(shù)：

4學(xué)時(shí)。

教學(xué)內(nèi)容：

1.良/惡性乳腺腫瘤預(yù)測

2.泰坦尼克號(hào)乘客生還預(yù)測

3.圖像的聚類分割

考核要點(diǎn)：

掌握利用Python進(jìn)行數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)的實(shí)現(xiàn)過程。

本課程使用教具和現(xiàn)代教育技術(shù)的指導(dǎo)性意見

本課程教材力求內(nèi)容新穎，應(yīng)采用多樣化的方式進(jìn)行教學(xué)，讓學(xué)生在理論與實(shí)踐相結(jié)合的基礎(chǔ)上，對(duì)課

程所要求的實(shí)際操作能力有進(jìn)一步的提高。

充分利用多媒體等現(xiàn)代化教學(xué)手段，整體優(yōu)化教學(xué)過程和教學(xué)內(nèi)容，調(diào)動(dòng)學(xué)生學(xué)習(xí)積極性；布置實(shí)際操

作任務(wù)給學(xué)生上機(jī)操作并及時(shí)指導(dǎo)。

實(shí)驗(yàn)部分

基本要求

實(shí)驗(yàn)是數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教學(xué)中不可分割的重要組成部分。實(shí)驗(yàn)課程設(shè)計(jì)的思想是幫助學(xué)生理解

和掌握數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的基本概念、算法、技術(shù)和原理，熟練掌握利用Hive進(jìn)行數(shù)據(jù)倉庫設(shè)計(jì)，利用Python

進(jìn)行數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)的使用方法，通過適當(dāng)?shù)木幊烫岣邔W(xué)生的編程能力以及實(shí)踐動(dòng)手能力，提高學(xué)生對(duì)

課程的學(xué)習(xí)興趣，加強(qiáng)創(chuàng)新精神與綜合素質(zhì)的培養(yǎng)。

實(shí)踐課程課時(shí)：18學(xué)時(shí)

課程思政內(nèi)容

1.培養(yǎng)學(xué)生民族認(rèn)同感，樹立遠(yuǎn)大職業(yè)理想。梳理國產(chǎn)操作系統(tǒng)的發(fā)展歷史與現(xiàn)狀，包括華為、中興等

國產(chǎn)企業(yè)在全球市場的崛起，在操作系統(tǒng)領(lǐng)域的新架構(gòu)，向?qū)W生展示中國的信息技術(shù)領(lǐng)域成就，增強(qiáng)使命感

與榮譽(yù)感；通過華為孟晚舟事件、美國的芯片壟斷一引出：民族認(rèn)同感。黨的十八屆五中全會(huì)通過的“十三

五”規(guī)劃《建議》，明確提出實(shí)施網(wǎng)絡(luò)強(qiáng)國戰(zhàn)略以及與之密切相關(guān)的“互聯(lián)網(wǎng)+”行動(dòng)計(jì)劃。國家正著力實(shí)現(xiàn)關(guān)

鍵技術(shù)自主可控，為維護(hù)國家安全、網(wǎng)絡(luò)安全提供技術(shù)保障。中國信息化需求巨大，但在一些關(guān)鍵技術(shù)領(lǐng)域

如操作系統(tǒng)、芯片技術(shù)、CPU技術(shù)等方面，還難以做到自主可控，對(duì)國家安全造成威脅。引導(dǎo)學(xué)生明確：建

設(shè)網(wǎng)絡(luò)強(qiáng)國，不僅僅是靠網(wǎng)絡(luò)技術(shù)，還要有軟件技術(shù)等其他各類技術(shù)的支撐。引導(dǎo)學(xué)生作為軟件技術(shù)專業(yè)的

一員，應(yīng)更加明晰專業(yè)人才的培養(yǎng)目標(biāo)，更加明確專業(yè)領(lǐng)域內(nèi)工作崗位和工作內(nèi)容的社會(huì)價(jià)值，自覺樹立遠(yuǎn)

大職業(yè)理想，將職業(yè)生涯、職業(yè)發(fā)展脈絡(luò)與國家發(fā)展的歷史進(jìn)程融合起來。

2.向?qū)W生介紹中國在人工智能領(lǐng)域的布局，重點(diǎn)分析當(dāng)代人工智能下軟件技術(shù)如何支撐中國制造的智能

化發(fā)展；

3.通過專業(yè)知識(shí)的學(xué)習(xí)，引導(dǎo)學(xué)生深刻理解與認(rèn)識(shí)所學(xué)軟件開發(fā)知識(shí)對(duì)于國家信息產(chǎn)業(yè)發(fā)展、智慧城市

建設(shè)、大數(shù)據(jù)智能信息處理等各方面的重要意義，使學(xué)生在學(xué)習(xí)過程中逐漸樹立專業(yè)榮譽(yù)感；

4.培養(yǎng)學(xué)生精益求精、工匠精神。告訴學(xué)生在學(xué)好軟件技術(shù)之后，走上工作崗位會(huì)成為程序員、軟件系統(tǒng)

運(yùn)維人員、軟件測試員、售前售后服務(wù)人員等。在這些職位崗位上，要發(fā)揮工匠精神，精益求精地將程序開

發(fā)、系統(tǒng)運(yùn)維、程序測試、需求分析及技術(shù)問題處理等工作內(nèi)容完成好，保證軟件系統(tǒng)運(yùn)行時(shí)正確、穩(wěn)定，保

證客戶的需求被精確采集和納入軟件開發(fā)計(jì)劃，保證軟件運(yùn)行時(shí)遇到問題能被及時(shí)解決。引導(dǎo)學(xué)生在學(xué)習(xí)時(shí)，

將知識(shí)夯實(shí)、精技強(qiáng)能，方能在今后工作中本領(lǐng)過硬，不出繳漏，工作成果令用戶滿意。引導(dǎo)學(xué)生認(rèn)識(shí)到，作

為職業(yè)人，其專注、敬業(yè)、責(zé)任擔(dān)當(dāng)對(duì)完成好本職工作，進(jìn)而促進(jìn)軟件行業(yè)整體的高水平、優(yōu)質(zhì)化發(fā)展具有重

要意義。

5.培養(yǎng)學(xué)生團(tuán)結(jié)協(xié)作，合作共贏的精神。通過實(shí)踐項(xiàng)目、競賽等，告訴學(xué)生今天的社會(huì)無論什么行業(yè)想要

做出一番成就，靠一個(gè)人打拼已經(jīng)不現(xiàn)實(shí)了。所謂人多力量大，三個(gè)臭皮匠頂個(gè)諸葛亮……強(qiáng)調(diào)團(tuán)隊(duì)成員之

間的資源共享、協(xié)同合作精神，團(tuán)隊(duì)成員在一個(gè)項(xiàng)目中要各司其職，每個(gè)人發(fā)揮自己的特長完成分配的任務(wù)，

最終才能高質(zhì)量、有效率地完成項(xiàng)目，從而形成更強(qiáng)大而持久的生產(chǎn)力和創(chuàng)造力。

教學(xué)進(jìn)度計(jì)劃表

（教學(xué)日歷）

202*/202*學(xué)年第二學(xué)期

采用教材：《數(shù)據(jù)倉庫與數(shù)據(jù)挖掘(Hadoop+Hive+Python)》

魏偉一主編，清華大學(xué)出版社

參考教材：《數(shù)據(jù)挖掘概念與技術(shù)》，韓家煒，機(jī)械工業(yè)出版社

實(shí)踐/實(shí)

名稱總時(shí)數(shù)講課上機(jī)習(xí)題課程設(shè)計(jì)周學(xué)時(shí)

驗(yàn)

計(jì)劃時(shí)數(shù)7254184

周次課次授課內(nèi)容摘要時(shí)數(shù)目的要求備注

理解和掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖

第1章數(shù)據(jù)倉庫與數(shù)據(jù)挖掘概述

掘的基本概念、數(shù)據(jù)倉庫的組

一、數(shù)據(jù)倉庫概述

成、應(yīng)用及基于Hadoop/Spark

1二、數(shù)據(jù)挖掘概述2的數(shù)據(jù)倉庫技術(shù)，數(shù)據(jù)挖掘過

程、數(shù)據(jù)挖掘的主要任務(wù)、數(shù)

三、數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別于

據(jù)挖掘使用的主要技術(shù)及工

聯(lián)系

具。

1

第2章認(rèn)識(shí)數(shù)據(jù)

數(shù)據(jù)對(duì)象與屬性類型理解和掌握數(shù)據(jù)對(duì)象和屬性類

型，數(shù)據(jù)的基本統(tǒng)計(jì)描述，掌握

2數(shù)據(jù)的基本統(tǒng)計(jì)描述2

度量數(shù)據(jù)相似性和相異性的方

數(shù)據(jù)可視化法；了解數(shù)據(jù)可視化的方法。

度量數(shù)據(jù)的相似性

第3章數(shù)據(jù)預(yù)處理

一、數(shù)據(jù)預(yù)處理概述，Python數(shù)了解數(shù)據(jù)預(yù)處理的目的和意義；

32

據(jù)預(yù)處理方法掌握如何對(duì)數(shù)據(jù)進(jìn)行清理。

二、數(shù)據(jù)清洗及Python清洗方法

2掌握如何對(duì)不同數(shù)據(jù)源的數(shù)據(jù)

三、數(shù)據(jù)集成及利用Python進(jìn)行進(jìn)行合并；掌握如何對(duì)數(shù)據(jù)進(jìn)行

數(shù)據(jù)合并變換，使之適合建模的需要；掌

42握如何對(duì)數(shù)據(jù)進(jìn)行消減，使得在

四、數(shù)據(jù)變換與離散化

消減后的數(shù)據(jù)集上挖掘更有效：

五、數(shù)據(jù)歸約掌握利用Python進(jìn)行數(shù)據(jù)預(yù)處

理的方法。

實(shí)驗(yàn)一、利用Python實(shí)現(xiàn)數(shù)據(jù)預(yù)

掌握利用Python實(shí)現(xiàn)數(shù)據(jù)清洗、

5處理（數(shù)據(jù)合并、數(shù)據(jù)清洗、數(shù)據(jù)2

數(shù)據(jù)集成和數(shù)據(jù)變換的方法。

變換）

3

第4章、數(shù)據(jù)倉庫與聯(lián)機(jī)分析處理掌握數(shù)據(jù)倉庫的體系、多維數(shù)

6一、數(shù)據(jù)倉庫體系，二、多維數(shù)據(jù)2據(jù)模型與OLAP、數(shù)據(jù)倉庫的維

模型與OLAP三、維度建模度建模及數(shù)據(jù)倉庫的發(fā)展。

周次課次授課內(nèi)容摘要時(shí)數(shù)目的要求備注

第5章、數(shù)據(jù)倉庫設(shè)計(jì)與開發(fā)

掌握數(shù)據(jù)倉庫設(shè)計(jì)的特點(diǎn)，數(shù)據(jù)

一、數(shù)據(jù)倉庫設(shè)計(jì)概述倉庫構(gòu)建模式和構(gòu)建框架，數(shù)據(jù)

72

二、數(shù)據(jù)倉庫設(shè)計(jì)倉庫的規(guī)劃、需求分析、邏輯設(shè)

4計(jì)、物理設(shè)計(jì)，部署和維護(hù)。

掌握基于Hive的數(shù)據(jù)倉庫實(shí)現(xiàn)

8三、基于Hive的數(shù)據(jù)倉庫實(shí)現(xiàn)2

過程。

實(shí)驗(yàn)二（選做）、基于Hadoop平

掌握基于Hive的數(shù)據(jù)倉庫的設(shè)

9臺(tái)，利用Hive實(shí)現(xiàn)數(shù)據(jù)倉庫的設(shè)

計(jì)與實(shí)現(xiàn)。

計(jì)實(shí)現(xiàn)及基本操作

5

第6章回歸分析

掌握回歸分析原理；掌握一元線

10一、回歸分析概述2

性回歸分析的原理與方法。

二、一元線性回歸分析

三、多元線性回歸

掌握多元線性回歸分析；掌握邏

11四、邏輯回歸2

輯回歸；了解其他回歸分析。

五、其他回歸分析

6

實(shí)驗(yàn)三、利用Python掌握利用Python實(shí)現(xiàn)典型的回

122

實(shí)現(xiàn)典型的回歸分析歸分析方法。

第7章關(guān)聯(lián)規(guī)則挖掘

了解頻繁項(xiàng)集、閉項(xiàng)集和關(guān)聯(lián)規(guī)

713一、關(guān)聯(lián)規(guī)則分析概述2則的概念，理解模式評(píng)估方法，

掌握Apriori算法。

二、頻繁項(xiàng)集挖掘方法

周次課次授課內(nèi)容摘要時(shí)數(shù)目的要求備注

掌握FP挖掘算法；利用Python

三、頻繁模式樹算法實(shí)現(xiàn)關(guān)聯(lián)規(guī)則分析；了解其它方

142

四、關(guān)聯(lián)規(guī)則評(píng)估方法法的內(nèi)容、了解關(guān)聯(lián)規(guī)則挖掘的

研究動(dòng)態(tài)。

實(shí)驗(yàn)四、Python實(shí)現(xiàn)數(shù)據(jù)的關(guān)聯(lián)掌握利用Python實(shí)現(xiàn)數(shù)據(jù)的關(guān)

152

規(guī)則分析聯(lián)規(guī)則分析。

8

第8章分類

了解分類及預(yù)測的基本思想、概

16一、分類概述2念和意義；掌握決策樹規(guī)約算

法。

二、決策樹規(guī)約及其Python實(shí)現(xiàn)

三、近鄰算法

K掌握KNN算法原理與實(shí)現(xiàn)；了解

172

四、支持向量機(jī)算法及其實(shí)現(xiàn)SVM算法及其實(shí)現(xiàn)。

9

五、貝葉斯分類熟悉掌握貝葉斯分類算法；理

182解評(píng)估分類器性能的度量方

六、模型評(píng)估與選擇

法。

七、組合分類

掌握組合分類的原理；掌握隨機(jī)

19組合方法概述；袋裝；提升和2

森林框架及Python實(shí)現(xiàn)方法。

Adaboost；隨機(jī)森林

10

用不同的算法實(shí)現(xiàn)給定數(shù)據(jù)集

的分類分析，掌握利用Python

20實(shí)驗(yàn)五、分類分析綜合實(shí)驗(yàn)2

實(shí)現(xiàn)數(shù)據(jù)分類分析的常用方

法。

周次課次授課內(nèi)容摘要時(shí)數(shù)目的要求備注

第9章聚類

掌握聚類分析的基本原理；熟練

一、聚類概述

212掌握K-Means算法的原理及其實(shí)

二、?算法

KMeans現(xiàn)。

11K-Means算法實(shí)現(xiàn)

三、層次聚類方法

222掌握層次聚類算法及其實(shí)現(xiàn)。

層次聚類算法及其Python實(shí)現(xiàn)

四、基于密度的聚類方法

232掌握DBSCAN算法及其實(shí)現(xiàn)。

DBSCAN算法原理及其實(shí)現(xiàn)

12

五、其他聚類方法

了解STING算法、COBWENB算

242

STING算法、COBWENB算法及模法；掌握模糊聚類算法。

糊聚類算法

六、聚類評(píng)估

掌握聚類評(píng)估的基本方法；確

估計(jì)聚類趨勢

252定簇?cái)?shù)目的常用方法；聚類質(zhì)

確定簇?cái)?shù)目的方法

量的測定。

測定聚類質(zhì)量

13

26實(shí)驗(yàn)六數(shù)據(jù)的聚類分析綜合實(shí)驗(yàn)2掌握數(shù)據(jù)聚類的典型算法。

第10章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)

理解神經(jīng)網(wǎng)絡(luò)基本原理；掌握

1427一、神經(jīng)網(wǎng)絡(luò)基礎(chǔ)2

感知機(jī)的原理。

神經(jīng)元模型，感知機(jī)與多層網(wǎng)絡(luò)

周次課次授課內(nèi)容摘要