数据仓库及数据挖掘-冯霞课程教学大纲

《数据仓库及数据挖掘》教学大纲课程英文名称Introduction toData Warehousingand DataMining开课院系计算机科学与技术学院课程类别学位课（学科必修课、专业必修课）授课对象

1.学术型

2.专业学位授课方式

1.讲授类

2.研讨类

4.专题类5,双语类

6.前沿类课程总学时36课程总学分2开课学期1适用专业计算机科学与技术、计算机技术、航空运输大数据工程预修课程概率论与数理统计、程序设计语言、算法与数据结构、数据库系统原理主讲教师1冯霞职称教授主讲教师2冯兴杰职称教授课程简介（字以内）500《数据仓库和数据挖掘》这门课程主要介绍数据仓库和数据挖掘的基本概念、方法和技术，具体包括

（1）数据及其预处理，

（2）数据仓库和联机分析处理0LAP,

（3）高效的、可伸缩的数据挖掘方法，如频繁项模式挖掘和关联分析，分类和预测，聚类分析等课程教学目标与基本要求本课程以数据仓库与数据挖掘的基本概念和基本方法为主要内容，以方法的应用为主线，系统介绍数据仓库和数据挖掘的有关概念和基础知识，要求学生能对数据仓库和数据挖掘的基本方法和基本概念有整体的了解，从理论上掌握数据仓库、OLAP联机分析的基本概念、原理、主要算法及应用系统解决方案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用课程考核方式和成绩计算评定

1.考核方式考试（）；考查（J）

2.成绩评定总评成绩构成平时考核

（15）%；中期考核

（40）%；期末考核

（45）%平时成绩构成考勤考纪

（50）%；作业

（0）%；读书报告

（0）%实践环节

（0）%;其他

（50）%（课堂参与程序）课程内容及详细教学计划授课模式（指传统讲授、讨论、多授课内容（细化到章、节、目）教学目标媒体教学等）绪论（数据挖掘基本概念）了解什么是数据挖掘；主要内容为什么进行数据挖掘，了解数据挖掘功能；传统讲授、讨论什么是数据挖掘，可以挖掘什么了解数据挖掘系统主要技术；类型的数据，可以挖掘什么类型了解数据挖掘要研究的主要问题；的模式，使用什么技术，面向什么类型的应用，数据挖掘要研究的主要问题掌握数据的属性类型；掌握数据的基本统计描述；认识数据了解常用数据可视化技术；传统讲授、讨论主要内容数据对象与属性类型，数据的基本统计描述，数据可视掌握数据相似性和相异性的度量方化，度量数据的相似性和相异性法；数据预处理了解数据预处理的主要内容；掌握数主要内容数据预处理的主要任据清理的常用方法；掌握数据集成的传统讲授、讨论务，数据清理，数据集成，数据常用方法；掌握数据规约的常用方法；规约，数据变换与数据离散化掌握数据变换与数据离散化的常用方法；数据仓库与联机分析处理主要内容数据仓库基本概念，数掌握数据仓库基本概念；了解常用的传统讲授、讨论据仓库建模数据立方体与OLAP,多维数据模型；了解数据仓库的设计数据仓库设计与使用，数据仓库与使用；了解数据仓库实现；实现掌握频繁项集基本概念；挖掘频繁模式、关联和相关性主掌握频繁项集挖掘方法；传统讲授、讨论要内容频繁项集基本概念，频掌握模式评估方法；繁项及挖掘方法，模式评估方法，了解多层、多维空间中的模式挖掘；多层、多维空间中的模式挖掘掌握基本概念；分类基本概念掌握常用的分类方法决策树、贝叶主要内容基本概念，决策树归斯、基于规则的分类等传统讲授、讨论纳，贝叶斯分类方法，基于规则掌握分类器和预测期的评估与选择方的分类，模型评估与选择，提高法；分类准确率的技术了解提高分类和预测准确度的常用方法；分类高级方法了解贝叶斯信念网络、后向传播、贝叶斯信念网络，用后向传播分支持向量机等分类方法；传统讲授、讨论类，支持向量机，使用频繁模式了解使用频繁模式分类、惰性学习等分类，惰性学习法，其他分类方分类方法；法，关于分类的其它问了解关于分类的其他问题；题聚类分析掌握聚类分析基本概念；主要内容聚类分析基本概念，划掌握几种常用的聚类方法如划分方传统讲授、讨论分方法，层次方法，基于密度的法、层次方法、基于密度的方法方法，基于网格的方法，聚类评等；估掌握聚类评估方法；数据挖掘的应用和发展趋势主要了解数据挖掘的应用在民航也、金内容数据挖掘的应用，数据挖融业、零售业、电信业等；了解数据传统讲授、讨论掘系统产品和研究原型，数据挖挖掘的社会影响；掘的其他主题，数据挖掘的社会了解数据挖掘的发展趋势；影响，数据挖掘的发展趋势教材及教学参考资料序号教材名称编著者出版单位出版时间数据挖掘概念与技术（英文1Jiawei Han机械工业出版社2012年教材第3版）数据挖掘概念与技术（翻译范明2机械工业出版社2012年第3版）孟晓峰译序号参考资料名称编著者出版单位出版时间1知识发现史忠植清华大学出版社2002年D.J.Hand,ILPrinciples ofData2Mannila,and P.MIT Press2001年MiningSmythThe ElementsofT.Hastie,R.Statistical Learning:DataTibshirani,and3Springer-Verlag2001年参考资Mining,Inference,andJ.Friedman,料PredictionP.-N.Tan,M.Introduction toData4Steinbach,and V.Addison Wesley2005年MiningKumarData Mining:PracticalI.H.Witten and5Morgan Kaufmann2011年Machine LearningTools andE.FrankTechniques注课程类别参考培养方案，学位课明细到公共必修课、学科基础课和学科必修课;

1.主讲教师和授课教师两栏必填

2.12。