✦
教学大纲
✦
课程介绍
数据挖掘是数据科学研究的重要工具，广泛应用于自然科学、电子商务等领域。 数据挖掘研究多变量的统计总体，这使得它能够同时处理多变量的复杂数据，而无需考虑异构测量的问题。 即是一种处理多个变量的综合分析方法。 通过事物的表象，我们可以探究事物深层的、不可直接观察的属性，即引起事物变化的本质； 我们还可以通过复杂事物的某些属性来识别和分类事物。 本课程全面系统地从数据库和数据仓库的角度介绍数据挖掘的基本概念、基本方法和基本技术，以及数据挖掘的最新进展。
教学目标
（一）课程教学目标
1. 课程价值
现代社会是信息时代，大量的数据不断产生，数据已经成为大公司竞相占有的资产。 此外，电子商务行业发展迅速，每天都会产生大量的业务数据。 本课程的主要内容是数据仓库设计和数据挖掘的基础知识。 在教学过程中，首先要引导学生主动学习和使用信息技术，鼓励学生将数据挖掘技术应用到电子商务数据处理等业务中。 其次，学生要通过实践教学真正认识数据的价值。 从海量数据中提取有效信息，实现最终的预测和决策服务，对科技和企业的发展起着至关重要的作用。 此外，在教学过程中，鼓励学生将所学知识应用到实际生活中，积极引导学生在工程实践中通过合理、合法、有效的方法正确使用数据信息，获取数据、利用数据遵循社会规范，为企业和社会创造数据。 更有价值。
2.课程应掌握的知识和技能
通过本课程的学习，学生可以全面了解数据挖掘的基本方法和概念，掌握建立数据仓库的原理和方法，从理论上掌握数据仓库的建模和设计以及OLAP的基本概念在线分析及原理、OLAP多维数据模型、OLAP基本操作、了解数据挖掘算法包括关联规则（算法、FP-算法）、分类方法（K近邻分类算法、决策树分类算法、神经网络算法等） .）、聚类方法（K-Means算法、k-中心点算法、STRNG算法等），掌握典型算法的原理和应用场景，培养学生应用算法解决现实生活中实际问题的能力。
三、课程教学流程及方法
课堂教学：结合信息化教学方式，利用“课堂学堂”等辅助软件参与教学，课件与学生同步，让学生每堂课前、课后都能更好地看到课程信息。 同时，每堂课的上一课的复习也是通过教辅软件完成的。 上课时，一些重要、难点的内容以练习的形式分发给学生，让学生更好地吸收，老师评价他们平时的表现有依据。
教学过程应充分调动学生自主学习的积极性，并将每节课的小组讨论作为课程的重点之一。 通过分组的方式，收集课程涉及的算法、原理和应用方法等信息，制作PPT，并在课堂上进行。 结果的解释和呈现。 我们一方面不断激发学生的学习热情，另一方面加强课程过程考核。
同时，在课堂教学中，我们增加思想政治内容，结合新技术、新学科、当前社会热点，把社会主义核心价值观与课程价值观结合起来，穿插在课堂教学中，鼓励学生体现良好的青春活力和风格。
（二）课程目标与专业人才培养的关系
一、课程设置与专业人才培养目标的关系
《数据挖掘技术》课程要求学生具备信息处理中数据分析和处理的能力。 通过本课程的学习，学生可以了解数据挖掘的目的、意义、应用领域、历史和现状，掌握数据挖掘技术的主要算法，并将其应用于电子商务相关领域，为电子商务相关领域的应用打下坚实的基础。未来的工作和研究。 为实现培养目标规定的数据分析和挖掘能力奠定坚实的理论基础，满足工程实践能力的要求。
二、课程的地位和作用
本课程是电子商务专业的专业选修课。 是数据处理与分析技术的重要技术工具课程。 数据挖掘技术位于互联网架构体系的最顶层——应用层。 通过本课程的学习，学生可以了解数据挖掘技术的发展现状，掌握典型的挖掘算法，培养学生数据处理和数据分析的能力，为今后的工作或研究生学习打下良好的基础。
教学内容及课时分配
一、理论教学安排
2. 实践教学安排
考核方法和绩效评价方法
(一)考核方法
课程评估由定期评估和期末评估两部分组成。 普通考核包括课堂出勤、作业练习、实验三部分。 各部分占最终总评价成绩的比例为：平时成绩的60%（其中课堂出勤率5%、作业练习5%、课程报告20%、实验情况30%）、期末考试40%。
（二）绩效评价方法
每日考核：占总成绩的60%，包括：
1、课堂出勤率占总成绩的5%。 旷课一次扣1分，直至扣完为止；
2、作业：占总成绩的5%，专门用于课堂回答问题和完成课堂练习；
3、实验情况：占总分的30%，包括实验操作能力（15%）和实验报告写作（15%）；
4、课程报告：占总成绩的20%，包括：
（1）表达，占总分的10%，主要根据是否理解和掌握内容、逻辑是否清晰、组织是否清晰来评判；
（2）PPT制作，占总分的10%，主要从以下几个方面来评判：演示的力度、效率的高低、PPT是否有清晰的轮廓和结构、重点是否突出。明确且优先事项明确。
期末考试：开卷或单卷开卷笔试，占总成绩的40%。
教科书、课程 URL 和参考书目
教材：《数据挖掘技术（微课视频版）》，杨晓波，清华大学出版社，2024年1月。
✦
相关书籍
✦
《数据挖掘技术（微课视频版）》
国际标准书号：
