南京理工大学
《数据挖掘》课程内容简介
课程编码 S106C019 课程类别 选修课
课程名称 数据挖掘
英文名称 Data Mining
开课院系 计算机科学与工程学院
开课季节 秋学期 授课方式 面授讲课
考核方式 考试 课件地址
考试方式 闭卷 成绩计算方法 期末100%
课程总学时 32 课程学分 2
实验学时 适用对象
课程类型 理论课 课程属性 必修
任 课 教 师
教师姓名性别所属院系职称年龄
徐建 计算机科学与工程学院 教授 42

教学目标:
本课程的教学目的是系统介绍数据挖掘过程、技术(如数据预处理技术、)、经典的数据挖掘技术算法(描述性数据挖掘、预测性数据挖掘算中的分类算法、聚类算法、时间序列分析、关联规则挖掘)等;使得学生掌握数据挖掘的整体框架、概念和技术,了解当前的研究热点和未来的发展方向,通过实现一些经典的算法并应用于特定场景,提升实践能力。

课程内容:
教学内容由课堂教学和实践教学构成,其中课堂教学内容,24学时;实践教学内容,8学时。具体内容安排如下:
第1章数据挖掘概述(4学时)
1.1数据挖掘概述
1.2概念和定义
1.3数据挖掘分类、功能
第2章认识数据(3学时)
2.1数据对象与属性类型
2.2数据的基本统计描述
2.3数据可视化
2.4度量数据的相似性和相异性
第3章数据预处理(2学时)
3.1数据清理
3.2数据集成
3.3数据规约
3.4数据变换与离散化
第4章数据仓库与联机分析处理(4学时)
4.1数据仓库:基本概念
4.2数据仓库建模
4.3数据泛化:面向属性的归纳
第5章关联规则挖掘(3学时)
5.1基本概念
5.2频繁项集挖掘方法
5.3模式评估方法
第6章分类(4学时)
6.1基本概念
6.2决策树归纳
6.3贝叶斯分类方法
6.4基于规则的分类
6.5模型评估与选择
第7章聚类(4学时)
7.1基本概念
7.2划分方法
7.3层次方法
7.4基于密度的方法
7.5聚类评估

实践教学内容:
实验一、熟悉weka数据挖掘平台,掌握添加算法的方法,weka数据格式等内容。(2学时)
实验二、利用UCI机器学习数据库http://www.ics.uci.edu/~mlearn/MLRepository.html提供的用于的5组数据源,针对特定的数据集,在weka平台上设计并实现指定的分类或聚类算法,完成相应的挖掘任务,提交实验程序、实验结果及其分析报告。(6学时)

适用学生:
全日制硕士    非全日制硕士    留学硕士    进修硕士    硕博连读    本科直博    全日制博士    留学博士    进修博士    在职专硕    其他    

预修课程:
预修课程:
概率与统计,线性代数

参考书目:
教材:
1. 数据挖掘-概念与技术(加)(原书第三版),韩家炜 (作者), Micheline Kamber (作者), 裴健 (作者), 范明 (译者), 孟小峰 (译者), 机械工业出版社,2014年11月
参考书:
2. 李航. 统计学习方法. 清华大学出版社, 2012.
3. 数据挖掘的应用与实践:大数据时代的案例分析 李涛 厦门大学出版社 2013年10月1日

备注: