《数据挖掘技术基础》课程教案课程课程名称学分数据挖掘技术基础20812003180编号授课对象「专业数据科学与大数年级2022班级22-1-2据技术课程性质专业选修课与本课程先修课数据库原理与技术、Python程序设计A关联课程后续课人工智能高级、行业大数据分析技术0本课程学总学时32实验课时32理论学时上机课时0时与分配2周学时授课时间：第1周至第16周考查考核方式考核方式与成绩评%考核成绩60%平时成绩40%实验成绩定教学目的：通过本课程的学习，使学生系统地理解数据挖掘的基本概念和方法。要求能够掌握数据预测（分类，回归)，聚类，关联分析，异常检测，具有一定创新能力，能够综合应用数据挖掘理论实现实际问题的数据挖掘过程，为今教后从事大数据领域工作打下坚实的基础。学教学要求：目（1）本课程是数据科学与大数据技术专业选修课程、本程以数据挖掘为主要内容、讲述数据挖掘的各主要功能、挖掘算法和应用，并通过对实际的数据的分析更加深入地理解常用的数据挖掘模型，培养学生数据分析和处理与的能力，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。要(2)能够了解数据类型和数据预处理算法；求
《数据挖掘技术基础》课程教案 课程名称 数据挖掘技术基础 课程 编号 0812003180 学分 2 授课对象 专业 数据科学与大数 据技术 年级 2022 班级 22-1-2 课程性质 专业选修课 与本课程 关联课程 先修课 数据库原理与技术、Python 程序设计 A 后续课 人工智能高级、行业大数据分析技术 本课程学 时与分配 总学时 32 理论学时 32 实验课时 0 上机课时 0 授课时间：第1 周 至 第 16 周 周学时 2 考核方式 与成绩评 定 考核方式 考查 考核成绩 60% 平时成绩 40% 实验成绩 % 教 学 目 的 与 要 求 教学目的： 通过本课程的学习，使学生系统地理解数据挖掘的基本概念和方法。要求 能够掌握数据预测（分类，回归），聚类，关联分析，异常检测，具有一定 创新能力，能够综合应用数据挖掘理论实现实际问题的数据挖掘过程，为今 后从事大数据领域工作打下坚实的基础。 教学要求： （1） 本课程是数据科学与大数据技术专业选修课程、本程以数据挖掘 为主要内容、讲述数据挖掘的各主要功能、挖掘算法和应用，并通过对实际 数据的分析更加深入地理解常用的数据挖掘模型，培养学生数据分析和处理 的能力，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技 术。 （2） 能够了解数据类型和数据预处理算法；
(3)能够熟练掌握数据分类和聚类算法；(4)能够对数据进行综合分析和知识挖掘重点：数据挖掘的概念及数据挖掘的一般过程，以及预测（分类，回归）、关联分析、聚类分析、异常检测等经典算法的灵活应用。教学难点：重综合运用数据挖掘算，根据已掌握数据的情况，选择合适的数据挖掘算法对点数据进行处理。与难点教教材：材[1]陈封能，数据挖掘导论（第二版），北京：机械工业出版社，2019与参主要参考书：考[1]林子雨.大数据导论（通识课版），北京：高等教育出版社,2020书[2]董琳.数据挖掘实用机器学习技术（第二版），北京：机械工业出版社2006目[3]张云涛.数据挖掘原理与技术.北京：电子工业出版社，2004备注：表格不够可以加长
（3） 能够熟练掌握数据分类和聚类算法； （4） 能够对数据进行综合分析和知识挖掘 教 学 重 点 与 难 点 重点： 数据挖掘的概念及数据挖掘的一般过程，以及预测（分类，回归）、关联分 析、聚类分析、异常检测等经典算法的灵活应用。 难点： 综合运用数据挖掘算，根据已掌握数据的情况，选择合适的数据挖掘算法对 数据进行处理。 教 材 与 参 考 书 目 教材： [1]陈封能．数据挖掘导论（第二版）．北京:机械工业出版社，2019 主要参考书： [1] 林子雨. 大数据导论（通识课版）. 北京：高等教育出版社, 2020 [2]董琳.数据挖掘实用机器学习技术（第二版）. 北京：机械工业出版社， 2006. [3]张云涛.数据挖掘原理与技术. 北京：电子工业出版社, 2004 备注：表格不够可以加长
第1，2讲2课次授课时间第1-2周第1章第1.1-1.8节课时习题课其理论课讨论课口实验课口授课方式4他口安排授课题目（教学章、节或主题）：1数据挖掘与大数据绪论教学目的、要求（分掌握、熟悉、了解三个层次）1.本部分为绪论，数据挖掘基础课程与大数据专业内容做一个综述；2.掌握大数据概念；3.了解大数据的影响；4.了解大数据的应用；5.熟悉大数据关键技术；6.了解大数据计算模式；7.了解大数据产业；8.了解大数据与云计算、物联网的关系。教学重点及难点：1.了解大数据的应用。2.了解大数据与云计算、物联网的关系。教学方法、教学手段教学基本内容及时间设计课程开始先花5到100.1组织上课。由于是新课程，需要向同学们介绍老师的个人情况，查出勤，并记录，这也是一个师生相互熟悉的过程。分钟简单介绍任课老师，以及任课老师对平时上课及课后作业的要求。口述讲解
第 1，2 讲 授课时间 第 1-2 周 第 1 章 第 1.1-1.8 节 课次 2 授课方式 理论课▇ 讨论课□ 实验课□ 习题课□ 其 他□ 课时 安排 4 授课题目（教学章、节或主题）： 1 数据挖掘与大数据绪论 教学目的、要求（分掌握、熟悉、了解三个层次）： 1.本部分为绪论，数据挖掘基础课程与大数据专业内容做一个综述； 2.掌握大数据概念； 3.了解大数据的影响； 4.了解大数据的应用； 5.熟悉大数据关键技术； 6.了解大数据计算模式； 7.了解大数据产业； 8.了解大数据与云计算、物联网的关系。 教学重点及难点： 1.了解大数据的应用。 2.了解大数据与云计算、物联网的关系。 教 学 基 本 内 容 教学方法、教学手段 及时间设计 0.1 组织上课。由于是新课程，需要向同学们介绍老师的个人情 况，查出勤，并记录，这也是一个师生相互熟悉的过程。 课程开始先花 5 到 10 分钟简单介绍任课老 师，以及任课老师对平 时上课及课后作业的要 求。口述讲解
0.2课程的主要内容分布和情况通过案例引入大数据分析及其用途和功能，引起学生学习兴趣。多媒体讲解，15分钟0.3介绍课程主要内容大数据处理架构、分布式文件系统、分布式数据库、云数据库、分布式并行编程模型以及大数据在互联网、生物医学和物流等各个领域的应用1.1大数据时代多媒体讲解，10分钟通过IBM前首席执行官郭士纳的观点引出三次信息化浪潮。通过例子和趋势图说明信息科技为大数据时代提供技术支撑。说明数据产生方式的变革促成大数据时代的来临。表格描述大数据的发展历程。1.2大数据概念大数据不仅仅是数据的“大量化”，而是包含“快速化”、“多样化”和“价值化”等多重属性。主要特点是：多媒体讲解，5分钟数据量大；数据类型繁多；处理速度快；价值密度低。1.3大数据的影响在思维方式方面；在社会发展方案；在就业市场方面；在人才培养方面。多媒体讲解，5分钟
0.2 课程的主要内容分布和情况 通过案例引入大数据分析及其用途和功能，引起学生学习兴 趣。 0.3介绍课程主要内容 大数据处理架构、分布式文件系统、分布式数据库、云数据 库、分布式并行编程模型以及大数据在互联网、生物医学和物 流等各个领域的应用 1.1 大数据时代 通过 IBM 前首席执行官郭士纳的观点引出三次信息化浪潮。 通过例子和趋势图说明信息科技为大数据时代提供技术支撑。 说明数据产生方式的变革促成大数据时代的来临。 表格描述大数据的发展历程。 1.2 大数据概念 大数据不仅仅是数据的“大量化”，而是包含“快速化”、“多 样化”和“价值化”等多重属性。主要特点是： 数据量大； 数据类型繁多； 处理速度快； 价值密度低。 1.3 大数据的影响 在思维方式方面；在社会发展方案；在就业市场方面；在人才 培养方面。 多媒体讲解，15 分钟 多媒体讲解，10 分钟 多媒体讲解，5 分钟 多媒体讲解，5 分钟
苏黑程货大数据的应用领域时控伊日家生讲发招能汽1.4大数据的应用结合实际例子讲解，5分钟通过具体例子如谷歌流感趋势以及新冠肺炎预防和控制看大数据的应用价值。结合实际应用讲解，101.5大数据关键技术分钟数据采集；数据存储和管理；数据处理与分析；数据隐私和安全。向学生提问，让学生回两大核心技术：分布式存储和分布式处理。想一下身边大数据应用1.6大数据计算模式的例子，5分钟批处理技术：解决大规模数据的批量梳理。流计算：针对流数据的实时计算。图计算：针对大规模图结构数据的处理。查询分析计算：大规模数据的存储管理和查询分析。1.7大数据产业大数据产业是指一切与支撑大数据组织管理和价值发现相关的企业经济活动的集合
1.4 大数据的应 用 通过具体例子如谷歌流感趋势以及新冠肺炎预防和控制看大数 据的应用价值。 1.5 大数据关键技术 数据采集；数据存储和管理；数据处理与分析；数据隐私和安 全。 两大核心技术：分布式存储和分布式处理。 1.6 大数据计算模式 批处理技术：解决大规模数据的批量梳理。 流计算：针对流数据的实时计算。 图计算：针对大规模图结构数据的处理。 查询分析计算：大规模数据的存储管理和查询分析。 1.7 大数据产业 大数据产业是指一切与支撑大数据组织管理和价值发现相关的 企业经济活动的集合 结合实际例子讲解，5 分钟 结合实际应用讲解，10 分钟 向学生提问，让学生回 想一下身边大数据应用 的例子，5 分钟
大效据忘计算为大摄据减供了教术基用物酸用是大激据的免要来课大激据为云计莫提供用积之典大效据教术为物联固效据分折设供支学+结合实际应用讲解，10计算为物联网限供商基效器伴信能力物联用为忘计享妆术战供了广阅的皮用空间分钟D物联网云计算1.8大数据与云计算、物联网的关系云计算、大数据和物联网代表了IT领域最新的技术发展趋势，三者既有区别又有联系结合实际应用讲解，10分钟
1.8大数据与云计算、物联网的关系 云计算、大数据和物联网代表了 IT 领域最新的技术发展趋势， 三者既有区别又有联系 结合实际应用讲解，10 分钟 结合实际应用讲解，10 分钟
结合实际应用讲解，10分钟作业、习题、思考题、辅导等让无课后小结：本课时需要让学生对大数据技术有一个大体的认识，并掌握一些基本概念。让学生建立起学习大数据技术课程的兴趣，让学生对大数据技术课程有一个初步的认识，并了解大数据技术课程研究的基本问题。板书设计：一、信息化的三次浪潮二、大数据关键技术的两大核心问题参考教材和文献资料[1]陈封能，数据挖掘导论（第二版）北京：机械工业出版社，2019
结合实际应用讲解，10 分钟 作业、习题、思考题、辅导等： 无 课后小结： 本课时需要让学生对大数据技术有一个大体的认识，并掌握一些基本概念。让学生建立 起学习大数据技术课程的兴趣，让学生对大数据技术课程有一个初步的认识，并了解大 数据技术课程研究的基本问题。 板书设计： 一、信息化的三次浪潮 二、大数据关键技术的两大核心问题 参考教材和文献资料 [1]陈封能．数据挖掘导论（第二版）．北京:机械工业出版社，2019
第3-6讲4授课时间课次第3-6周第2章第2.1-2.4节课时理论课讨论课口实验课口习题课口8授课方式其他口安排授课题目（教学章、节或主题）：2.认识数据和数据预处理教学自的、要求（分掌握、熟悉、了解三个层次）：1.认识基本数据类型；2.数据预处理方法；3.方法的视线；教学重点及难点：1.马氏距离。2.PCA降维。教学方法、教学手段教学基本内容及时间设计2.1基本的数据类型多媒体讲解，15分钟2.1.1标称数据多媒体讲解，15分钟
第 3-6 讲 授课时间 第 3-6 周 第 2 章 第 2.1-2.4 节 课次 4 授课方式 理论课▇ 讨论课□ 实验课□ 习题课□ 其他□ 课时 安排 8 授课题目（教学章、节或主题）： 2．认识数据和数据预处理 教学目的、要求（分掌握、熟悉、了解三个层次）： 1.认识基本数据类型； 2.数据预处理方法； 3.方法的视线； 教学重点及难点： 1.马氏距离。 2.PCA 降维。 教 学 基 本 内 容 教学方法、教学手段 及时间设计 2.1 基本的数据类型 2.1.1 标称数据 多媒体讲解，15 分钟 多媒体讲解，15 分钟
2.1.2序数数据多媒体讲解，15分钟2.1.3区间数据并和同学详细解释特性含义2.1.4比率数据多媒体讲解，15分钟多媒体讲解项目整体结2.2邻近度和相识度构，15分钟2.2.1邻近度详细介绍各组件及其功能2.2.2相似度15分钟2.2.3相互转换多媒体讲解，15分钟多媒体讲解，20分钟2.3相关系数多媒体实时演示讲解，20分钟2.3.1杰卡德系数多媒体实时演示讲解，202.3.2皮尔森系数分钟2.4距离计算多媒体实时演示讲解2.4.1马氏距离25分钟2.4.2距离范数多媒体讲解，20分钟总结回顾
2.1.2 序数数据 2.1.3区间数据 2.1.4 比率数据 2.2邻近度和相识度 2.2.1 邻近度 2.2.2 相似度 2.2.3 相互转换 2.3相关系数 2.3.1 杰卡德系数 2.3.2 皮尔森系数 2.4距离计算 2.4.1马氏距离 2.4.2距离范数 总结回顾 多媒体讲解，15 分钟 并和同学详细解释特性含 义 多媒体讲解，15 分钟 多媒体讲解项目整体结 构，15 分钟 详细介绍各组件及其功能 15 分钟 多媒体讲解，15 分钟 多媒体讲解，20 分钟 多媒体实时演示讲解，20 分钟 多媒体实时演示讲解，20 分钟 多媒体实时演示讲解， 25 分钟 多媒体讲解，20 分钟
作业、习题、思考题、辅导等：在个人笔记本上实现贝叶斯和决策树算法课后小结：实现算法应该注意的细节，如实现过程中的代码板书设计：算法的现场推演。参考教材和文献资料[1]陈封能，数据挖掘导论（第二版）北京：机械工业出版社，2019第7-10讲授课时间课次第7-10周第3章第3.1-3.4节4
作业、习题、思考题、辅导等： 在个人笔记本上实现贝叶斯和决策树算法。 课后小结： 实现算法应该注意的细节，如实现过程中的代码 板书设计： 算法的现场推演。 参考教材和文献资料 [1]陈封能．数据挖掘导论（第二版）．北京:机械工业出版社，2019 第 7-10 讲 授课时间 第 7-10 周 第 3 章 第 3.1-3.4 节 课次 4