《数据挖掘与数据仓库》教学大纲课程名称：数据挖掘与机器学习课程类别（必修/选修）：选修课程英文名称：DataMiningandMachineLearming总学时/周学时/学分：32/2/2其中实验/实践学时：16先修课程：具备基本的数据结构、数据库原理及应用、程序设计知识和编程能力。后续课程支撑：深度学习授课地点：机房503授课时间：1-16周星期二(3-4节）授课对象：2023经济与金融1班（粤台金融科技）、2023经济与金融2班（粤台金融科技)开课学院：粤台产业科技学院任课教师姓名/职称：杨荣贵/副教授答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑课程考核方式：开卷（）闭卷（）课程论文（）其它（V）作业、期未报告使用教材：《Python数据分析与挖掘算法从入门到机器学习》，张坤，清华大学出版社，出版年：2024.01.02，教材ISBN：9787302600169教学参考资料：《数据仓库与数据挖掘》，魏伟一、张国治、秦红武，印次：1-2，出版日期：2023.04.01，ISBN：9787302625735课程简介：数据挖插和机器学习都是重要的数据处理和分析技术，能够助企业更好地了解市场和客户需求，制定更加精准的营销策略和决策。在未来的发展中，随着人工智能和大数据技术的发展，数据挖掘和机器学习将会发挥更加重要的作用。课程教学目标及对单业要求指标点的支撑：毕业要求课程教学目标支撑毕业要求指标点目标1：B2自然科学基础知识掌握大数据分析技术，具备运用编程语言掌握计算机软件应用，以及经济与金融相关学科的基本理（如Python、R等）开发金融交易策略的掌握数据挖掘和机器学习的基本概念、能力，能够结合大数据和人工智能进行金相关技术，了解数数据挖掘和机器学习论、基础知识和基本技能（源盖学校人才培养标准5、6、1
1 《数据挖掘与数据仓库》教学大纲 课程名称：数据挖掘与机器学习 课程类别（必修/选修）：选修 课程英文名称：Data Mining and Machine Learning 总学时/周学时/学分：32 / 2 / 2 其中实验/实践学时：16 先修课程：具备基本的数据结构、数据库原理及应用、程序设计知识和编程能力。 后续课程支撑：深度学习 授课时间： 1-16 周星期二(3-4 节) 授课地点：机房 503 授课对象：2023 经济与金融 1 班(粤台金融科技)、2023 经济与金融 2 班(粤台金融科技) 开课学院：粤台产业科技学院 任课教师姓名/职称：杨荣贵/副教授 答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑 课程考核方式：开卷（）闭卷（）课程论文（）其它（✓） 作业、期末报告 使用教材：《Python 数据分析与挖掘算法从入门到机器学习》，张坤，清华大学出版社，出版年：2024.01.02，教材 ISBN：9787302600169 教学参考资料：《数据仓库与数据挖掘》，魏伟一、张国治、秦红武，印次：1-2，出版日期：2023.04.01，ISBN：9787302625735 课程简介： 数据挖掘和机器学习都是重要的数据处理和分析技术，能够帮助企业更好地了解市场和客户需求，制定更加精准的营销策略和决策。在未来的发展 中，随着人工智能和大数据技术的发展，数据挖掘和机器学习将会发挥更加重要的作用。 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求 目标 1： 掌握数据挖掘和机器学习的基本概念、 相关技术，了解数数据挖掘和机器学习 B2 自然科学基础知识 掌握计算机软件应用，以及经济与金融相关学科的基本理 论、基础知识和基本技能（涵盖学校人才培养标准 5、6、 掌握大数据分析技术，具备运用编程语言 （如 Python、R 等）开发金融交易策略的 能力，能够结合大数据和人工智能进行金
7、8)。融市场预测和投资决策。在数据处理和规则提取中的应用现状、应用前景和研究方向。目标2B4工具性知识强化在数据挖掘和机器学习中的算法掌握现代文献资料检索、查询的方法：具备办公软件及科掌握并理解计算机软件应用，以及经济与设计、分析的能力：同时，培养学生阅研软件运用：提升计算机编程、云端运算、金融大数据分金融相关学科的计算机软件应用基本理析、财金资料库检索与分析方面的知识（涵盖学校人才培读外文资料、文献调研方面的能力。论、基础知识和基本技能。养标准5、6、7、8、9）。B6专业知识目标3：锻炼学生应用各种手段查阅文献资料、顺应智能金融的趋势，具有大数据分析能力与人工智能应其备跨专业协作能力，能够与不同学科背获取信息、拓展知识领域、维续学习用能力、参与金融投资竞赛与市场实操能力、投资分析师景的团队成员共同解决复杂的金融问题，养成教育，并且掌握主要课程：程序设计、数据库应用、尤其是在智能金融和金融科技领域展示创并提高业务水平的能力。微观经济学、宏观经济学、计量经济学、会计学原理、中新思维，结合数据科学、计算机编程等领级会计学、财务管理、投资学、风险管理、衍生金融工具、域的知识为金融行业带来新思路。国际金融等（涵盖学校人才培养标准6、7、9）理论教学进程表支撑教学模式周次教学主题授课教师学时数教学内容（重点、难点、课程思政融入点）教学方法作业安排课程线下/漏合式目标重点：数据分析与挖掘概述观念剖析课后作业：难点：数据分析与挖掘概述的整合性概念数据分析与挖掘2线下课堂讲授目标1杨荣贵练习安装Anaconda，1课程思政融入点：在课程中加入涉及我国概述计算机科学家及工程师在对计算机学科发Jupyter, PyCharm展作出的贡献和利用数据分析与挖插概述2
2 在数据处理和规则提取中的应用现状、 应用前景和研究方向。 7、8）。 融市场预测和投资决策。 目标 2： 强化在数据挖掘和机器学习中的算法 设计、分析的能力；同时，培养学生阅 读外文资料、文献调研方面的能力。 B4 工具性知识 掌握现代文献资料检索、查询的方法；具备办公软件及科 研软件运用；提升计算机编程、云端运算、金融大数据分 析、财金资料库检索与分析方面的知识（涵盖学校人才培 养标准 5、6、7、8、9）。 掌握并理解计算机软件应用，以及经济与 金融相关学科的计算机软件应用基本理 论、基础知识和基本技能。 目标 3： 锻炼学生应用各种手段查阅文献资料、 获取信息、拓展知 识领域、继续学习 并提高业务水平的能力。 B6 专业知识 顺应智能金融的趋势，具有大数据分析能力与人工智能应 用能力、参与金融投资竞赛与市场实操能力、投资分析师 养成教育，并且掌握主要课程：程序设计、数据库应用、 微观经济学、宏观经济学、计量经济学、会计学原理、中 级会计学、财务管理、投资学、风险管理、衍生金融工具、 国际金融等（涵盖学校人才培养标准 6、7、9） 具备跨专业协作能力，能够与不同学科背 景的团队成员共同解决复杂的金融问题， 尤其是在智能金融和金融科技领域展示创 新思维，结合数据科学、计算机编程等领 域的知识为金融行业带来新思路。 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 数据分析与挖掘 概述 杨荣贵 2 重点；数据分析与挖掘概述观念剖析 难点：数据分析与挖掘概述的整合性概念 课程思政融入点：在课程中加入涉及我国 计算机科学家及工程师在对计算机学科发 展作出的贡献和利用数据分析与挖掘概述 线下 课堂讲授 课后作业： 练习安装 Anaconda, Jupyter, PyCharm 目标 1
原理及技术在其他领域应用取得了新成就等，例如：政府大数据、商业大数据、生物工程大数据等内容，培养学生应用马克思主义基本原理分析问题的方法，激发学生的爱国热情和民族自豪感。重点：Anaconda，Jupyter，PyCharm课后作业：难点：项目开发环境管理和套件管理目标在Anaconda 中创建2课堂讲授杨荣贵2线下开发环境介绍课程思政融入点：介绍数据挖掘和机器学1,2项目开发环境以及习在国内的应用状况，激发学生对于技能基本管理操作。学习的热情，未来为国家做出贡献。重点：NumPy，Pandas，Matplotlib基本用法难点：NumPyPandas，Matplotlib灵活运用课后作业：目标课程思政融入点：说明数据分析工具在国线下课堂讲授杨荣贵23数据分析工具练习NumPy基本操1,2内的设计开发以及相关应用状况，激发学作生对于技能学习的热情，未来为国家做出贡献。重点：决策树与随机森林难点：关于决策树与随机森林算法的掌握课后作业：目标决策树与随机森程度2线下课堂讲授杨荣贵4练习Pandas基本操1,2林课程思政融入点：说明决策树技术在国内作的相关应用状况，激发学生对于技能学习的热情，未来为国家做出贡献。2线下杨荣贵课堂讲授课后作业：目标7SVM模型重点：SVM模型3
3 原理及技术在其他领域应用取得了新成就 等，例如：政府大数据、商业大数据、生 物工程大数据等内容，培养学生应用马克 思主义基本原理分析问题的方法，激发学 生的爱国热情和民族自豪感。 2 开发环境介绍 杨荣贵 2 重点；Anaconda, Jupyter, PyCharm 难点：项目开发环境管理 和套件管理 课程思政融入点：介绍数据挖掘和机器学 习在国内的应用状况，激发学生对于技能 学习的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 在 Anaconda 中创建 项目开发环境以及 基本管理操作。 目 标 1, 2 3 数据分析工具 杨荣贵 2 重点；NumPy , Pandas, Matplotlib 基本用法 难点：NumPy, Pandas, Matplotlib 灵活运用 课程思政融入点：说明数据分析工具在国 内的设计开发以及相关应用状况，激发学 生对于技能学习的热情，未来为国家做出 贡献。 线下 课堂讲授 课后作业： 练习 NumPy 基本操 作 目 标 1, 2 4 决策树与随机森 林 杨荣贵 2 重点；决策树与随机森林 难点：关于决策树与随机森林算法的掌握 程度 课程思政融入点：说明决策树技术在国内 的相关应用状况，激发学生对于技能学习 的热情，未来为国家做出贡献。 线下 课堂讲授 课后作业： 练习 Pandas 基本操 作 目 标 1, 2 7 SVM 模型 杨荣贵 2 重点；SVM 模型 线下 课堂讲授 课后作业： 目 标
练习Matplotlib基本1,2难点：关于SVM模型算法的掌握程度操作课程思政融入点：说明国家对于数据保护的重视程度，激发学生对于技能学习的热情，未来为国家做出贡献。重点：简要介绍数据挖掘的十大经典算法课后作业：难点：关联规则的Apriori算法关联规则：购物求强关联规则课程思政融入点：说明关联规则挖掘技术2线下课堂讲授杨荣贵目标3篮分析（Basket8对国家电子商务发展的重要性，激发学生试用Apriori算法求Analysis)出频繁项集对于技能学习的热情，未来为国家做出贡献。重点：关联规则的概念难点：关联规则的Apriori算法购物篮分析背后课后作业：课程思政融入点：说明关联规则挖掘技术2线下课堂讲授目标3杨荣贵的算法9练智scikit-leam安装对国家电子商务发展的重要性，激发学生Apriori算法对于技能学习的热情，未来为国家做出贡献。重点：聚类分析原理难点：划分聚类算法课后作业：scikit-learn课程思政融入点：说明聚类分析方法技术课堂讲授杨荣贵2目标3线下13练习scikit-leam的基(machine leaning对国家电子商务发展的重要性，激发学生in python)本功能操作与应用。对于技能学习的热情，未来为国家做出贡献。4
4 难点：关于 SVM 模型算法的掌握程度 课程思政融入点：说明国家对于数据保护 的重视程度，激发学生对于技能学习的热 情，未来为国家做出贡献。 练习 Matplotlib 基本 操作 1, 2 8 关联规则：购物 篮分析 (Basket Analysis) 杨荣贵 2 重点；简要介绍数据挖掘的十大经典算法 难点：关联规则的 Apriori 算法 课程思政融入点：说明关联规则挖掘技术 对国家电子商务发展的重要性，激发学生 对于技能学习的热情，未来为国家做出贡 献。 线下 课堂讲授 课后作业： 求强关联规则 试用 Apriori 算法求 出频繁项集 目标 3 9 购物篮分析背后 的算法 - Apriori 算法 杨荣贵 2 重点；关联规则的概念 难点：关联规则的 Apriori 算法 课程思政融入点：说明关联规则挖掘技术 对国家电子商务发展的重要性，激发学生 对于技能学习的热情，未来为国家做出贡 献。 线下 课堂讲授 课后作业： 練習scikit -learn安裝 目标 3 13 scikit -learn (machine learning in python) 杨荣贵 2 重点；聚类分析原理 难点：划分聚类算法 课程思政融入点：说明聚类分析方法技术 对国家电子商务发展的重要性，激发学生 对于技能学习的热情，未来为国家做出贡 献。 线下 课堂讲授 课后作业： 练习scikit -learn的基 本功能操作与应用。 目标 3
合计16实践教学进程表教学支撑课项目类型（验证/综合周次授课敏师学时实验项目名称教学内容（重点、难点、课程思政融入点）/设计)方法程目标掌握在SQL Server下建立事务数据库及数据仓库的方法。实验一：课程思政融入点：要求学生处理实验数据必须实验示范、杨荣贵设计型目标15-6基于决策树的贷款审批学生操作坚持实事求实、严谨的科学态度：要求学生实规则挖插验过程中主动思考理论原理，在实验过程中去验证实验原理，使理论与实践相辅相成。理解关联规则定义、掌握Apriori算法以及实实验二：实验示范、现。杨荣贵设计型目标2610-12基于Aprioni算法的购物学生操作课程思政融入点：培养实事求是的科学态度和篮分析职业道德。实验三：解关联规则解决方法的算法设计实验示范、杨荣贵设计型目标214-15基于机器学习的信用评课程思政融入点：培养实事求是的科学态度和学生操作分预测职业道德。实现决策树分类算法。期末报告学生操作杨荣贵2综合目标316课程思政融入点：培养实事求是的科学态度和职业道德。合计165
5 合计 16 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综合 /设计） 教学 方法 支撑课 程目标 5-6 实验一： 基于决策树的贷款审批 规则挖掘 杨荣贵 4 掌握在 SQL Server 下建立事务数据库及数据 仓库的方法。 课程思政融入点：要求学生处理实验数据必须 坚持实事求实、严谨的科学态度；要求学生实 验过程中主动思考理论原理，在实验过程中去 验证实验原理，使理论与实践相辅相成。 设计型 实验示范、 学生操作 目标 1 10-12 实验二： 基于 Apriori 算法的购物 篮分析 杨荣贵 6 理解关联规则定义、掌握 Apriori 算法以及实 现。 课程思政融入点：培养实事求是的科学态度和 职业道德。 设计型 实验示范、 学生操作 目标 2 14-15 实验三： 基于机器学习的信用评 分预测 杨荣贵 4 解关联规则解决方法的算法设计 课程思政融入点：培养实事求是的科学态度和 职业道德。 设计型 实验示范、 学生操作 目标 2 16 期末报告 杨荣贵 2 实现决策树分类算法。 课程思政融入点：培养实事求是的科学态度和 职业道德。 综合 学生操作 目标 3 合计 16
课程考核评价依据及成绩比例（%）课程目标支撑毕业要求指标点平时成绩实验报告（作业）期末报告1-3200目标一103002-3202040目标二030目标三4-130总计403030100大纲编写时间：2025年2月22日系（部）审查意见：同意执行邱将华D系（部）主任签名：日期：2025年2月22日备注：1）根据《东莞理工学院者试管理规定》第土二条规定：广课3次（或6课时）学生不得参加该课程的期终考核，2）各项专核标准见附件所。6
6 课程考核 课程目标 支撑毕业要求指标点 评价依据及成绩比例（%） 平时成绩 实验报告(作业) 期末报告 目标一 1-3 20 10 0 30 目标二 2-3 20 20 0 40 目标三 4-1 0 0 30 30 总计 40 30 30 100 大纲编写时间：2025 年 2 月 22 日 系（部）审查意见：同意执行 系（部）主任签名： 日期： 2025 年 2 月 22 日 备注：1）根据《东莞理工学院考试管理规定》第十二条规定：旷课 3 次（或 6 课时）学生不得参加该课程的期终考核。 2）各项考核标准见附件所示