ang-Ning Tan, Michael Steinbach, Introduction to Data Mining(参考 Addison Wesley 2010年 Vipin Kumar 教学进度安排: 课程章节安排 教学方法 第1单元商务智能概述 1.1商务智能简介 1.2商务智能的功能 1.3商务智能的价值 前3节在线课程 1.2商务智能的发展前沿 课前资料阅读,课堂讨论和总结 第2单元在线分析处理0LAP 第三周 2.1多维数据结构 前3节在线课程 2.2多维数据分析 2.3常见的多维操作 课堂讨论总结 2.3应用案例分析:外卖平台竞争力分析 案例小组研讨、学习日记、实验操作 第3单元数据可视化 第四周 3.1数据可视化的发展 3.2数据可视化的常用图形 前3节在线课程 3.3数据可视化的主流工具 课堂讨论总结 3.4应用案例分析:银行客户管理 学习日记、案例小组研讨、实验操作、企业调研 第4单元数据挖据过程 第四周 4.数据选择与预处理 4.2模型获取 前2节在线课程 4.3模型评价 课堂讨论总结 4.4模型部署与投资回报分析 4.5应用案例分析:移动运营商客户聚类分析 学习日记、案例研讨、实验操作 数据预处理比较难,结合案例对分教学(讨论课) 第5单元数据挖据技术和方法 第五周一第十周 5.1聚类分析 K- means和FP增长的教学采用在线教学 5.1.1K- -means聚类算法 其他聚类算法采用课前阅读资料,课堂研讨 5.1.2 Kohonen神经网络 应用案例采用课堂研讨的方式 5.1.3其他聚类算法 5.1.4应用案例分析:学生学习行为聚类 0算法、前馈神经网络、朴素贝叶斯等算法教学采用在 5.2分类和预测 线教学,课堂讨论算法的难点 5.2.1决策树算法C5.0 5.2.2前馈神经网络 其他分类算法采用课前阅读资料,课堂研讨 5.2.3朴素贝叶斯分类 学习笔记、课后阅读学术论文(研究型教学) 5.2.2其他决策树算法(CART、 CHAID等) 应用案例采用课堂研讨的方式 5.2.3应用案例分析:岗位人力甄选 5.3关联规则挖掘 2种关联算法比较难,课堂讲授,并使用对分方法讨论关 5.3.1 Apriori算法 联算法应用中存在的问题:序列模式采用在线课程 5.3.2FP增长算法 学习笔记、课后阅读学术论文(研究型教学) 5.3.4应用案例分析:服装质量问题关联分析 应用案例采用课堂研讨的方式 5.3.5序列模式 5.4回归分析 5.4.1一元线性回归分析 元、多元线性回归分析使用在线课程 5.4.2一元非线性回归分析 非线性回归课堂讨论归纳 5.4.3多元线性回归分析 采用对分方式讨论非线性回归如何转化为在线回归问题Pang-Ning Tan，Michael Steinbach， Vipin Kumar Introduction to Data Mining（参考）Addison Wesley 2010 年 教学进度安排： 课程章节安排 教学方法 第1单元 商务智能概述 第一、二周 1.1 商务智能简介 1.2 商务智能的功能 1.3 商务智能的价值 1.2 商务智能的发展前沿 前3节在线课程 课前资料阅读，课堂讨论和总结 第2单元 在线分析处理OLAP 第三周 2.1 多维数据结构 2.2 多维数据分析 2.3 常见的多维操作 2.3 应用案例分析：外卖平台竞争力分析 前3节在线课程 课堂讨论总结 案例小组研讨、学习日记、实验操作 第3单元 数据可视化 第四周 3.1 数据可视化的发展 3.2 数据可视化的常用图形 3.3 数据可视化的主流工具 3.4 应用案例分析：银行客户管理 前3节在线课程 课堂讨论总结 学习日记、案例小组研讨、实验操作、企业调研 第 4 单元 数据挖掘过程 第四周 4.1 数据选择与预处理 4.2 模型获取 4.3 模型评价 4.4 模型部署与投资回报分析 4.5 应用案例分析：移动运营商客户聚类分析 前2节在线课程 课堂讨论总结 学习日记、案例研讨、实验操作 数据预处理比较难，结合案例对分教学（讨论课） 第5单元 数据挖掘技术和方法 第五周—第十周 5.1 聚类分析 5.1.1 K-means 聚类算法 5.1.2 Kohonen 神经网络 5.1.3 其他聚类算法 5.1.4 应用案例分析：学生学习行为聚类 5.2 分类和预测 5.2.1 决策树算法 C5.0 5.2.2 前馈神经网络 5.2.3 朴素贝叶斯分类 5.2.2 其他决策树算法（CART、CHAID 等） 5.2.3 应用案例分析：岗位人力甄选 5.3 关联规则挖掘 5.3.1 Apriori 算法 5.3.2 FP 增长算法 5.3.4 应用案例分析：服装质量问题关联分析 5.3.5 序列模式 5.4 回归分析 5.4.1 一元线性回归分析 5.4.2 一元非线性回归分析 5.4.3 多元线性回归分析 K-means和FP增长的教学采用在线教学 其他聚类算法采用课前阅读资料，课堂研讨 应用案例采用课堂研讨的方式 C5.0算法、前馈神经网络、朴素贝叶斯等算法教学采用在 线教学，课堂讨论算法的难点 其他分类算法采用课前阅读资料，课堂研讨 学习笔记、课后阅读学术论文（研究型教学） 应用案例采用课堂研讨的方式 2种关联算法比较难，课堂讲授，并使用对分方法讨论关 联算法应用中存在的问题；序列模式采用在线课程 学习笔记、课后阅读学术论文（研究型教学） 应用案例采用课堂研讨的方式 一元、多元线性回归分析使用在线课程 非线性回归课堂讨论归纳 采用对分方式讨论非线性回归如何转化为在线回归问题