数据挖掘与数据仓库--教学大纲new

1、数据挖掘与数据仓库（教学大纲）Data mining and data warehouse课程编码：05405140 学分： 2.5 课程类别： 专业方向课计划学时： 48 其中讲课：32 实验或实践： 上机：16适用专业：信息管理与信息系统、电子商务推荐教材：陈文伟，数据仓库与数据挖掘教程，清华大学出版社，2008参考书目：1. Richard J. Roiger, Michael W. Geatz. Data Mining: A Tutorial-Based Primer.2003.2.Ian H. Witten, Eibe Frank. Data Mining: Practical Ma

2、chine Learning Tools and Techniques (第二版). 机械工业出版社（影印版），2005.3.Jiawei Han, Micheline Kamber. Data Mining: Concepts and Techniques.2001.5.4.数据仓库与数据挖掘技术（第2版），陈京民 编著，电子工业出版社，2007.115.数据仓库和数据挖掘，苏新宁 等编著，清华大学出版社，2006.46.数据挖掘Clementine应用实务，谢邦昌 主编，机械工业出版社，2008.4课程的教学目的与任务本课程将系统介绍数据挖掘的基本概念、基本原理和应用基础，通过课堂讲授、实

3、例分析，提高学生数据挖掘技术的认识，熟悉基本工具应用，并掌握设计和开发数据挖掘算法和系统的初步能力。课程的基本要求1、了解数据仓库及数据挖掘的概念、特征、应用范围，以及主要数据挖掘工具2、了解OLTP 和 OLAP的区别；熟悉OLAP 的体系结构，以及如何评价OLAP工具；掌握多维分析的基本分析动作。3、了解数据质量，掌握数据预处理方法， 4、掌握数据挖掘的定性归纳技术、关联挖掘、聚类分析、分类方法、预测方法、文本挖掘、WEB挖掘5、熟练掌握数据挖掘软件Clementine在各类挖掘任务中的应用。各章节授课内容、教学方法及学时分配建议（含课内实验）第一章. 数据仓库与数据挖掘概述 建议学时：2

4、教学目的与要求 了解数据仓库及数据挖掘的概念、特征、应用范围，以及主要数据挖掘工具。教学重点与难点 数据仓库及数据挖掘的概念授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅授 课 内 容1.1 为什么要数据挖掘1.2 数据挖掘的应用示例1.3 数据挖掘方法简介1.4 数据挖掘与其他学科的关系1.5 商务智能的三大块1.6 常用数据挖掘工具简介第二章 数据仓库技术 建议学时：4教学目的与要求 了解数据仓库的概念，区分与传统数据库技术的不同；掌握数据仓库存储的抽取、转换和装载教学重点与难点 数据仓库存储的抽取、转换和装载；数据仓库存储的数据模型授 课 方 法 以课堂讲授为主，课堂讨论和课下自

5、学为辅授 课 内 容2.1 数据仓库的概念2.2 数据仓库存储的数据模型2.3 数据仓库的体系结构2.4 数据仓库应用的抽取、转换和装载第三章 数据仓库开发模型 建议学时：4教学目的与要求 了解数据仓库开发模型的概念，了解数据仓库开发过程，掌握数据仓库三种概念模型：星型模式、雪花模式、或事实星座模式，掌握数据粒度概念，元数据概念。教学重点与难点 数据仓库三种概念模型，数据粒度概念，元数据概念授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容3.1 数据仓库开发模型的概念3.2 数据仓库的概念模型3.3 数据仓库的逻辑模型3.4 数据仓库的物理模型3.5 数据仓库的生成3.6

6、 数据仓库的使用和维护3.7 数据仓库的粒度、聚集和分割3.8 元数据第四章 联机分析处理(OLAP)技术 建议学时：4教学目的与要求 了解OLTP 和 OLAP的区别；熟悉OLAP 的体系结构，以及如何评价OLAP工具；掌握多维分析的基本分析动作。教学重点与难点 OLAP 的体系结构；多维分析的基本分析动作授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容4.1 从OLTP 到 OLAP4.2 OLAP 的基本概念4.3 多维分析的基本分析动作4.4 OLAP 的数据组织4.5 OLAP 的体系结构4.6 OLAP 工具及评价4.7 Codd 关于 OLAP 产品的十二条

7、评价准则第五章 数据挖掘的原理与技术 建议学时：4教学目的与要求 了解为什么要数据挖掘、数据挖掘与其他学科的关系，熟悉常用数据挖掘方法和工具，掌握数据挖掘的原理与技术。 教学重点与难点 数据挖掘的原理与技术，数据挖掘与其他学科的关系授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容5.1 知识发现的过程5.2 数据挖掘的方法和技术5.3 数据挖掘的知识表示第六章 数据的获取和管理 建议学时：4教学目的与要求 了解数据的数据获取和管理，掌握数据质量的多维度量，掌握数据预处理方法教学重点与难点 数据质量，数据预处理方法授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授

8、课 内 容6.1 数据仓库的数据获取6.2 数据管理6.3 系统管理6.4 数据的预处理6.5 数据质量的多维度量6.6 数据预处理的主要方法第七章 定性归纳 建议学时：2教学目的与要求 了解数据挖掘的定性归纳技术，掌握ID3算法、C5.0算法。教学重点与难点 ID3算法、C5.0算法授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容7.1 基本概念7.2 数据泛化7.3 属性相关分析7.4 挖掘概念对比描述7.5 挖掘大数据库的描述型统计信息第八章 关联挖掘 建议学时：2教学目的与要求 了解关联挖掘和的方法，掌握Apriori算法教学重点与难点 Apriori算法 授 课

9、 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容8.1 基本概念8.2 单维布尔逻辑关联规则挖掘8.3 多层关联规则挖掘8.4 多维关联规则挖掘8.5 关联规则聚类系统(ARCS)8.6 关联规则其它内容第九章 聚类分析 建议学时：2教学目的与要求 了解什么是聚类分析、聚类和分类的区别，掌握聚类分析的算法。教学重点与难点 聚类分析的算法授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容9.1 什么是聚类分析9.2 聚类分析中的数据类型9.3 主要聚类算法的分类第十章 分类 建议学时：2教学目的与要求 了解什么是数据挖掘的分类，掌握KNN(K-Nearest Neighbor)分类和Bayes分类教学重点与难点 KNN(K-Nearest Neighbor)分类和Bayes分类 授 课 方 法 以课堂讲授为主，课堂讨论和课下自学为辅 授 课 内 容10.1 分类的基本知识10.2 决策树分类10.3 支持向量机分类10.4 KNN(K-Nearest Neighbor)分类10.5 Bayes分类第十一章 预测 建议学时：2教学目的与要求 了解预测算法，掌握回归预测、广义线性GenLin模型预测、支持向量机预测教学重点与