《数据挖掘与机器学习课程设计》课程教学大纲_第1页
《数据挖掘与机器学习课程设计》课程教学大纲_第2页
《数据挖掘与机器学习课程设计》课程教学大纲_第3页
《数据挖掘与机器学习课程设计》课程教学大纲_第4页
《数据挖掘与机器学习课程设计》课程教学大纲_第5页
已阅读5页,还剩1页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

《数据挖掘与机器学习课程设计》教学大纲课程名称:数据挖掘与机器学习课程设计课程编号:4411英文名称:CurriculumDesignofDataMiningandMachineLearning学时:2周 学分:2学分开课学期:第5学期适用专业:数据科学与大数据技术专业课程类别:集中实践教学课程性质:专业方向与拓展先修课程:Python程序设计,概率论基础、数理统计,数据结构,算法设计与分析,数据挖掘与机器学习一、课程的性质及任务《数据挖掘与机器学习课程设计》课程是数据科学与大数据技术专业学生的专业方向与拓展课,通过本课程设计加深对数据挖掘与机器学习基础理论的掌握,锻炼和提高分析大数据复杂问题、解决问题的能力。通过对具体案例项目的任务分析、技术调研、数据准备、算法设计和编码实现以及系统调试等几个环节的练习,加深对数据挖掘技术与机器学习算法熟练应用的过程。依据河北工程大学数据科学与大数据技术专业培养计划,本课程需要培养学生的能力是:能够针对大数据特定的任务需求,完成大数据系统、模块的设计与开发;(毕业要求指标3-2)能够对采集到的实验数据进行整理、分析和解释,并能通过信息综合、算法设计得出有效结论(毕业要求指标4-3)能够认识坚持探索和不断学习的必要性,具有理论联系实际、自主学习、终身学习的意识和能力(毕业要求指12-1)二、课程目标与要求2.1课程目标能够综合运用所学的数据挖掘技术和机器学习算法进行数据分析、模型选择与优化处理,并给出具体方案解决实际问题,以及相关的模块设计与开发,并对方案进行测试评估。掌握数据挖掘与机器学习常用的相关理论方法和编程技术,包括决策树分析、贝叶斯分类器、人工神经网络、支持向量机等分类算法,Kmeans聚类、层次聚类、关联分析等方法,最后通过信息综合,得出有效结论。逐步培养学生主动探索、勇于发现的科学精神,创新意识、创新精神,以及踏实细致、严谨科学的学习习惯,激发学生终身学习,科技报国和对国家、社会发展的责任担当意识。

数据挖掘与机器学习课程设计教学大纲PAGE16PAGE4412.2课程目标与毕业要求对应关系课程目标毕业要求二级指标毕业要求123●能够针对大数据特定的任务需求,完成大数据系统、模块的设计与开发;(毕业要求指标3-2)3.能够设计出大数据应用领域的复杂工程问题的解决方案,具有数据采集、处理、分析、挖掘的能力,并能够在设计环节中体现创新意识,考虑社会、健康、安全、法律、文化以及环境等多维度协同发展因素。●能够对采集到的实验数据进行整理、分析和解释,并能通过信息综合、算法设计得出有效结论(毕业要求指标4-3)4.能够基于数据科学与大数据技术原理并采用科学方法对大数据应用领域的复杂工程问题进行研究,包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。●能够认识坚持探索和不断学习的必要性,具有理论联系实际、自主学习、终身学习的意识和能力(毕业要求指12-1)12.在数据科学与大数据技术相关理论和技术不断更新的背景下具有自主学习和终身学习的意识,具有不断学习和适应发展的能力。2.3课程目标与培养环节对应矩阵序号课程目标理论教学课内实验课后作业1能够综合运用所学的数据挖掘技术和机器学习算法进行数据分析、模型选择与优化处理,并给出具体方案解决实际问题,以及相关的模块设计与开发,并对方案进行测试评估。HML2掌握数据挖掘与机器学习常用的相关理论方法和编程技术,包括决策树分析、贝叶斯分类器、人工神经网络、支持向量机等分类算法,Kmeans聚类、层次聚类、关联分析等方法,最后通过信息综合,得出有效结论。HML3逐步培养学生主动探索、勇于发现的科学精神,创新意识、创新精神,以及踏实细致、严谨科学的学习习惯,激发学生终身学习,科技报国和对国家、社会发展的责任担当意识。ML注:H表示该能力的在此环节重点培养;M表示该能力在此环节有应用要求;L表示该能力在此环节有所涉及。数据可视化课程教学大纲PAGE2PAGE4442.4目标达成度的评价课程目标1、2、主要通过理论教学环节进行培养,课内实验中有应用要求,在课后作业中有所涉及。主要通过设计过程表现、算法设计调试与测试结果和分析及课程设计报告进行考核。目标达成综合以上内容进行评价。课程目标3主要通过课内实验有应用要求,课后作业有所涉及。主要通过设计过程表现、程序调试和编程及课程设计报告进行考核。目标达成综合以上内容进行评价。三、课程设计基本要求任选一个有关大数据领域的实际应用问题,合理地选择数据挖掘技术和机器学习算法,设计相应的数据分析算法,并对结果进行必要的分析;结合先修课程合理选择Python语言工具,实现数据的分析、可视化过程。完成一份技术报告,报告内容包括:项目目标、国内外相关工作、自己在本项目中承担工作的不同点、实现系统(或模块)的核心思想和算法描述、系统主要模块流程、实验结果及分析;提交系统源代码和可执行程序,以保证实验系统可以正常编译和运行。如果是多人合作完成的,应提交最终集成的系统。鼓励充分使用网络资源和其它一切可以利用的资源(包括数据、语料、软件工具和论文资料等),但严禁侵害他人知识产权,技术报告中必须明确说明所用资源的真实来源。鼓励相互交流、相互合作,但严禁抄袭他人工作,严禁伪造结果。四、课程设计内容及安排(一)主要内容课程设计题目可根据一个具体的数据分析问题进行选题,也可根据自身兴趣爱好自定题目。每组同学应设计完成一个数据挖掘分析系统,完成问题分析、数据来源、数据预处理、数据挖掘算法分析和结果验证等环节。(二)课程设计安排1.选题和查阅资料;2.分析问题;3.算法或模型选择;3.问题实现和系统构建;4.系统测试和结果分析;5.撰写分析与设计报告。五.指导方式集体辅导与个体辅导相结合,平时辅导与上机辅导相结合。课程设计考核方法及成绩评定考核方式:考察成绩评定:总分100分。其中,设计过程表现:20%;系统设计、程序调试与结果测试:30%;分析及课程设计报告:50%。课程设计校测及主要参考资料[教材]数据挖导论.Pang-NingTan,MichaelSteinbach著,范明,范宏建译.北京:人民邮电出版社,2

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论