《数据仓库课程教学大纲.docx》由会员分享,可在线阅读,更多相关《数据仓库课程教学大纲.docx(6页珍藏版)》请在第一文库网上搜索。
1、数据仓库课程教学大纲一、课程基本信息课程名称数据仓库Datawarehousing课程代码2070410021课程性质专业必修开课院部数学与计算科学学院课程负责人授课学期5学分/学时3/48课内学时48理论学时48实验学时0实训(含上机)0实习0其他0适用专业数据科学与大数据技术授课语言中文对先修的要求需要基本的数学知识,程序设计的知识,操作系统的知识,数据结构与算法的知识。对后续的支撑为数据分析与挖掘、模式识别与机器学习等大数据专业课程提供实现基础。课程思政设计MIT技术评论在2002年将数据挖掘评为影响今后技术发展的十大技术之一,而在2013年则将深度学习列为突破性科学技术的榜首,立志学好
2、数据仓库与数据挖掘为建设强大的祖国做出自己的贡献。创新创业教育设计在教学中,注重培养学生的独立思考能力和创新能力。在课程讲授过程中,让学生掌握关联规则挖掘、决策树、朴素贝叶斯、支持向量机、k-means等分类和聚类算法,锻炼学生的创新精神和独立思考能力。课程简介课程定位:数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合,用于支持管理决策。主要学习内容:本课程把数据视为基础资源,根据软件工程的思想,总结了数据利用的历程,介绍了数据仓库的基本概念,功能,处理过程及在各应用领域的应用;数据预处理,包括数据样本的缺失处理、数据清理和数据降维等。核心学习结果:通过本课程的学习,让学生
3、掌握数据仓库的基础知识和工具的使用,基于数据仓库的建立能应对数据挖掘的任务及其挑战,具备探索大数据的管理和应用问题的基础。主要教学方法:本课程的教学应本着以教师为主导、以学生为主体的教学思想,着重培养学生的实际动手操作能力,具体做法是采用“项目导向+任务驱动+讲练结合+工程案例”式的教学方法,引导学生在实践动手中学习理论。二、课程目标及对毕业要求指标点的支撑序号课程目标支撑毕业要求指标点毕业要求1目标1:掌握数据仓库基本概念与基本原理,学会数据预处理,包括数据样本的缺失处理、数据清理和数据降维。2.3掌握大数据科学所需的基本知识、原理、方法,了解数据科学领域的国际形势和发展动态,并会应用到大数
4、据科学等领域。2知识掌握:掌握数学、自然科学、计算机科学、数据科学与大数据技术所需要的专业知识,具有国际视野,了解大数据科学领域的国际形势和发展动态,并能将所学知识用于解释大数据科学领域中的复杂问题。2目标2:使学生掌握数据挖掘的基本概念、相关技术,了解数据挖掘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,学会在数据挖掘中的算法设计、分析的能力。3.2能够通过数据采集、数据存储、数据预处理、数据分析和数据挖掘、数据的可视化,分析、研究和解决大数据科学领域复杂问题。3问题分析:能够应用数学、自然科学和数据科学与大数据技术的基本理论和方法,通过数据采集与存储、数据分析与挖掘、数据可视化等手
5、段,分析研究大数据科学领域的复杂问题,以获得有效结论。三、教学内容及进度安排序号教学内容学生学习预期成果课内学时教学方式支撑课程目标1数据仓库和数据挖掘概述主要内容:数据仓库与数据挖掘的发展、基本知识、概念与处理步骤、功能及应用;重点:数据仓库与数据挖掘的系统应用;难点:数据仓库与数据挖掘的热点问题及其研究发展方向。掌握数据仓库与数据挖掘的基本概念、研究方向和应用领域,结合自己专业知识,思考数据挖掘具体可以解决什么问题;数据挖掘的基本概念和解决问题的步骤。4课程思政讲授自学上机目标12数据仓库开发模型主要内容:从现实环境抽象数据仓库模型;重点与难点:开发模型的建立。掌握数据仓库开发模型的概念,
6、掌握建立数据仓库模型的建立。4讲授自学上机目标1目标23ET1技术主要内容:数据装入数据仓库的过程:数据的抽取、转换和装载;重难点:设计正确、高效的ET1o掌握数据装入数据仓库的过程:数据的抽取、转换和装载;学会设计正确、高效的ET106讲授自学上机目标1目标24O1AP技术主要内容:联机事务分析处理技掌握O1AP技术,掌握使6讲授自学H标1序号教学内容学生学习预期成果课内学时教学方式支撑课程目标术;重难点:O1AP技术对数据的归纳、分析和处理。用O1AP技术对数据的归纳、分析和处理。上机5商务智能系统主要内容:商务智能系统的概念,商务智能的技术基础;重难点,使用商务智能帮助企业做出更有效的决
7、策,提高企业智能。掌握商务智能的技术基础:数据仓库、在线分析处理、数据挖掘等;学会使用商务智能帮助企业做出更有效的决策,提高企业智能。6讲授自学上机目标16数据预处理技术主要内容:数据的清洗、集成、转换、离散和归纳等;重难点:数据的预处理技术。掌握数据的预处理技术熟悉数据处理的流程:数据的清洗、集成、转换、离散和归纳等。6讲授自学上机目标27数据挖掘技术:分类和回归主要内容:数据挖掘技术;预测建模简介:决策树分类;贝叶斯分类;支持向量机分类;人工神经网络分类;文本分类实践案例。重难点:常用方法:决策树、贝叶斯网络、支持向量机、神经网络等。掌握数据挖掘的常用方法:决策树、贝叶斯网络、支持向量机、
8、神经网络等。8讲授自学上机目标28描述建模:聚类主要内容:聚类方法概述;基于划分的聚类方法:基于密度的聚类方法;基于层次的聚类方法;基于模型的聚类方法;基于方格的聚类方法;文本聚类的典型应用Q重难点i基于划分的聚类方法。重点掌握基于划分的聚类方法k-means算法的原理。8讲授自学上机目标2四、课程考核序号课程目标(支撑毕业要求指标点)考核内容评价依据及成绩比例(%)成绩比例(%)作业上机考试1目标1:掌握数据仓库基本概念与基本原理,学会数据预处理,包括数据样本的缺失处理、数据清理和数据降维。(支持毕业要求指标点数据仓库的概念、原理,基于SQ1Server数据仓库开发实例数据仓库。200305
9、02.3)2目标2:使学生掌握数据挖掘的基本概念、相关技术,了解数据挖掘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,学会在数据挖掘中的算法设计、分析的能力。(支持毕业要求指标点3.2)数据挖掘的常用方法:决策树、遗传算法、贝叶斯网络、粗糙集、神经网络等QO2003050合计40060100注:各类考核评价的具体评分标准见附录:各类考核评分标准表五、教材及参考资料1李翠平,王珊,李盛恩等.数据仓库与数据分析教程(第2版)M,北京:高等教育出版社,2023,ISBN:9787040548518,2孙水华等.数据仓库与数据挖掘技术M.北京:清华大学出版社,2012,ISBN:9787302
10、281665O六、教学条件需要安装有SQ1Server2012及以上版本,教室要有良好的播音设备附录:各类考核评分标准表上机评分标准教学目标要求评分标准权重(%)90-10080-8960-790-59目标1掌握数据仓库基本概念与基本原理,学会数据预处理,包括数据样本的缺失处理、数据清理和数据降维;掌握基于SQ1Server开发实例数据仓库。(支持毕业要求指标点2.3)能很好地完成数据仓库所涉及的抽象思维的具体实现。能较好地完成数据仓库所涉及的抽象思维的具体实现。能基本完成数据仓库所涉及的抽象思维的具体实现。不能按要求完成数据仓库所涉及的抽象思维的具体实现。10目标2:使学生掌握数据挖掘的基本
11、概念、相关技术,了解数据挖掘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,学会在数据挖掘中的算法设计、分析的能力。(支持毕业要求指标点3.2)熟练掌握数据挖掘的基本概念和相关技术。较熟练掌握数据挖掘的基本概念和相关技术。基本掌握数据挖掘的基本概念和相关技术。没有掌握数据挖掘的基本概念和相关技术。30考试评分标准教学目标要求评分标准权重(%)90-10080-8960-790-59目标1掌握数据仓库掌握数据仓基本掌握数据初步掌握数据未学会数据基本概念与基本原理,库的基本概仓库的基本概仓库的基本概仓库的基本学会数据预处理,包括念、原理、技念、原理、技念、原理、技概念、原理、数据样本的缺失处
12、理、术和方法;具术和方法;具术和方法;基技术和方数据清理和数据降维;有基于SQ1有基于SQ1于SQ1Server法:不能完掌握基于SQ1ServerServer开发Server开发实开发实例数据成基于SQ1开发实例数据仓库。实例数据仓例数据仓库的仓库的能力有Server开(支持毕业要求指标库的基本能初步能力。较点欠缺。基本发实例数据点2.3)力。能熟练掌熟练掌握数据掌握数据挖掘仓库。没有目标2:使学生掌握数握数据挖掘挖掘的基本概的基本概念、学会数据挖60据挖掘的基本概念、相关技术,了解数据挖掘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,学会在数据挖掘中的算法设计、分析的能力。(支持毕业要求指标点3.2)的基本概念、相关技术。念、相关技术。相关技术。掘的基本概念、相关技术。