由此营造一个主动学习、协同创新的良好育人氛围，延伸视野、加强素质教育、 培养创新人才的方法和手段。已取得了可喜的成绩。

理论课教学内容

一、课程的性质和目的
本课程是计算机专业的专业选修课。本课程的学习目的在于使学生掌握数据仓库的基本概念、基本原理；掌握olap技术；掌握数据挖掘的基本概念、基本方法和基本技术。为从事数据分析工作及参加数据分析工程实践打下必要的基础。

二、课程教学内容及学时分配
第一章 绪论(2学时)
掌握数据挖掘的概念、方法，了解数据挖掘任务，了解数据挖掘的发展与展望。
本章知识点为:数据挖掘概念，数据挖掘任务。

第二章 数据处理基础 (4学时)
掌握数据、数据类型概念，了解和掌握数据预处理过程，掌握数据清理、数据集成和变换数据归约和数据离散化。掌握数据的相似性及相异性及其计算。
本章知识点为:数据、数据类型概念数据预处理，数据相似性、相异性及其度量。

第三章 分类与回归（7学时)
掌握数据分类的基本概念，掌握决策树分类方法、掌握贝叶斯分类方法、掌握k-最近邻分类方法、掌握回归分析，了解机器学习的分类方法，了解模型的拟合和过度拟合问题。了解评估分类器性能的方法。
本章知识点为:数据分类概念，决策树分类、贝叶斯分类、k-最近邻分类、机器学习、回归，模型拟合.

第四章 聚类分析（7学时）
要求理解和掌握常见的聚类分析方法，掌握基于划分的聚类算法、k-means聚类算法、层次聚类算法、基于密度的聚类算法、一趟聚类算法，了解聚类的评估方法。了解聚类的应用。
本章知识点为:聚类分析，k-means均值、层次聚类、基于密度的聚类、dbscan，聚类评估。

第五章 关联技术（6学时）
掌握apriori 算法，掌握支持度、置信度、频繁项集及求频繁项集的方法，掌握关联规则及挖掘方法、fp树及其算法，掌握关联模式的评估。
本章知识点为:关联规则、apriori 算法、fp树、支持度、置信度、频繁项集。

第六章 离群点挖掘（6学时）
要求理解和掌握孤立点（离群点）的基本概念，掌握基于统计的方法、基于驱离的方法、基于相对密度的方法、基于聚类的方法，了解异常检测基本概念，基本方法，了解异常检测的应用。
本章知识点为:离群点、异常检测。


三、课程教学的基本要求
本课程是计算机专业的专业选修课程，理论性较强，涉及较多的理论知识及数学知识，是本专业的具有广阔应用前景的理论课程。在教学方法上，采用课堂讲授，课后自学，课堂讨论和实践相结合的教学形式。
(一)课堂讲授
本课程属基础理论课程，涉及到较多的数学知识，在讲述的过程中教师应尽量联系生产生活实际，注重物理意义，不要陷入到繁复的数学推导之中。在教学中要求同学重点掌握数据模型、olap技术、数据挖掘方法等基本概念、基本方法和基本规律，要着重培养学生定性分析、定量估算和模拟实验研究的能力，在课程内容方面既要保持理论的系统性，又要注意联系工程实际，并且重视技术科学的一般方法学的培养。
（二）课后自学
为了培养学生整理归纳，综合分析和处理问题的能力，每章都安排一部分习题内容，课上教师只给出自学提纲，不作详细讲解，课后学生自学。
（三）课堂讨论
课堂讨论的目的是活跃学习气氛，开拓思路，。教师应认真组织，安排重点发言，充分调动每一名同学的学习积极性，做好总结。
（四）习题课
习题课以典型例题分析为主，并适当安排开阔思路及综合性的练习及讨论。共2学时（已包括在前述学时分配中）。
（五）课外作业
课外作业的内容选择基于对基本理论的理解和巩固，培养综合计算和分析、判断能力以及使用计算工具的能力。习题以计算性小题为主，平均每学时１-２道题。
（六）实验
实验不占学时，实验以学习数据挖掘基本方法和训练实验能力为主，验证理论为辅。通过实验要求学生掌握数据挖掘基本方法。
（七）考试
考试可采用闭卷形式，试题包括基本概念，基本理论，基本方法，题型可采用填空，判断，计算，简答等方式。
总评成绩:课外作业，平时成绩占20％；期末考试占70%；课程类大作业占10%

为: “ 《数据挖掘》 课程是我院的广东省重点课程， 我院一直非常重视， 从资金、人力和资源都给予了相当的支持。课程组是一支团结协作、 结构合理的师资队伍。该课程组的教师爱岗敬业、有奉献精神，教师 队伍学术和教学水平高， 教学经验丰富。 在教学过程中， 注意将科研、 教研与教学相结合、理论与实践相结合，坚持把教书育人放在首位，注意素质教育。严格要求，把好课堂教学关，教学效果优秀，实践性 教学环节和多媒体特色明显，深受学生欢迎和同事们的好评。在省内 同类课程教学中处于领先地位。 对我院其他课程组起到了示范作用。 ”计算机科学与技术是省名牌专业， 本课程是计算机专业选修主干 课程，省名牌专业评审专家组对计算机专业（包括本课程）课程建设 和教学条件评价高。 校外同行对本课程的建设和教学成果及学生创新 能力等方面也都给予很高的评价:

华南师范大学计算机系汤庸教授

级项目、省教育厅“五个 100 工程”项目、省教育厅“151 工程”项 目等多项教学研究与教学改革项目。该课程从教学大纲编写、教材选 用、实验开设、课件制作到网上教学资源的运用，都体现出课程组的 优良传统和高效工作成果。这充分反映本课程师资、教学条件和学习环境优越，实践性教学环节特色明显，课程建设成绩突出。在现代教 育技术的利用和多媒体课件的开发和学生的综合设计能力培养方面 处于国内同类院校的领先地位”………。

下面摘录计算机专业学生的部分评价:

陈建雄同学说: “一方面采用这种网络多媒体和教学的相结合方 式教学，本身就能让我们实实在在的感受到数据挖掘在实际中应用，从这一点就能激发我们学生的上课兴趣。另一方面，课程的内容安排 也非常合理，从数据挖掘系统模型的整体认识，到模型各个层次的系 统讲解，同时还涉及了一些近几年快速发展起来的数据挖掘技术（如 hadoop、gfs 等），使我们在掌握数据挖掘基本原理的基础上，对未来技术的发展有一定的认识，也为以后的工作和技术开发打下基础。数据挖掘课程组有多人次获得全国奖项五项（《数据挖掘》获全 国网络与多媒体教育软件3等奖， 2次获全国多媒体教育软件优秀奖，

1 次学生获全国“挑战杯”3 等奖）；

多人 5 次获得省级奖项（2 人次获广东省科技进步 2 等奖，1 次获省级优秀教学成果 2 等奖，3 次获省级多媒体教育软件 1、2 等奖）；

学生多次获得省级奖项；2 次获校优秀教学成果奖，14 人次获校教学优秀奖，1 人次获校实验教学优秀奖。获得优秀指导教师 10 余人次， 11 人次获年度