本章授课，理论2次，4个学时，主要讲解8个知识点，分别是数据挖掘概述、数据采集、数据探索、数据预处理、分类、预测、聚类分析和关联规则。
。实验2次，4个学时，分别是PBL项目学习（个人项目）——数据分析和和PBL项目学习（个人项目）——数据挖掘建模。
一、理论课两性一度
1、高阶性：高阶性是指知识能力素质的有机融合，培养学生解决复杂问题的综合能力和高级思维。本节课主要体现在如下几个环节：
（1）数据挖掘基础。① 概述；② 数据采集；③ 数据探索；④ 引申：采用案例教学，探究数据统计方法，培养数学思维和计算思维。
（2）数据预处理。① 数据预处理方法；② 引申：采用案例教学，探究数据预处理方法，培养计算思维。
2、创新性：是指课程内容要反映前沿性和时代性，教学形式呈现先进性和互动性，学习结果具有探究性和个性化。本节课主要体现在如下几个环节：
（1）讨论：以中国70年伟大成就为案例背景进行数据分析，培养学生计算思维。
（2）讨论：以建筑专业知识为案例背景进行数据分析，培养学生计算思维。
3、挑战度：是指课程有一定难度，学生在理解的同时，可以举一反三、灵活运用。
（1）用数据挖掘建模方法用于实际生活中，这对于学生来说具有相当难度。
（2）合理选择数据分析方法处理数据，研究挖掘算法，提高模型效率，这对于学生来说具有相当的难度。
二、实验课两性一度
1、高阶性：利用EXCEL数据预处理，培养学生计算思维，提高问题求解能力。
2、创新性：利用WEKA数据分析工具进行数据挖掘建模，提高问题求解能力。
3、挑战度：利用PYTHON编程进行数据挖掘建模，解决实际问题，针对非计算机专业的学生来说，明显具有挑战度。
