目录

  • 1 课程导学
    • 1.1 网络课程导学及学生学习指引
    • 1.2 课标、计划及首页
    • 1.3 直播时间(周五1-2节)
  • 2 数据挖掘课程导论
    • 2.1 大数据时代的常见技术特征(2学时)(第1周)
      • 2.1.1 直播课
    • 2.2 数据挖掘初探(2学时)(第1周)
    • 2.3 数据挖掘的过程与算法简介(2学时)(第2周)
      • 2.3.1 直播课
  • 3 SPSS Modeler软件简介与第一个挖掘应用学习
    • 3.1 SPSS Modeler软件界面介绍(2课时)(第2周)
    • 3.2 挖掘应用学习(2课时)(第3周)
      • 3.2.1 直播课
  • 4 数据仓库与数据立方体
    • 4.1 数据仓库(2课时)(第3周)
    • 4.2 数据立方体(2课时)(第5周)
  • 5 数据预处理技术
    • 5.1 数据预处理技术概述(2课时)(第5周)
    • 5.2 预处理之数据读取(2课时)(第6周)
    • 5.3 预处理之数据理解(4课时)(第6周、第7周)
    • 5.4 预处理之数据准备(4课时)(第7周、第8周)
    • 5.5 预处理之基本分析(2课时)(第8周)
    • 5.6 预处理之数据精简(4课时)(第10周)
  • 6 SPSS Modeler分类预测
    • 6.1 决策树的算法概述(2课时)(第11周)
    • 6.2 SPSS Modeler的C5.0算法及应用(2课时)(第11周)
    • 6.3 SPSS Modeler分类回归树及应用(2课时)(第12周)
  • 7 分类预测之贝叶斯网络
    • 7.1 贝叶斯网络方法概述(2课时)(第12周)
    • 7.2 SPSS Modeler的贝叶斯网络应用(4课时 13周)
  • 8 聚类分析
    • 8.1 聚类分析基本概念(2课时 14周)
    • 8.2 聚类分析的算法(2课时 14周)
    • 8.3 聚类分析之离群点检测方法(1课时)(第15周)
  • 9 关联挖掘
    • 9.1 关联挖掘基本概念(1课时)(第15周)
    • 9.2 SPSS Modeler的关联分析(2课时)(第15周)
  • 10 人工神经网络
    • 10.1 人工神经网络概述(2课时)(第16周)
    • 10.2 神经网络建立的一般步骤(1课时)(第16周)
    • 10.3 B-P神经网络(1课时)(第16周)
  • 11 时间序列(2课时)
    • 11.1 时间序列(2课时)(第17周)
  • 12 考试
预处理之数据理解(4课时)(第6周、第7周)

一、学习内容:

了解数据理解的主要任务;

明确Modeler的数据理解。

二、能力目标:

了解数据理解的主要任务,明确Modeler的数据理解。

三、学习成果:

习题解答与作业;

北信在线学习平台。

四、评价方案与评分标准:

优秀:能够按时完成习题与作业,回答准确无误文档编辑合理,讨论区互动积极;

良好:能够按时完成习题与作业,回答基本正确,在评论区有互动

及格:在老师督促下完成任务,质量一般

不及格:不能掌握能力目标内容,不能提交任务成果,自律性较差

五、课程内容: