目录

  • 1 课程介绍
    • 1.1 欢迎词
    • 1.2 课程说明
    • 1.3 课程设计
      • 1.3.1 学习目标
      • 1.3.2 学习内容
      • 1.3.3 学习活动
    • 1.4 教师团队
    • 1.5 先修知识及必备技能
      • 1.5.1 平台使用指南
      • 1.5.2 先修知识
      • 1.5.3 必备技能
  • 2 第一章 商务智能概述
    • 2.1 1.1 商务智能的概念
    • 2.2 1.2 商务智能的核心技术和框架
    • 2.3 1.3 商务智能的组成要素
    • 2.4 1.4 商务智能的分析流程
  • 3 第二章 数据仓库
    • 3.1 2.1 数据仓库的概念
    • 3.2 2.2 数据仓库系统开发概述
    • 3.3 2.3 多维数据模型
    • 3.4 2.4 OLAP
  • 4 可视化 混合式作业
    • 4.1 可视化操作
  • 5 第三章 数据准备
    • 5.1 3.1 讨论:数据准备好了么?
    • 5.2 3.2 数据准备
    • 5.3 3.3 数据类型及处理方式
    • 5.4 3.4 数据准备主要步骤
  • 6 第四章 相关分析
    • 6.1 4.1 相关分析 基本概念
    • 6.2 4.2 相关关系理论和实践
    • 6.3 新建课程目录
  • 7 第五章 聚类分析
    • 7.1 5.1 聚类分析i概念和内容
    • 7.2 5.2 K-means 聚类算法
  • 8 第六章 回归分析
    • 8.1 6.1 回归分析
    • 8.2 6.2 一元线性回归
      • 8.2.1 6.3 回归分析中的梯度问题
    • 8.3 6.4 逻辑回归
  • 9 第七章 分类分析
    • 9.1 7.1 分类分析的原理
    • 9.2 7.2 贝叶斯分类基本原理
    • 9.3 7.3 决策树分类基本原理
    • 9.4 7.4 神经网络分类基本原理
  • 10 第八章 关联分析
    • 10.1 8.1 关联分析原理
    • 10.2 8.2 关联分析的基本算法
  • 11 第九章 文本挖掘
    • 11.1 9.1 文本挖掘的基本原理
    • 11.2 9.2 文本挖掘流程与技术
    • 11.3 9.3 中文分词方法
  • 12 第十章 大数据分析
    • 12.1 10.1 大数据与云计算 基本概念
    • 12.2 10.2 Hadoop 基本概念
    • 12.3 10.3 Spark 基本概念
  • 13 第十一章 社会网络
    • 13.1 11.1 社会网络与博弈论
    • 13.2 11.2 社会网络的基本问题
    • 13.3 11.3 社会网络的基本原则
  • 14 实验内容
    • 14.1 数据挖掘 实验一 决策树
    • 14.2 数据挖掘 实验二  K-MEANS 聚类
    • 14.3 数据挖掘 实验三 神经网络
    • 14.4 数据挖掘 实验四  关联规则
    • 14.5 rapidminer 操作视频示例
  • 15 第十六单元
    • 15.1 答辩及大作业提交
欢迎词
各位同学,大家好!
欢迎来到商务智能的在线学习平台。
课程代码:B2030111(商务智能),B2030110(商务智能 双语)

本门课程是经济管理学院面向本科生开设的专业选修课,采用线上线下的混合式学习。各位同学可以阅读本页下面各栏目了解课程的线上线下教学流程、教学方法、教学评价等。在此先给出整体学习流程的文字描述如下:
1)在线课:同学们需要通过超星平台线上自主学习相关基本知识点,每个知识单元给出了学习目标。同学们结合学习目标观看视频、网络案例,也记录自主学习中的问题,可以在学习通的讨论版参与讨论,也可以在下周的线下课程与老师同学们面对面讨论。
2)线下课:教师对上周在线课的内容进行概括梳理,安排作业点评、案例分析与小组讨论、辩论赛、线下讲座、校外实践教学活动等多种教学形式。
3)课后:教师发布课后作业,在学习通上提交作业,教师根据学生的答题给与批改和总结。课后也鼓励大家通过讨论版、等进行讨论。