还剩1页未读,继续阅读
文本内容:
《数据挖掘与商务智能》课程教学大纲课程名称数据挖掘与商务智能课程类别专业选修考核类别考试+课程项目适用对象本科生适用专业旅游管理(商业数据分析方向)总学时、学分34学时2—学分
一、课程教学目的通过本课程的教学,使学生掌握数据挖掘的基本原理和方法知识O并综合运用之前所学的统计学,数据库原理,编程基础等课程知识实现简单的商务数据分析学完此课程,学生们能掌握两个概念(数据挖掘、商务智能);一个框架(数据挖掘整体处理框架);一个工具(python数据分析环境anaconda);7-8个算法(数据挖掘经典算法);分析若干个商业实用案例教学内容以数据挖掘经典算法为每章核心,对算法采用“哲学原理-应用实例-重点知识-作业考察”四步横向推进的方式进行讲解和学习案例紧扣当下各行业应用,实现过程讲解到代码级别,保证实验的可复现性
二、课程教学要求配备机房与相应软件
三、先修课程概率论,线性代数,微积分,python编程基础,计算机文化基础,数据库原理,统计学四,课程教学重点、难点重点数据挖掘基本概念,商务智能分析原则,数据分析与处理基本技能难点数据挖掘经典算法原理,实用案例编程实现
五、课程教学方法或手段课堂教学与上机实践教学有机结合,合理分工
六、课程教学内容第一章简介3学时
1.教学内容1数据挖掘和数据分析2可以被挖掘的模式I3关于数据挖掘的其它一些问题第二章数据探索5学时
1.教学内容D数据来源和数据质量2数据特征3Anaconda分析环境4饭店数据探索示例part15饭店数据探索示例part2第三章数据挖掘的通用流程4学时
1.教学内容1流程介绍和分类问题2近朱者赤的KNN k近邻3红酒分类问题4调参、数据规约与流水线第四章决策树6学时
2.教学内容1决策树与构建准则32ID343C
4.5与随机森林54)NBA赛事结果预测
(5)特征工程
(6)树的提升与可视化第五章贝叶斯分类(5学时)
1.教学内容
(1)朴素贝叶斯
(2)文本情感分类之预处理
(3)文本情感分类之矢量化
(4)文本情感分类之python实现
(5)模型的评估第六章支持向量机(1学时)
1.教学内容
(1)SVM之分类第七章聚类分析(7学时)
1.教学内容
(1)监督式学习与聚类
(2)Kmeans聚类
(3)用kmeans做航空客户价值分析parti
(4)用kmeans做航空客户价值分析part2
(5)层次聚类和基于密度的聚类(DBSCAN)
(6)基于移动通信定位数据的商圈划分(层次聚类)part1
(7)基于移动通信定位数据的商圈划分(层次聚类)part2第八章推荐系统(5学时)
1.教学内容
(1)长尾效应与个性化推荐
(2)推荐系统算法与分类
(3)基于协同过滤的推荐机制
(4)推荐性能比较与评估
(5)协同过滤实现电影推荐。