根据提供的文件信息，本篇论文聚焦于“数据挖掘技术”课程的建设探索与实践研究，尤其是利用Kaggle竞赛数据进行教学体系的设计和课程考核方式的调整。以下是对该文档内容的详细解读：
论文提出当前信息时代下，数据挖掘技术的重要性以及高校在培养学生这方面能力时遇到的挑战。数据挖掘是指从大量数据中通过算法分析得到有价值信息的过程，它是多学科交叉的领域，要求学生不仅要掌握相关算法和理论，还要具备将理论应用于实际问题的能力。
接着，论文分析了现行“数据挖掘技术”课程存在的问题。在教学内容方面，现有教材所涉及的模型和算法在大数据处理中存在局限性，且教学内容广泛、理论深入，但未能很好地与当前大数据的实践相结合。在实验数据资源方面，传统的教学案例多使用公共数据集，这些数据集往往陈旧且数据量小，缺乏对学生数据预处理和分析技能的培养。另外，在课程考核方面，传统的考核方式，如期末考试，难以全面评估学生解决实际问题的能力，过于侧重于对概念和算法的记忆，忽略了过程性的评价和学生实践技能的考核。
为了解决这些问题，论文提出了一系列基于Kaggle竞赛数据的教学体系设计和课程考核方式的调整。Kaggle是一个举办数据科学竞赛的平台，其中包含了众多真实世界的复杂数据集，数据量大，问题类型丰富，与实际工作场景更为贴近。通过引入Kaggle竞赛数据进行教学，可以提高学生对数据挖掘全流程的理解，使学生能接触到实际的数据问题，运用所学知识解决实际问题，从而更好地培养学生的工程实践能力。
论文中提到的OBE（Outcome-Based Education）理念，即以产出为导向的教育理念，强调教学设计应以学生的学习成果和能力培养为核心。在工程教育专业认证的要求下，教学活动应围绕认证标准进行规划和实施，保证课程内容和教学方法能够帮助学生达到认证所要求的能力水平。
此外，论文还探讨了如何将课程内容与Kaggle竞赛案例相匹配，包括数据预处理、数据挖掘技术的基本概念和方法、数据分析与处理等模块。教师在课程中会介绍数据挖掘的经典算法，并在课程开始阶段就引入数据挖掘的基本流程，让学生对数据挖掘有一个整体的认识，重点培养学生解决问题的能力。
论文强调了课程考核方式的重要性。提出了弱化期末考试比重，强化过程性考核的评价方式，这意味着学生在课程中的每一次作业、项目和实验都会被纳入成绩考核，更加注重对学生解决问题思路和能力的评价。
在作者简介部分，提及唐培培和吴明晖分别来自浙大城市学院计算机与计算科学学院，专注于数据挖掘及优化计算领域。文章提到的基金项目显示了研究背后的学术支持和资金来源。
本文通过利用Kaggle竞赛数据为背景，对“数据挖掘技术”课程的教学内容、实验数据资源及考核方式进行了改革，以期更好地适应大数据时代对数据分析人才培养的需求，同时强调了实践能力培养和工程教育专业认证的重要性。
VIP享7折，此内容立减5.97元 
