《商务智能与数据挖掘》课程教学大纲.docx

《商务智能与数据挖掘》是一门针对信息管理与信息系统本科专业的专业主干课程，旨在培养学生的数据洞察力和实践技能。这门课程共4个学分，64学时，包括28学时的理论教学和36学时的实验及上机实践，通常在第五学期开设。课程要求学生具备概率论与数理统计、数据库原理及应用、数据结构的基础知识。 课程内容涵盖了商务智能的起源、驱动力、数据挖掘系统的分类和应用，以及数据挖掘的基本概念、方法和技术。具体来说，学生将学习： 1. 引言部分，学生将理解商务智能的定义和架构，掌握数据挖掘的概念，如模式筛选，并了解数据挖掘的主要功能。 2. 数据仓库和OLAP（在线分析处理）章节，会介绍数据仓库的系统结构，比较数据库与数据仓库的差异，以及多维数据模型上的OLAP操作。 3. 数据预处理是关键一步，学生将学习数据清理、集成、变换和归约的重要性及方法，特别是离散化和概念分层。 4. 在关联规则挖掘中，学生会掌握Apriori算法，理解相关分析的意义，以及如何从事务数据库中挖掘多层关联规则。 5. 分类分析章节，学生将了解常见的分类方法，掌握决策树归纳算法，理解属性选择的重要性。 6. 聚类分析部分，学生将学习基本的聚类方法，如k-means算法，理解聚类分析的基本思想。 7. IBM SPSS Modeler是实践工具，学生需掌握其基本功能，学会数据处理技术，如数据清洗和精炼，以及常用建模节点的运用。 8. 建模技术部分，学生将深入理解IBM SPSS Modeler的建模节点，如aprior、C5.0、C&R树、k-means和kohonen节点，并能解释数据建模结果。 课程考核包括平时作业和期末考试，综合评价学生的理论知识和实践能力。参考教材来自国内外知名专家，涵盖数据挖掘的不同方面，提供丰富的学习资源。 通过这门课程的学习，学生不仅能够掌握商务智能和数据挖掘的基本理论，还能熟练运用IBM SPSS Modeler等工具解决实际商业问题，提升分析和决策能力，为未来从事信息管理和数据分析工作打下坚实基础。