《商务智能与数据挖掘实验》课程教学大纲.docx

《商务智能与数据挖掘实验》课程是一门针对信息管理与信息系统专业的必修课程，旨在让学生在掌握了商务智能和数据挖掘的基础知识后，进一步深化对这些概念和技术的理解。课程总学时为64学时，其中实验部分占据了36学时，总计4个学分，通常在第五学期开设。该课程由经济管理学院信管系负责，使用的教材是《数据挖掘概念与技术》第三版，由Jiawei Han和Micheline Kamber合著，范明等人翻译。 实验课程的教学目标是使学生能够将实际的商业问题转化为数据挖掘的目标，熟练运用数据挖掘工具，如IBM SPSS Modeler，进行数据预处理、特征选择、建模、评估和结果解释。实验内容包括17个验证性和综合性的实验项目，覆盖了数据审核、特征选择、决策树、市场购物篮分析、RFM分析、贝叶斯网络、神经网络、Logistic回归、聚类算法、欺诈屏蔽、时间序列分析、自动建模、判别式分析、广义线性模型、SVM和Cox回归等多个方面。每个实验都要求学生应用所学理论，通过实际操作掌握各种数据挖掘技术和工具。 实验1至实验16涵盖了不同的数据挖掘方法，如通过数据审核处理异常值，特征选择确定关键字段，决策树和贝叶斯网络进行分类分析，RFM分析用于客户行为预测，聚类算法用于群体划分，时间序列分析预测趋势，SVM和Cox回归则用于特定场景的建模。实验17和18是综合实验，要求学生运用IBM SPSS Modeler对实际数据集进行预处理、建模和结果解读，以提升解决实际问题的能力。 课程考核主要包括实验实习报告的撰写，学生需根据实验指导书完成实验内容，记录结果，并撰写报告。实验实习报告共17次，成绩将计入商务智能与数据挖掘课程的总评。此外，为了辅助学习，课程推荐了多本参考资料，包括《数据挖掘：概念、模型、方法和算法》、《数据挖掘导论》、《大数据：互联网大规模数据挖掘与分布式处理》以及《数据挖掘技术（第3版）》。 通过这门课程的学习，学生不仅能够掌握数据挖掘的基本原理，还能具备运用数据挖掘技术解决商务问题的实际能力，这对于信息管理与信息系统专业的学生来说是非常重要的职业技能。同时，课程的实践性强，有助于培养学生的创新思维和问题解决能力，为他们未来在数据分析领域的工作打下坚实基础。