数据挖掘课程设计论文范文

前言：我们精心挑选了数篇优质数据挖掘课程设计论文文章，供您阅读参考。期待这些文章能为您带来启发，助您在写作的道路上更上一层楼。

第1篇

关键词：医学院校；目标驱动；课程设计；毕业论文

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2012）12-0218-02

一、背景

“数据仓库与数据挖掘”是国内外高等院校一门重要的课程，是国家基础教育较为重视的一门学科，受到不同专业学生的喜爱。其教学目标是提高学生的数据分析水平和能力，除了教授学生数据分析的常见方法之外，还将引导学生如何对实际的问题进行建模，如何对模型进行简化和求解。利用实例教学等方法，可以很好地将数据挖掘中的抽象概念、模型、公式等阐述清楚，让学生易于理解和接受。近年来，数据挖掘技术在医学领域中的应用越来越广泛。在疾病诊断、治疗、器官移植、基因研究、图像分析、康复、药物开发、科学研究等方面都获得了可喜的成果。运用各种数据挖掘技术了解各种疾病之间的相互关系、各种疾病的发展规律，总结各种治疗方案的治疗效果，以及对疾病的诊断、治疗和医学研究都是非常有价值的。因此，我们学院也把这门课程作为计算机专业及信息管理与信息系统专业的必修课。把计算机与医学结合，使得学生的培养方案全面包括了计算机与医学的知识点。由于该课程原本属于研究生阶段开设的专业课程，教材也大多侧重于介绍体系结构、算法原理、效率分析与改进等理论知识，其中所涉及的内容大多比较深，许多知识都超出了本科生的接受范围，此外，教材对相关理论在实际应用方面的说明也比较少，不利于安排实验教学。因此要实现“数据仓库与数据挖掘”课程的教学目标，必须在理论教学和实验教学环节综合考虑学时多少、教学条件以及学生的接受情况等因素，灵活地加以选择安排。

二、存在的问题

主要包括以下几方面：①课堂上以教师讲、学生听的教学形式为主，学生学习处于被动状态，他们的创造性因此被严重扼杀；②教师对专业课程体系和学生的知识体系不够重视，对课程体系的讲解不到位，造成学生在学习时课程之间联系不上，知识衔接不好，对知识的运用和融会贯通比较差；③实验与理论脱节。“数据仓库与数据挖掘”课程理论讲授的算法与实验软件中的算法有很大差距，使得学生难以理解。比如对于理论上讲授的关联规则算法，实验中使用SQL SERVER 2005中的商务智能工具做实验，学生发现有很多参数与理论上讲授的有很大不同；④医学院校的学生对纯粹计算机理论知识接受困难。由于该门课程是交叉学科，涉及计算机、数学、统计学等知识，如果学生的其他学科学得不好，就会对该课程的学习产生障碍；⑤教师讲授没有把理论课程结合到实际应用中。有很多学生不知道学习这门课的意义，老师没有很好引导学生，激活他们的学习热情。

三、目标驱动的教学框架

对于以上问题，本文提出了一个新的教学体系，设计了一套基于目标驱动的教学框架，把教师与学生紧密联系起来，从教学大纲的设置，教材的选择，理论教学，实验教学，课程设计及毕业论文，全面引导学生从初步了解到深入学习的过程。对于我们学校的实际情况，有两个专业的学生要学习这门课程。一个是计算机科学与技术专业，一个是信息管理与信息系统专业。对于两个不同的专业，我们设置不同的教学大纲。比如对于计算机专业的学生，数据仓库和数据挖掘教学总时数为72学时，其中理论为54学时，实验为36学时。

1.理论教学。对于信息管理与信息系统专业的学生，我们可以设置如下的教学计划，可分为三个主要部分。我们教材选择韩家炜的《数据挖掘概念与技术》，第一部分：第一至四章为数据挖掘的基础知识，包括数据仓库和数据挖掘的基本概念和相关知识介绍；第二部分：第五、六章介绍了数据挖掘的算法和工具；第三部分：第七章是数据挖掘的聚类分析的实际应用。本课程是信息管理与信息系统专业本科生专业必修课。通过该课程的学习，要求学生掌握数据仓库和数据挖掘的基本概念，了解基本方法和应用背景。掌握数据仓库的设计和建立，掌握数据挖掘的主要步骤和实现方法，数据挖掘的常用算法，实现数据挖掘的具体操作。理论学时的安排，第一章绪论（6学时）；第二章数据仓库（4学时）；第三章数据预处理（8学时）；第四章数据挖掘发现知识的类型（8学时）；第五章数据挖掘中常用算法（12学时）；第六章数据挖掘的工具及其应用（8学时）；第七章数据挖掘应用实例（8学时）。

2.实验教学。本课程配合理论教学，通过系统的实践教学锻炼，着重培养学生的独立分析问题和解决问题的能力，熟练掌握数据仓库的设计和建立以及各类数据挖掘方法，使学生具有一定的数据分析和挖掘能力，能在认识基础上，提出有效的数据挖掘方法，依据实际例子，写出解决方案。学生应在实验课前明确实验的目的和要求，然后针对相关问题写出解决方案。实验时对实际方案的运行结果应能进行分析并提出改进方法，最终写出实验报告。通过实验教学应达到以下基本要求：①理解数据仓库的工作机理及其构建过程；②掌握典型的数据仓库系统及其开发工具的使用；③理解数据挖掘技术的工作原理与流程；④掌握典型数据挖掘工具的使用；⑤掌握几种典型的数据挖掘算法；⑥掌握使用SQL SERVER 2000和SPSS工具解决实际问题。实验成绩包括：实验教学过程成绩、实验报告成绩，各占50%。实验过程表现成绩包括：学习态度是否认真、实验操作是否正确规范、基本技能掌握程度是否具有创新意识等方面。实验报告成绩包括：实验报告格式是否正确、原理是否论述清楚、实验结果分析讨论是否符合逻辑，报告字迹是否清楚等方面。

3.课程设计。理论课和实验课接近结束时，我们把最后三周作为本门课程的课程设计。课程设计的目的是让学生进一步深刻理解所学知识。由于本门课程很多算法不容易理解，如何让学生把所学知识结合到医学应用中是课程设计的关键。比如我们对信息管理与信息系统专业的学生课程设计，要求学生每人选择一个老师给定的题目，课程设计有详细的要求，比如题目“数据挖掘在医学诊断中的应用”要求学生能把本门课程相关的算法结合使用，最后给出详细的分析。通过课程设计，我们发现，学生对本门课程更有兴趣。

4.毕业论文。我们把课程一般开设在大三的下学期，也就是说学生学完这门课程后，就做了该门课的课程设计，使得学生对数据挖掘相关知识有了比较深刻的认识。这样，我们可以引导学生毕业论文的选择。毕业论文毕竟是反映学生大学四年所学知识，也对他们将来就业起到提前培训的作用。把理论结合实践，老师对学生的引导也十分重要。

我们根据医学院校的特征，提出了一套目标驱动的教学理念，从学生认识这门课程到学生理论课的学习，实验课的学习，课程设计及毕业论文的完成，在老师的指导下，使用我们的考核体系，可提高学生对所学课程的兴趣。

参考文献：

第2篇

1研究现状

在网络资源课程建设上，很多教育工作者都做了有益的尝试。例如，文献[1]建议基于学生网络学习行为的特征来开发课程；文献[2]建议基于数据挖掘知识体系运用模块化方式组织数据挖掘课程内容；文献[3]则认为数据挖掘教学内容的组织应注重培养数据意识和深入科学研究；文献[4]认为将数据挖掘的内容贯穿于应用实例中易于传授，或者设计合适案例来推进教学；[5]也有研究者认为直接带领学生参与项目，通过项目开发重新组合课程内容，[6]能够起到更加明确的效果。笔者认为将项目融合到教学中，往往受到众多资源的限制，在教学层面难以有效拓展。本文将在深入学习已有研究成果的基础上，探索适合职业院校学生的数据挖掘网络资源建设模式和考核方式。

2金融数据挖掘课程实施方案设计实例

2.1设计理念在深入分析当前职业院校学生学习模式、兴趣特点、课程特点的基础上，拟按以下理念设计网络课程内容。第一，采用“问题牵引、比较说明，解决问题，项目驱动”的教学方法。在教学中，首先说明开设内容的理由和方法，使学生对概念有充分的理解；更多地考虑到学习者的兴趣和接受方式；教学中既正面阐述什么是正确的，也注重反面说明什么是错误的；用通俗的语言、具体实例阐述基本理论，突出重点，讲透“难点”。采用“任务驱动模式”取代“顺序教学模式”，以实际的项目开发任务为引导，进行示范性教学，让学生在实践、模仿、实践中提高。第二，启发式教学。数据挖掘是一门实践性很强的科学，讲解重点时注意对实验方法要详细介绍，这样学生对教学重点就记得牢，并能以同理推演。实践教学注意加强对学生发现、分析和解决问题能力的培养。第三，改革考核方式，采用多元评价方式考核实验成绩。为了提高学生的学习兴趣，培养学生问题求解和创新能力，考核方式很有必要改革。针对数据挖掘这门课程，实验成绩和课程论文成绩采用多元评价方式考核。经过三年的改革教学实践，我们收到很好的教学效果，学生在独立分析、解决问题和提供整体解决方案上的能力都获得不同程度的提高。第四，加强实践教学环节，注重学生综合能力的培养。课内教师根据教材精心设计课程实验教学和课程设计内容，注重实践与理论相结合，突出产学结合特色。第五，在线答疑。教师充分利用网络，建立在线讨论栏目，就教学难点开展讨论，并引入已毕业学生的社会资源进行拓展。第六，提供多种教学资源，引导学生自己解决学习问题。教学网站提供大量的教学资源，鼓励学生自己在网上查找资料解决问题。实践表明，这有助于激发学生的学习兴趣，训练学生的思辨能力。第七，多维实验教学模式。金融数据挖掘的实践教学分为三层教学体系，即验证性实验（基础层）、设计型实验（中间层）、综合性实验或课程论文（核心层）。在此基础上，以任务驱动方式，构建实践维三级目标体系，强化实践技能操作，提高实践教学质量。基础层，占总实验学时的30%，主要包括验证操作与验证型实验。学生直接操作验证的内容与被列为实验项目的基础实验，如数据预处理、数据可视化等。中间层，占总实验学时的40%。例如，CRM操作实例、欺诈检测等。核心层，占总实验学时的30%。综合设计型实验，按照跨行业数据挖掘标准流程，完成商业理解、数据理解、数据准备、建模、评估、部署。

2.2内容设计金融数据挖掘网络课程主要栏目包括：教师信息、课程介绍、指定教材信息、考核方法、学习方法指导、教学大纲、教学计划、课件、案例、课程实验、操作指引、数据挖掘实训、课程论文、常用资源、他山之石等16个栏目，各栏目建设现已完成并应用于课程教学。金融数据挖掘网络课程资源建设主要包括4个模块：（1）教学文件模块。该模块主要栏目有教师信息、课程简介、教学大纲、教学计划，提供有关的课程教学指导性文件和教学进程安排，供教师和学生参考。（2）课程学习模块。该模块主要栏目有学习方法指导、授课课件、参考课件、课程实验、课程论文等，主要向学生提供有关课程的学习和实验指导。（3）教学资源模块。该模块主要向学生提供教学资源，作为课外教学的延伸。（4）课外互动模块。该模块主要通过网络互动向学生提供课外答疑辅导环节。

2.3改革方案实施效果该课程改革方案的实施是基于BB（Blackboard）在线网络平台。由于本学期开始时，网络课程平台出现故障，数据挖掘网络课程平台正式使用时本学期已接近中段。使用综合情况如图1-3所示。结果显示内容区、公告区、讨论区获得较高点击量，其他模块由于用户体验比其他平台差，故暂无使用。图2、图3说明用户的访问还是与课程关联比较大，即上课时段前后，学生访问量增大，其他时段访问量急剧下降。但是相比于笔者所教的其他课程，学生对该课程的兴趣还是提升了许多。

3结论

第3篇

    一 课程体系设计和实践实训设计整体思路

    1.遵照教育部对经济统计学专业的要求

    严格遵照教育部对经济统计学专业的要求。主干学科为理论经济学、应用经济学、统计学,其中核心课程为西方经济学(微观经济学、宏观经济学),计量经济学,财政学,货币金融学,会计学,经济统计学,国民经济统计学,概率论与数理统计,抽样技术与应用,应用时间序列分析。实践性教学环节包括实验课程(含基本统计分析软件应用、统计实务模拟等),社会实践(含经济社会统计调查、统计工作实习等),科研和论文写作(含毕业论文、学年论文、科研实践等)。专业实验包括计算机基本技能实验、统计分析应用软件实验、经济计量分析软件实验、数据挖掘技术与应用实验。

    2.参照其他院校的培养方案和课程设置

    它山之石,可以攻玉。我们选择了部分具有代表性的财经院校(如上海财经大学、中央财经大学、东北财经大学、西南财经大学、中南财经政法大学、北京工商大学、上海金融学院、 河南财经大学、浙江财经学院和山东工商学院)和综合类院校(如浙江大学、吉林大学、南京大学和云南大学)以及师范类院校(如北京师范大学、华东师范大学、东北师范大学、南京师范大学)作为参照院校。通过比较分析得出,在统计学经济统计、商务统计、金融统计方向中,财经类院校主要突出经济学课程,招生偏重理科生。综合性院校和师范类院校主要课程为理学类,招生偏重理科生。

    综上所述,经济统计学专业应培养适应信息化社会需要,熟练掌握现代统计理论和经济数量分析方法,具有扎实的统计学、经济学和金融学基础,能熟练应用计算机软件处理统计数据的复合型高素质经济管理统计人才。学生毕业后可在政府部门、金融机构、外资企业和大中型公司等从事经济统计分析、管理咨询、市场调研和商务数据分析等管理工作。

    3.与学院培养方案形式统一

    新制订的培养方案和整个学院的形式保持了统一,以便于教务人员管理工作的开展。

    二 经济统计学培养方案专业课的设置

    经济统计学的培养目标与基本规格和招收对象为理科生,设置了保险精算、金融统计和商务统计三个方向。学生修满培养方案规定的学分并达到学位授予要求者,授予经济学学士学位。

    由于经济统计学对统计学和经济学知识的要求较高,我们提高了课程总学分和总学时,注重主干学科和专业课程的开课顺序和教学周学时分配,强化实训实践课程,实行理论和实践并行。

    培养方案确定了5门学科基础课程,分别为宏观经济学、微观经济学、C语言程序设计、概率论与数理统计、管理学。确定了5门专业基础课程,分别为基础会计学、经济统计学、货币金融学、财政学、计量经济学。确定了9门专业核心课程,分别为国民经济统计学、多元统计分析、统计预测与决策、抽样技术与应用、应用时间序列分析、金融统计学、市场调查与分析、投资学、数据挖掘。

    分设了三个专业方向,分别为保险精算(开设保险学、保险统计学、利息理论、寿险精算、非寿险精算5门课程)、金融统计(开设商业银行经营管理、金融市场、金融资产评估、金融工具与金融风险管理、投资组合分析 5门课程)和商务统计(开设信息检索与利用、企业经营统计学、投入产出分析、项目管理、质量控制统计方法5门课程)方向。