数据挖掘课程设计论文范文

本站小编为你精心准备了数据挖掘课程设计论文参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1、数据挖掘类课程设计研究基础

国外很多大学都开设了数据挖掘类课程，波士顿大学的“数据管理与商务智能”课程主要包括基础、核心技术、应用三部分。授课方式包括理论内容讲授、案例教学，以及学生以团队合作方式完成项目并进行课堂演讲。从麻省理工学院开放性课程资料（斯隆管理学院）中可以看出，在每章讲解一种算法之后都尽可能地安排了商务实例的分析，并在课程后期安排了客座讲座的形式。国内对于数据挖掘的教学类研究成果也很多，主要集中在三类问题的研究上，较为普遍的是根据专业建立大纲的研究，例如针对电子商务专业进行大纲设计；另外也有专注研究某一种或多种适合数据挖掘或商务智能的教学方法，如专题研讨法；还有的讨论算法理解与程序设计、软件应用的关系。

2、基于模块化方法的课程内容分析

模块化教学模式是按照程序模块化的构想和原则来设计教学内容的一整套教学体系，它是在既定的培养目标指导下，将全部教学内容按照一定标准或规则进行分解，使其成为多个相对独立的教学模块，且各教学模块之间可以按照一定的规则有选择性的重新组合。该方法在20世纪70年代，由国际劳工组织引入教学之中，开发出以现场教学为主，以技能培训为核心的模块化教学模式，在很多国家得到广泛应用。由于该教学法具有针对性、灵活性、现实性等特点，越来越受到教育界的关注。模块化教学本质上是以知识点与实践的细化为出发点研究，本课程的知识点细化分为两个层次：一是从宏观角度，参考ACM的SIGKDD的数据挖掘课程建设建议，设计课程的基础内容模块和高级主题模块；二是从微观角度，针对较为复杂的算法进行的知识点划分。课程内容的一至五章属于基础内容模块，介绍本课程的基础理论和入门的数据挖掘技术；六至第八章介于基础内容与高级主题之间，介绍数据挖掘的核心算法，可以根据学生情况进行灵活处理，可强调应用，也可深化算法介绍；第九、十章为高级主题模块，可以作为扩展材料介绍应用，或为感兴趣同学提供算法介绍；课程实践模块包含数据仓库建设与数据挖掘算法的应用，难度居中，可以在引导学生思考的前提下给出实验步骤，并引导学生使用类似的方法处理不同的数据。

3、基于模块化方法进行重要知识点的模块化分析

重要知识点内涵较为丰富，一般体现在经典数据挖掘算法上，通常一大类算法下还分有多个算法，不同算法的在难度上有渐进层次，同一种算法也有很大改进研究空间，讲授弹性比较大。因此，适合使用模块化方法进行处理，并且需要在课程设计中明确一定课时量所要达到的内容和难度。基础部分为必选内容，介绍基本概念和基本原理；决策树作为数据挖掘分类算法的最基础算法也是必选内容，决策树算法有多种分类，需要进行按照难易程度进行选择；最后要根据难度选择其他分类算法进行介绍。

4、结论

本文使用了模块化教学的思想研究了数据挖掘类课程设计的过程，主要包括课程内容的模块化处理与重要知识点的模块化处理。对课程内容进行模块化处理，可以方便教师实行不同的授课方式和考查方式，可以使学生从宏观角度明确课程重点和难点提高学生的听课效果。对知识点的内容进行模块化处理，可以帮助学生了解哪些是基础知识，哪些是需要扩展和探索的内容，为将来深入学习打下基础，同时也有助于教师及时了解学生对知识点的掌握程度。对于难度跨度较大的章节，可以选用专题探讨式教学方法提升学生上课的兴趣、有效提高学生对知识点的理解程度，对于实践教学环节，选用商务智能和数据挖掘软件帮助学生理解方法的应用。随着数据挖掘、云计算、大数据的发展，数据挖掘类课程的课时量、实践教学环节都会在教学计划调整过程中增加，对教学内容的模块化分类以及相应的授课方式的研究成果仍可继续发挥作用，并进行更深入的研究和实践。

作者：胡敏单位：北京信息科技大学信息管理学院