石胜飞-《数据挖掘》课程教学方法探索-哈工大
2024级《专业导论》课程教学大纲
《专业导论》课程教学大纲课程编码：12024008 开课部门：信息工程学院英文名称：Introduce to Computer 适用年级：2024适用专业：计算机科学与技术适用方向：无课程属性：专业基础课程学分学时：1学分，支配16学时编写人：李晓蕾审核人：何广军一、课程概述(一)课程的性质地位《专业导论》是计算机科学与技术专业的一门专业基础课。
本课程担负着引导学生进入计算机科学技术大门的重任，是引领计算机学生进入计算机科学与技术学科的“导游图”。
(二)课程的基本理念以学生学问、实力、素养协调发展为目标，突出学生为主体，重视实力培育和素养培育。
课程内容涉及计算机科学的方方面面，但着重讲解的是基本概念而不是数学模型和技术细微环节，要求做到“广度优先，广而不细＂。
课程侧重点在于勾画计算机科学体系的框架，奠定计算机科学学问的基础，为今后深化学习计算机科学与技术专业中各专业理论及实践课程做好铺垫。
(三)课程设计思路用严密性方式将学生引入计算机学科各个富有挑战性的领域。
CC2024 报告要求该课程应讲授那些富有才智的、核心的思想。
还要充分考虑现代教化思想（如CDIO）及其在本学科教化中的应用。
因此在构建课程内容的同时,还要充分留意对学生实力的培育,以及强化学生对学问的载体属性的相识和利用。
本次课程内容设计时,以CCC2024 中课程提纲为依据,采纳CCC2024 举荐的课程设计方法,结合长期的教学实践,探究性地提出以实践阅历为主要内容的课程提纲。
教学方法手段：本课程实行专题讲座的形式，由本专业高职称、高学历的老师进行主题演讲。
1.案例教学：本课程应以实物（典型成果）为引导，呈现主题特色，直观说明主题所阐述的技术解决哪些问题，对社会有什么影响，在那些岗位上应用，将来在哪些方面可以有所突破。
2.自主学习式教学：本课程各主题所涉及的核心技术不宜过多，以2-3点为宜。
一方面，在讲清概念、介绍方法的基础上，让学生了解计算机技术的现状和发展。
哈工大数据挖掘课件-chapter_2
• A collection of attributes describe an object
– Object is also known as record, point, case, sample, entity, or instance
2013/9/16
Divorced 220K Single Married Single 85K 75K 90K
– Nominal:类型或标称变量
• 无大小之分，又无等级或次序之分，仅是一种标称或类别。 • 取值离散，可以用字符串型变量表示 • Exp.:性别、部门单位或颜色等
– Ordinal:顺序变量/序数变量
• 离散值, 其值尽管大小没有特定意义，但按照顺序排列。变量值之间的次 序是有一定意义的，打乱定义将产生错误 • Exp.: 名次、级别、职务等
GGTTCCGCCTTCAGCCCCGCGCC CGCAGGGCCCGCCCCGCGCCGTC GAGAAGGGCCCGCCTGGCGGGCG GGGGGAGGCGGGGCCGCCCGAGC CCAACCGAGTCCGACCAGGTGCC CCCTCTGCTCGGCCTAGACCTGA GCTCATTAGGCGGCAGCGGACAG GCCAAGTAGAACACGCGAAGCGC TGGGCTGCCTGCTGCGACCAGGG
HIT-DBLAB
12
ball
lost
pla y
wi n
Document 1 Document 2 Document 3
3 0 0
0 7 1
5 0 0
0 2 0
2 1 1
6 0 2
0 0 2
2 3 0
0 0 3
2 0 0
新工科背景下基于OBE理念的Python课程实践教学
新工科背景下基于OBE理念的Python课程实践教学作者：***来源：《无线互联科技》2024年第10期摘要：針对“Python语言编程”课程实践教学内容综合性不足、与学科专业实际项目结合度不高以及与前沿知识和先进技术脱钩等问题，文章结合OBE理念设计课程教学改革方案。
该方案从成果出发逆向构建实践教学内容3层体系，建立包含实际应用背景、多学科多领域问题以及前沿信息技术的Python案例资源库。
通过实践，该课程改革方案提高了学生的计算思维、综合应用与创新能力，改善了学习效果。
关键词：Python程序设计；OBE理念；新工科；实践教学中图分类号：TP311.1文献标志码：A0 引言与传统工科培养具备专业技能的工程师不同，教育部自2017年推进新工科建设以来，对高校培养创新能力、跨学科知识以及国际化素养的工程技术人才提出了更高的要求。
在“Python语言编程”课程教学中，通过案例和项目探究学习和构建编程思维是培养学生多元综合能力和创新意识的重要途径[1]。
近年来，产出导向教育（Outcome Based Education，OBE）因其以最终成果为导向的工程教育模式所具有的良好效果，已被广泛应用于教学改革实践[2]。
因此，Python实践教学也要适应新形势的要求，主动变革，将以学生成果产出的OBE理念与Python实践教学相结合，以培养学生的科学计算思维、动手实践能力以及创新意识[3]。
1 传统教学存在的问题现有“Python语言编程”课程教学模式主要以“教师讲授+学生平台操作”为主，注重对高级语言程序设计基础语法的验证。
该模式主要存在以下问题。
1.1 Python实践教学内容综合性不足目前，教学内容偏向基础语法演示与验证，程序流程、函数、模块与库等知识点独立分散，案例来源比较单一，学生难以形成系统分析、设计和解决问题的能力。
1.2 实践内容与学科专业实际项目结合度不高计算机科学与技术、数据科学与大数据技术和人工智能等专业的学生专业课主要开设在大二至大三学年，此时“Python语言编程”已经结课，前期程序设计实践环节缺少学科相关案例。
OBE理念下数据挖掘基础课程教学模式探索
OBE理念下数据挖掘基础课程教学模式探索作者：宋振宇严雪梅江敏来源：《电脑知识与技术》2021年第29期摘要：数据挖掘基础课程是计算机科学与技术专业中一门重要的核心课程，是“新工科”背景下的一门新兴课程，也是研究生阶段的一门前期课程和人工智能领域重要的科学研究方向。
本文通过分析该课程在教学过程中存在的问题，基于问题发现数据挖掘基础课程的教学方法和教学模式相对滞后。
在OBE理念模式下对该课程的教学方法和模式进行了探索和改革，让教学效果质量稳步提升，在该模式下从学生出发使得教学目标更加明确。
关键词：数据挖掘;OBE;教学模式中图分类号：G424 文献标识码：A文章编号：1009-3044（2021）29-0194-03随着国家大数据方针战略的实施，数字中国进一步得到了实现。
物联网，车联网，人工智能，智慧城市等等一系列新兴的词汇常在我们生活中出现。
大数据给人们带来了很多的资源和有用的信息，数据对人们来说是富有的，但有用的信息却是贫乏的，或者是很难得到的。
数据挖掘是近十年来比较火热的研究方向，在绝大多数应用型本科高校都开设了数据挖掘相关的课程，目的是给本科学生普及智能处理数据和提取有用知识方法的同时，让当代大学生更进一步了解国家先进的战略方针。
作为计算机科学与技术专业的新兴核心的必修课程，数据挖掘基础的教学改革显得尤为重要。
在OBE理念的教学模式下的《数据挖掘基础》应该更顺应时代的快速发展，导入优秀的新颖的教学模式和完善的教学方法，让学生运用计算机的知识来实现创新性思维的锻炼，最终能够培养学生提出问题、分析问题和解决问题的能力。
1 OBE理念OBE（Outcomes-Based Education）是一种基于学习产出成果导向的基础教育改革的理念模式。
最早出现在二十世纪八十年代，是由澳大利亚和美国的学者率先提出的基础教育改革方案[1]。
该方案经过几十年的发展和完善，被教育界普遍采用，同时得到了社会广泛认可。
数据挖掘的算法逻辑-概述说明以及解释
数据挖掘的算法逻辑-概述说明以及解释1.引言1.1 概述数据挖掘是一种通过发现并提取隐藏在大量数据背后的有用信息和模式的方法。
在现代信息时代，我们面临着大量的数据积累，这些数据包含着宝贵的知识和见解。
然而，由于数据的庞大和复杂性，直接从中提取出有用的信息变得异常困难。
数据挖掘的出现为我们提供了解决这个难题的有力工具。
它通过应用统计学、人工智能和机器学习等方法，发掘数据中隐藏的模式和关联规则，帮助我们理解和解释数据，并从中获取有价值的信息。
通过数据挖掘，我们可以发现数据的潜在规律，预测未来的趋势，优化决策，改善业务流程以及提升绩效。
数据挖掘的算法逻辑是指实现数据挖掘任务所采用的算法和方法的逻辑过程。
它包含了一系列的步骤和技术，如数据预处理、特征选择、模型构建和评估等，旨在从海量的数据中提取有用的信息。
不同的数据挖掘算法逻辑在处理不同类型的数据和解决不同的问题时展现出不同的效果和性能。
本文将系统地介绍数据挖掘的算法逻辑。
首先，我们将回顾数据挖掘的基本概念，包括数据挖掘的定义、目标和应用领域等。
然后，我们将详细介绍数据挖掘的算法分类，将常用的数据挖掘算法按照不同的技术、任务和方法进行划分和分类。
最后，我们将深入探讨每种算法逻辑的具体实现过程和相应的应用示例，以加深对数据挖掘的算法逻辑的理解。
通过本文的阅读，读者将能够全面了解数据挖掘的算法逻辑，并掌握应用不同算法解决实际问题的能力。
同时，本文还将展望数据挖掘的未来发展趋势，并提出了进一步研究的方向和建议，以推动数据挖掘技术的不断创新和应用。
1.2 文章结构本文将围绕数据挖掘的算法逻辑展开详细的论述。
文章主要分为三个部分：引言、正文和结论。
引言部分将首先给出数据挖掘的概述，介绍数据挖掘的基本概念以及其在实际应用中的重要性。
接着，会对整篇文章的结构做出说明，为读者提供一个整体的概览。
最后，明确本文的目的，即通过介绍数据挖掘的算法逻辑，使读者对此有更深入的理解。
2011年度黑龙江省教育科学研究拟立项课题名单
基于“校地合作”的应用型人才培养与“益地”服务研究 书刻造型艺术教学与文化产业开发研究 新医改视角下面向社区卫生人才培养模式的研究 面向装备制造业的跨学科创新型紧缺人才培养模式综合改革的研究 大学体育精品课程建设和教学改革的研究与实践 中国民族民间舞教学技能训练研究 开放式探究性实验教学新模式探索与实践——以遗传学实验教学为例 高校大学生学业成就和综合素质评价研究 野生动物与自然保护区管理专业分类教学改革的思考与探索 农林经济管理类实践创新人才培养机理与模式改革研究 大学生责任心与人格的关系研究 我国高校廉政建设预警模型研究 基于校企融合的林业与木工机械专业应用型创新人才培养模式的研究 区域大学特色建设转型及对策的研究 黑龙江省“落地”农业法律人才培养模式研究 突出能力培养的农业水利工程专业人才培养模式改革研究 动物营养与饲料科学实验教学模式的探索与实践 基于仿真职业环境下黑龙江省传媒人才创意型课程体系建设与培养研究 化学实验无纸化网上考试系统软件研制及应用研究 基于默会知识视角下的会计学研究生科研创新能力培养研究 农业院校校企合作产学研体制与机制的研究 黑龙江省普通高校体育舞蹈的发展状况与对策研究 动物医学本科生科研能力培养与实践 基于建构主义理论的以能力为本位的情境式教学在农业应用型人才培养中的研究与实
省教育厅规划课题 高等农业院校建立学生计算思维能力培养体系的研究 省教育厅规划课题 加强理工科大学生艺术教育的研究与实践 省教育厅规划课题 面向石油行业的力学专业拔尖创新人才培养模式改革 省教育厅规划课题 基于多媒体网络平台的大学英语听说多维立体化教学新模式的构建 省教育厅规划课题 基于人力资本价值的高校教师激励机制创新研究 省教育厅规划课题 音乐表演专业视唱练耳分级教学系统的构建研究 省教育厅规划课题 基于创新型国家建设的创新人才培养模式研究 省教育厅规划课题 环境工程专业培养“落地”人才的对策和实践研究
我国高校新工科建设与教育模式创新实践的探索与思考
99计算机教育Computer Education第 2 期2021 年 2 月 10 日文章编号：1672-5913(2021)02-0099-05中图分类号：G642新工科与课程建设0 引 言近年来，新一轮世界科技革命和产业变革，尤其是新一代信息技术革命，引发了新产业、新业态、新经济的变革，也引发了全球高等工程教育的变革。
为了应对这种变化和对卓越创新人才的需求，我国不失时机地推动了新工科建设与工程教育改革行动。
2017年，教育部提出了“新工科”发展战略[1-2]，推动了新工科建设“复旦共识”“天大行动”“北京指南”三部曲。
国务院发文明确提出，“适应新一轮科技革命和产业变革及新经济发展，促进学科专业交叉融合，加快推进新工科建设”[3]。
“新时代全国高校本科教育工作会”进一步推动了新工科建设，“卓越工程师教育培养计划2.0” 等计划政策相继出台，各高校纷纷响应并迅速行动起来，产学合作协同育人项目、现代产业学院、未来技术学院、跨学科的研究院与新工科专业等新形态不断推出，一场“新工科运动”在中国如火如荼地进行着，正在形成工程教育的“中国模式”[4]。
我国高校新工科建设与教育模式创新实践的探索与思考徐晓飞1, 2，沈 毅1，钟诗胜2（1.哈尔滨工业大学，黑龙江 哈尔滨 150001；2.哈尔滨工业大学（威海），山东 威海 264209）摘 要：分析与总结我国高校开展新工科建设的新理念与新模式及其经验，以哈尔滨工业大学为例，介绍新工科建设方案与实践经验，并对我国深化新工科建设与高等工程教育改革的问题提出几点思考与建议。
关键词：新工科；教育模式；产学研融合；多学科交叉；创新创业；新工科“Π型”方案第一作者简介：徐晓飞，男，哈尔滨工业大学副校长兼威海校区校长，教授，教育部高等学校软件工程专业教学指导委员会副主任，教育部高校教学信息化与教学方法创新指导委员会副主任，教育部新工科建设工作组成员，研究方向为软件服务工程、服务计算、企业智能计算、软件工程等，***************.cn。
哈工大软件学院2009级本科生毕业设计(论文)结题验收 …
上海爱数软件公司
9 1093710212 胡艳涛 企业实习
美国多核技术有限公司
10 1093710615 张慧杰 企业实习
腾讯科技有限公司
11 1093710105 初凯 企业实习 上海汉得信息技术股份有限公司
12 1093710313 赵原 企业实习
神州数码
13 1093710303 兰肖鲁 企业实习
区镇翔
郭勇 集中采购费用大区分解系统的设计与实现
17 1093710403 马如林 企业实习 北京神州数码控股有限公司
王秀凯 黄虎杰 基于domino的差旅管理系统的设计与实现
18 1093710614 王太祥 企业实习 上海汉得信息技术股份有限公司 商云方 黄虎杰 某厂物料管理系统条码管理子系统的设计与实现
祝家军
李东 校园社区网站的设计与实现
22 1093710123 荆益洲 企业实习
上海探能实业有限公司
康明星
李剑 探能平台网站的设计与开发
结题类别 分组及时间安排
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题
正常结题 正常结题 正常结题 正常结题
第1组： 2013.06.18（周二）
正常结题
李瑜 基于用友NC V6.0的文件管理平台的设计与实现
正常结题
李瑜 基于DIGIFLOW V7平台的财务解决方案模块设计与实现
正常结题
李瑜 基于domino的绩效考核系统的设计与实现
正常结题
李瑜 虚拟机资源管理系统的设计与实现
正常结题
刘曙 大学生课程辅助系统的设计与实现
正常结题
新课改背景下构建高中数学高效课堂的途径
新课改背景下构建高中数学高效课堂的途径吕兴千(哈尔滨市第三中学校ꎬ黑龙江哈尔滨１５００００)摘㊀要:随着新课程改革持续稳定的推进ꎬ教师应该将构建高效课堂的任务落到实处ꎬ并从知识㊁技能㊁情感㊁素养㊁品质等多个维度促进学生的全面发展ꎬ提升学生综合能力.教师在实际的教学环节应该切实认识到高中数学高效课堂构建的重要意义ꎬ并尝试开辟新思路ꎬ寻求新方法ꎬ探索新模式ꎬ致力于提升高中数学教学的有效性.关键词:新课改背景ꎻ高中数学ꎻ高效课堂ꎻ教学实践中图分类号:Ｇ６３２㊀㊀㊀文献标识码:Ａ㊀㊀㊀文章编号:１００８－０３３３(２０２３)２１－００２０－０３收稿日期:２０２３－０４－２５作者简介:吕兴千(１９８１.１０－)ꎬ本科ꎬ中学高级教师ꎬ从事高中数学教学研究.基金项目:本文系黑龙江省教育学会２０２０年教育科学研究规划课题 高中课堂教学改革与创新研究 研究成果(课题编号:ＸＨＮＹ２０２０－０２６)㊀㊀当前ꎬ教师在教学过程中还是以灌输教育为主ꎬ课堂的互动性较差ꎬ学生往往处于被动的学习状态ꎬ对于知识的消化吸收不到位ꎬ这无疑会降低学生对数学学习的兴趣ꎬ消磨学生的数学学习动力ꎬ难以落实高效课堂的构建目标.新课标强调教师应该以全新的教学理念和教学模式推动高中数学教育事业的新发展ꎬ奠定学生学习主体地位ꎬ让学生在积极思考㊁积极探索和积极实践的过程中拓展学习空间ꎬ切实把握数学知识ꎬ探究数学规律ꎬ掌握数学本质.１新课改背景下构建高中数学高效课堂的重要意义㊀㊀教育的根本任务是立德树人.具体应该以培养学生的核心素养为导向ꎬ贯彻落实以生为本的教育理念ꎬ将知识㊁能力㊁态度㊁价值观进行有机结合ꎬ相互渗透融合ꎬ推进学生的全面发展.而高中数学作为基础教育的有机组成部分ꎬ教师应该积极迎合新课程改革的浪潮ꎬ跟随新课程改革的步伐ꎬ促进高中数学教学的改革ꎬ落实高效课堂的构建ꎬ其重要意义主要可以从以下几个方面着手分析[１].其一ꎬ有助于引领学生的数学学习兴趣.高中阶段是学生成长发展的关键时期ꎬ是人生重要的转折点.传统的高中数学课堂中ꎬ教师往往以提升学生的成绩为主要目的.因此教师的教学模式相对落后ꎬ教学侧重点有失偏颇ꎬ主要围绕着重点㊁考点知识ꎬ以讲解㊁灌输为主ꎬ忽视学生的内在发展需求.但随着教学改革的不断推进ꎬ教师以构建高效的课堂为目标ꎬ不断对教学内容进行优化调整ꎬ改革创新ꎬ立足于学生的发展ꎬ以学生喜闻乐见的教学活动为载体ꎬ引领学生积极参与到整个课堂中ꎬ成为课堂的主人.在实践学习探索的过程中ꎬ找到适合自己的学习方法ꎬ形成良好的学习习惯ꎬ不断拓展深度和广度ꎬ在学习的过程中体会学习的乐趣ꎬ以此保持动力的持续性ꎬ让教师的教和学生的学更有意义.其二ꎬ有助于推进高中数学教育事业的良好发展.高中数学是高中阶段重要的教学课程ꎬ而想要取得良好的数学教学效果ꎬ教师应该积极构建高质㊁高效的数学课堂.基于此ꎬ教师应该在先进教学理念的引导之下ꎬ关注学生核心素养的培养ꎬ突破传统教学模式的桎梏ꎬ对教学手段进行优化调整㊁改革创新ꎬ０２不断强化与时俱进的能力和教学能力ꎬ成为推进高中数学教育事业良好发展的内在驱动力量[２].２新课改背景下构建高中数学高效课堂的途径２.１课堂激趣导入ꎬ激活学生思路良好的课前导入是成功的一半.在高中数学课堂教学中ꎬ良好的课前导入是构建高效课堂的基础ꎬ对高效课堂的构建起着重要作用.基于此ꎬ教师要切实关注学生的兴趣ꎬ以学生喜闻乐见的内容切入课堂ꎬ激活学生的好奇心ꎬ集中学生的注意力ꎬ让学生能够将目光聚焦于课堂学习内容ꎬ提升学生的课堂参与度ꎬ调动学生的学习积极性.通常情况下ꎬ教师可以借助实事中的热点新闻或者生活中的实例等等切入教学.比如以人教版高二数学 椭圆 这一模块知识为例.教师可以以 神六 引入新课ꎬ借助多媒体辅助教学ꎬ以图片的形式给学生展示神舟六号飞船成功发射和运行轨道ꎬ又或者教师可以以生活中 揉面团 的实例导入新课教学ꎬ借助计算机课件模拟演示将 圆面团 压成 椭圆面团 的过程.在这一系列教学环节中ꎬ学生能够直观地㊁形象地感知椭圆ꎬ然后教师可以让学生基于画圆的方法类比出画椭圆的方法:将细绳的两端固定在硬纸板上的Ａ和Ｂ这两个点ꎬ当绳子大于两点间的距离时ꎬ则可以用铅笔把绳子拉紧ꎬ在硬纸板上慢慢地移动ꎬ画出一个椭圆ꎬ教师可以给学生提供课前环节准备好的各种工具:硬纸板㊁细绳㊁铅笔ꎬ组织学生一起参与到画椭圆的过程中ꎬ学生自己动手画圆ꎬ切身体验ꎬ以此激发学生的学习兴趣ꎬ激活学生的学习动力.２.２借助多媒体ꎬ丰富教学情境在传统的课堂教学中ꎬ教师往往以理论教学为主.虽然高中阶段的数学知识比较抽象ꎬ学生的消化吸收情况不够理想ꎬ但随着教学改革的不断推进ꎬ学校内部的整体教学设施也在不断地完善ꎬ教室中配备了多媒体设备ꎬ这为教师的教学策略提供了更多的可能性.教师应该会用㊁善用㊁巧用多媒体技术ꎬ构建多媒体课堂ꎬ创设丰富的教学情境ꎬ增强学生的直观感受.比如以人教版高二 基本立体图形 这一模块知识为例ꎬ首先在课前导入环节ꎬ教师可以基于情境创设的方式ꎬ给学生展示常见的多面体:棱柱㊁棱锥㊁棱台ꎬ然后提出问题:常见的旋转体有哪些?又有什么样的特点?基于问题的引导ꎬ学生自由地发言ꎬ而教师在这一环节ꎬ不要针对学生的回答做出具体的判断ꎬ而是要引导学生展开进一步的观察和探究.然后教师可以组织学生预习课本ꎬ通过播放课件的方式给学生展示具体的问题ꎬ创设问题情境.问题如下:旋转体包括哪些图形?圆柱㊁圆锥㊁圆台㊁球ꎬ它们各自的定义是什么?分别有什么样的结构特点?简单组合体是指的什么?又有什么样的特点?在问题创设的基础之上ꎬ教师可以组织学生以小组为单位ꎬ在组内进行交流㊁互动㊁商讨ꎬ最终选择代表回答问题.通过这一环节切入新课教学ꎬ引领学生开展新知探究.接着教师可以借助多媒体ꎬ给学生展示圆柱㊁圆锥㊁圆台㊁球等生活中的实物图形ꎬ让学生对于常见的旋转体形成形象化㊁具象化的认知ꎬ引导学生对于旋转体的结构特点展开深入的探讨.最后教师则可以给学生展示平行六面体㊁四面体㊁直棱柱㊁棱台㊁棱锥㊁棱柱㊁长方体㊁多面体ꎬ让学生基于各类几何体之间的关系ꎬ用Ｖｅｎｎ图表示出来ꎬ借助投影仪在课堂上进行展示.在这一系列教学过程中ꎬ教师将多媒体技术运用于不同的教学环节ꎬ引领学生在情境中展开观察㊁动手㊁实践㊁操作ꎬ加强对立体图形的感性认知和直观了解ꎬ反复经历实物 立体图形的过程ꎬ最终升华到理性的高度ꎬ发展学生的空间观念ꎬ提升学生的直观想象能力和数学抽象思维ꎬ提高高中数学教学的效率和质量[３].２.３设计问题串ꎬ拓展思维空间俗话说: 学而不思则罔ꎬ思而不学则殆. 在学生数学学习过程中ꎬ有疑问才会有思考ꎬ有思考才会有探索ꎬ有探索才会有成长㊁提升和发展.基于此ꎬ在高中数学课堂教学中ꎬ教师要注重培养学生的问题意识ꎬ强化学生的批判精神㊁质疑能力.通常情况下ꎬ教师可以以课堂提问切入教学ꎬ在环环相扣层层递进的问题中引领学生加强思考探索互动ꎬ在问题的引领之下ꎬ拓展数学学习的深度ꎬ启迪学生的智慧ꎬ激发学生的思维ꎬ让学生在解决问题的过程中构建体系化的思维认知ꎬ形成模块化的知识结构.１２比如以人教版高一数学 三角函数的图像与性质 这一模块知识为例ꎬ教师首先要加强对学生实际学情的分析ꎬ这一阶段的学生具备了一定的分辨能力㊁语言表达能力ꎬ初步形成了辨证思维.基于此ꎬ教师在整个教学过程中ꎬ可以以问题切入教学ꎬ引导学生用联系的观点看待问题ꎬ用数学的思维解决问题.教师提出问题:正弦和余弦函数有哪些性质?俗话说ꎬ条条大路通罗马.在之前的教学阶段研究函数都是借助函数图像探究函数的性质ꎬ而在这一教学环节ꎬ教师则可以引导学生基于函数的性质研究函数的图像ꎬ引导学生以全新的思维和独特的视角展开三角函数的图像和性质的学习.教师可以展开提问:你能尝试利用正切函数性质画出图像吗?通过观察正切函数图像ꎬ你认为哪些点和线是关键性的?基于问题的导向价值ꎬ学生可以根据正切函数的性质理性分析ꎬ在小组合作探究的过程中ꎬ运用现代化信息工具ꎬ尝试画出正切函数图像ꎬ并且根据图像观察出用三点两线法画简图ꎬ探究正切函数图像性质ꎬ以此强化学生的自主探索能力ꎬ培养学生的创新精神㊁合作精神.最后教师可以给出具体的例题ꎬ让学生求函数的定义域㊁周期和单调性ꎬ学生结合具体的例题ꎬ明确解题步骤ꎬ采用类比方法得出最终的答案.在这一系列教学过程中ꎬ教师以问题串为主线ꎬ引领学生加强对正弦函数性质㊁余弦函数图像㊁正切函数图像和性质的应用等相关知识的探讨ꎬ学生主动思考㊁主动发现㊁亲历知识的形成过程ꎬ能够体会到探索数学知识的乐趣和成就感ꎬ让学生快乐的学习数学ꎬ同时又能够强化学生的想象能力㊁创新能力ꎬ激发学生的数学学习潜能ꎬ提升学生的学科素养[４].２.４渗透数学文化ꎬ丰富教学底蕴数学文化源远流长ꎬ博大精深ꎬ是我国灿烂文化中的一朵奇葩.数学文化既包括数学精神㊁数学方法㊁数学观点㊁数学语言㊁数学思想ꎬ同时也涵盖了数学文化的整个发展历史.在新课改背景之下ꎬ教师要注重教学内容的优化调整㊁拓展教学深度ꎬ增大教学容量ꎬ丰富课堂底蕴ꎬ加强对教材内容的深度挖掘探索ꎬ提取其中的文化要素ꎬ创设轻松㊁愉悦的教学环境ꎬ营造浓厚的数学文化氛围ꎬ带给学生潜移默化的影响ꎬ在春风化雨㊁润物无声的过程中ꎬ塑造学生的数学品格ꎬ陶冶学生的情操ꎬ提升学生的思想境界ꎬ让学生真真切切地感觉到中华传统数学文化的魅力和底蕴.例如以人教版高一 统计 这一模块知识为例ꎬ统计主要是对数据进行收集㊁整合㊁分析ꎬ以此提供重要的依据ꎬ在这一知识领域中蕴藏着丰富的数学思想.比如统计往往是基于样本去估计总量ꎬ运用具有代表性的一部分去估算整个整体ꎬ再得出整体的情况ꎬ进而解决实际的问题ꎬ这一过程运用了转化与化归的思想方法.另外ꎬ在统计中ꎬ通过获取科学的样本对样本数据进行整理㊁分析ꎬ通常会以更直观的统计图对分布情况㊁数据的变化趋势㊁变量之间的关系进行构建ꎬ使用了数形结合的数学思想.这些都是伟大的数学家在长期的实践探索中所得出的结晶.基于数学文化与数学课堂中的融合渗透ꎬ有助于引领学生对数学文化的探究热情ꎬ发展学生的学科素养ꎬ使得课堂教学达到事半功倍的效果[５].３结束语总而言之ꎬ在新课改背景下ꎬ构建高效的高中数学课堂是教师的重要任务和使命ꎬ教师应该遵循以生为本的教育理念ꎬ积极尝试从课堂激趣导入ꎬ激活学生思路ꎻ借助多媒体ꎬ丰富教学情境ꎻ设计问题串ꎬ拓展思维空间ꎻ渗透数学文化ꎬ丰富教学底蕴等多个维度着手ꎬ让教师教的效果和学生学的效果都获得新的突破㊁提升和飞跃ꎬ使得整体的课堂教学质量最优化.参考文献:[１]甄西龙.试析新课改背景下如何构建高中数学高效课堂[Ｊ].试题与研究ꎬ２０２１(３０):９－１０.[２]周鑫.新课改背景下高中数学高效课堂教学策略[Ｊ].数学学习与研究ꎬ２０２０(０７):３３.[３]韩建伟.新课改背景下如何提高高中数学课堂的教学效率[Ｊ].考试周刊ꎬ２０２０(２３):７７－７８.[４]王敬全.浅谈新课改背景下高中数学高效课堂教学模式研究[Ｊ].新课程导学ꎬ２０１９(３３):６６.[５]张政法.新课改背景下高中数学课堂活动探究[Ｊ].数理化解题研究ꎬ２０１９(２４):３６－３７.[责任编辑:李㊀璟]２２。
关于数据挖掘课程教学探索
数 据 挖 掘 技 术 一 般 是 指 从 海 量 的 数 据 中 ，通 过 自动 识 别 ， 检 索 出隐 藏 在 这 些 数 据 中 ，具 有 某 种 特 殊 联 系 的信 息 的 过 程 。 它 包 含 了 数 据 收 集 、数 据 创 建 、数 据 管 理 、 数 据 的 分 析 、产 生 价 值 信 息 的过 程 。 涉 及 到 数 据 库 知 识 、数 理 统 计 学 、信 息 检 索 、 数 据 建 模 、模 式 识 别 、系 统 自学 习 等 多 领 域 多 专 业 的 知 识 。在 高 校 中要 将 该 技 术 很 好 地 教 授 给 学 生 ，就 需 要 精 心 安 排 教 学 计 划 ．合 理 编 排 教 学 内 容 ， 才 能 更 好 提 高 学 生 学 习
（ １ ． Ｎａ ｎ ｊ ｉ ｎ ｇ Ｅ ｎ ｇ ｉ ｎ ｅ ｅ ｒ ｉ ｎ ｇ Ｖｏ ｃ ａ ｔ ｉ ｏ ｎ ａ ｌ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ， Ｎ ａ ｎ ｊ ｉ ｎ ｇ ２ １ １ １ ３ ５， Ｃ ｈ ｉ ｎ ａ ； ２ ． Ｚ Ｔ Ｅ Ｓ ｏ ｌ ｆ Ｔ ｅ ｃ ｈ ｎ ｏ ｌ ｏ ｇ ｙ Ｃ Ｏ． ， Ｌ Ｔ Ｄ， Ｎａ ｎ ｊ ｉ ｎ ｇ ２ １ １ １ ５ ３， Ｃ ｈ ｉ ｎ ａ ）
ｔ ｉ ｖ ｉ ｔ ｉ ｅ ｓ ｆ ｒ ｏ ｍ ｔ ｅ ｃ ｈ ｎ ｉ ｃ ａ ｌ ｆ ｅ ａ ｔ ｕ ｒ ｅ ｓ ｏ ｆ ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ ， ｗｈ ｉ ｃ ｈ ｃ ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｓ ｔ ｕ ｄ ｅ ｎ ｔ ｓ ａ ｂ ｉ ｌ ｉ ｔ ｉ ｅ ｓ ａ ｎ ｄ ｅ ｎ ｈ ａ ｎ ｃ ｅ ｔ ｅ ａ ｃ ｈ ｉ ｎ ｇ ｅ ｆ ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ． Ｋｅ ｙ ｗｏ ｒ ｄ ｓ ：ｄ ａ ｔ ａ ｍｉ ｎ ｉ ｎ ｇ； Ｓ ＡＳ ； ｔ ｅ ａ ｃ ｈ ｉ ｎ ｇ； ｄ ａ ｔ ａ ｗａ ｒ ｅ ｈ ｏ ｕ ｓ ｅ
《大数据分析与挖掘》课程教学大纲.doc
《大数据分析与挖掘》课程教学大纲一、课程基本信息课程编号：课程名称：大数据分析与挖掘英文名称：课程学时： 48课程学分：3开课单位：计算机科学与技术学院授课对象：计算机科学与技术专业，计算机大类专业开课学期：先修课程：二、课程目标数据挖掘是一门新兴的交叉性学科，涵盖了数据库、机器学习、统计学、模式识别、人工智能以及高性能计算等技术。
开设本课程的目的，是使学生全面而深入地掌握数据挖掘的基本概念和原理，掌握常用的数据挖掘算法，了解数据挖掘的最新发展、前沿的数据挖掘研究领域、以及数据挖掘技术在不同学科中的应用。
课程具体目标如下：课程目标1：能够设计并实现大数据平台下的数据挖掘系统。
了解由工程问题，到建模、再到数据挖掘算法设计的问题求解思维模式。
具有将数据挖掘算法应用于具体工程的能力；课程目标2：掌握大数据预处理、关联规则、分类以及聚类技术，并能够在主流大数据平台上实现；课程目标3：具备较强的学习最新数据挖掘领域研究成果的能力；能够分析和评价现有研究成果的问题与不足，并能够提出自己独立见解的能力；课程目标4：能够撰写系统设计方案和阶段性技术报告，能够组织和协调项目组的工作，与成员进行交流与沟通。
三、课程目标与毕业要求对应关系四、课程目标与课程内容对应关系实验大纲：五、课程教学方法本课程教学将结合大班讲授、小班项目研讨、项目开发以及交流与答辩的形式。
大班讲授主要培养学生对各种核心技术的掌握。
小班项目研讨用来训练学生们沟通与交流的能力，同时提高对系统进行评价的能力。
通过指导学生实现课堂上讲授的算法，学会比较各个算法的性能差异，激发学生的研究和创新兴趣。
六、课程考核方法七、主要教材与参考书（黑体、小四、加粗、行距20磅）1.《大数据分析与挖掘》纲撰写人：石胜飞。
浅谈自动化类专业基础课“金字塔型”教学模式
浅谈自动化类专业基础课“金字塔型”教学模式作者：金学波张慧妍来源：《黑龙江教育·高校研究与评估》2021年第07期摘要：自动化类专业基础课教学面临着“教”与“学”之间诸多矛盾，針对这些矛盾，文章以“自动控制原理”为例，构建了由教学环节、练习环节及提高环节组成的“三维立体化金字塔型”教学模式，教学实践表明，学生在“自动控制原理”的学习中，理论和实践方面得到了不同程度的提高，在培养学生学习习惯、兴趣方法等方面取得了明显的实效。
关键词：教学方法;教学模式;自动控制原理;理论学习;实践学习中图分类号：G642 文献标识码：A 文章编号：1002-4107（2021）07-0071-03随着高等教育的普及化和大众化，寻求高效、科学的教学方法已经是近年来教学研究的热点话题。
对于自动化类专业来说，信息科学的发展对课程内容的要求越来越高，5G网络、物联网、人工智能等新技术更是要求自动化类专业学生具有较高的学科融合能力，利用多媒体技术、仿真工具的教学方法应运而生，在教学中起到了至关重要的作用[1-2]。
然而，对于专业基础课来说，学生不动笔练习、教师在课堂上没有板书讲解并通过详细步骤演示习题的解法对学生学习带来极大的弊端：学生不具备灵活运用微积分、复变函数等数学基础知识解题的能力，造成“看看就会，其实不会”的现象，更为严重的是，造成了许多学生对基础理论的淡化意识，甚至厌烦、抵制学科基础理论的学习。
因此，专业基础课的教学既不同于基础课，也不同于专业课，在理论教学和实践教学两方面都需要加强，在教学方法、手段上既不能脱离多媒体等现代信息技术，也不能拘泥于这些方法，需要将传统的、现代的教学方法有机地结合起来，通过有效选择内容和方法，既可以快速传递大量的信息，对于核心理论内容还要“慢下来”“细下来”“沉下来”，以达到“既打下坚实的理论基础，又引导专业知识与兴趣”的目的。
针对自动化类专业重要的专业基础课，“自动控制原理”的教学方法研究一直是教学研究的热点话题，研究者对教学方法、教学内容、实践性环节及与其他课程的关系等进行了广泛深入的研究[3-6]。
哈工大数据挖掘课件-chapter_6
Architecture: Stream Query Processing
SDMS (Stream Data Management System)
• • • • • • • • • •
Transient streams Continuous queries Sequential access Bounded main memory Historical data is important Real-time requirements Possibly multi-GB arrival rate Data at fine granularity Data stale/imprecise Unpredictable/variable data arrival and characteristics
HIT-DBLAB
HIT-DBLAB
12
2
Challenges of Stream Data Processing
• Multiple, continuous, rapid, time-varying, ordered streams • Main memory computations • Queries are often continuous
2013/3/8
HIT-DBLAB
5
2013/3/8
HIT-DBLAB
6
1
What is Data Streams
• 数据流
– 数据以不同的更新速率连续地流进和流出计算机系统
What is Data Streams
Synopsis in Memory Data Streams Stream Processing Engine (Approximate) Answer
从国内外著名大学看哈尔滨工业大学数学系本科生培养方案的修订
从国内外著名大学看哈尔滨工业大学数学系本科生培养方案的
修订
付永强
【期刊名称】《中国高新技术企业》
【年(卷),期】2009(000)002
【摘要】为了进一步深化教学改革,建构适应哈尔滨工业大学数学系培养目标要求的人才培养模式,努力培养适应社会和经济建设发展需求的具有创新精神的实用型合格人才,哈尔滨工业大学数学系拟对现行本科培养方案进行全面修订.文章参照美国哈佛大学(Harvard University)和麻省理工学院(Massachusetts Insdtute of Teclulology)以及国内清华大学和上海交通大学数学系本科生的培养方案对此进行了分析.
【总页数】2页(P190,189)
【作者】付永强
【作者单位】哈尔滨工业大学数学系,黑龙江,哈尔滨,150001
【正文语种】中文
【中图分类】G643
【相关文献】
1.硕士生培养方案修订的几个关键点——以北京工业大学教育学硕士生培养方案为例 [J], 肖念;关少化
2.药学、药物制剂专业本科培养方案的修订研究r——基于南京工业大学2015级
本科培养方案的修订 [J], 毛艳玲;李学明;孙千惠
3.情系工程学伴行"中国梦"r——记我国著名工程非线性振动专家、天津大学机械工程学院和r 哈尔滨工业大学航天学院教授、博导陈予恕院士 [J], 陈国辉
4.审核评估背景下的城乡规划专业本科培养方案修订探索\r——以哈尔滨工业大学为例 [J], 赵丛霞;衣霄翔
5.从稀疏到稠密从数学到应用——记哈尔滨工业大学特聘教授、数学系副主任马坚伟 [J], 徐赛
因版权原因，仅展示原文概要，查看原文内容请购买。
机器人工程专业课程建设与探索
机器人工程专业课程建设与探索作者：荣伟彬李瑞峰冯培连张福海王乐锋来源：《高教学刊》2022年第28期摘要：该文介绍机器人工程的专业背景和哈尔滨工业大学机器人工程专业的建设情况，对国外著名大学的机器人工程专业课程设置进行分析和总结。
在此基础上，建立具有自身特色的机器人工程专业课程体系，进一步梳理课程知识结构，并对机器人工程专业的教材建设提出建议，通过该文的研究，能够为机器人工程专业建设提供可以借鉴的实践经验，促进机器人工程专业的人才培养。
关键词：新工科;机器人工程;课程体系;知识结构;专业建设中图分类号：G642 文献标志码：A 文章编号：2096-000X（2022）28-0027-04Abstract： This paper introduces the background of robot engineering specialty and the specialty construction in Harbin Institute of Technology， and it analyzes and summarizes the curriculum in some famous universities abroad. Based on this， this paper constructs the curriculum system with self-features， combings the knowledge structure and gives the specific advice for the robot textbook construction. The work of this paper will provide practical experience for the specialty construction of robot engineering and promote the talent training of robot engineering.Keywords： emerging engineering education; robot engineering; curriculum system; knowledge structure; specialty constrution“中国制造2025”的主攻方向是智能制造[1]，智能制造的关键是机器人与智能装备。
头歌实践教学数据挖掘(3篇)
第1篇摘要：随着信息技术的飞速发展，数据挖掘技术已经成为当今社会的重要技术之一。
在头歌实践教学过程中，数据挖掘技术能够帮助我们更好地理解和分析数据，提高教学效果。
本文将从数据挖掘的基本概念、在头歌实践教学中的应用以及实施策略等方面进行探讨。
一、引言数据挖掘是指从大量数据中提取有价值信息的过程。
在头歌实践教学过程中，数据挖掘技术可以帮助教师和学生更好地理解教学数据，发现教学过程中的问题和不足，从而提高教学质量。
本文旨在探讨数据挖掘在头歌实践教学中的应用及其实施策略。
二、数据挖掘的基本概念1. 数据挖掘的定义数据挖掘是指利用统计学、机器学习、数据库等技术，从大量数据中提取有价值信息的过程。
它旨在发现数据中的规律、趋势和模式，为决策提供支持。
2. 数据挖掘的方法数据挖掘的方法主要包括以下几种：（1）关联规则挖掘：通过挖掘数据中的关联规则，发现不同属性之间的关系。
（2）分类挖掘：将数据分为不同的类别，预测新数据的类别。
（3）聚类挖掘：将相似的数据归为一类，发现数据中的自然分组。
（4）异常检测：识别数据中的异常值，分析其产生的原因。
三、数据挖掘在头歌实践教学中的应用1. 教学资源分析通过对教学资源的分析，可以了解教学资源的使用情况，为教学资源的优化提供依据。
例如，通过关联规则挖掘，发现哪些教学资源被学生频繁使用，哪些资源使用率较低，从而调整教学资源分配。
2. 学生学习行为分析通过对学生学习行为的分析，可以了解学生的学习特点、学习需求和存在的问题。
例如，通过分类挖掘，将学生分为不同的学习类型，针对不同类型的学生制定个性化的教学策略。
3. 教学效果评估通过数据挖掘技术，可以对教学效果进行评估。
例如，利用聚类挖掘，将学生按照学习效果分为不同的群体，分析不同群体之间的差异，为教学改进提供参考。
4. 教学资源推荐根据学生的学习特点和需求，利用数据挖掘技术为学生推荐合适的教学资源。
例如，通过关联规则挖掘，为学生推荐与其学习兴趣相关的课程、资料等。
Python数据分析与挖掘实战教学大纲教案
常用的分类与预测算法
如逻辑回归、决策树、随机森林、支持向量 机等。
分类与预测模型的应用案例
如信用评分、医疗诊断、股票价格预测等。
聚类分析与应用
聚类分析的基本概念
将数据划分为不同的组或簇，使 得同一组内的数据相似度高，不
同组间的数据相似度低。
常用的聚类算法
如K-means、层次聚类、 DBSCAN等。
用户画像构建
基于用户行为数据，提取用户特征，构建 用户画像，为后续的数据分析和挖掘提供 基础。
案例分析
数据准备与处理
模型构建与评估
收集金融交易数据，并进行数据清洗、特征 提取等操作，为模型构建提供数据基础。
运用机器学习算法，构建金融风控模型，并 对模型进行评估和优化，提高模型的准确性 和稳定性。
特征工程与模型优化
聚类分析的评价指标
轮廓系数、Calinski-Harabasz 指数、Davies-Bouldin指数等。
聚类分析的应用案例
如客户细分、图像分割、社交网 络分析等。
06 项目实战与案例 分析
项目实战：电商用户行为分析系统设计与实现
数据收集与预处理
通过爬虫技术收集电商网站用户行为数据， 并进行清洗、转换和规范化等预处理操作。
模型应用与部署
通过特征选择、特征变换等方法，提高模型 性能；同时，运用集成学习等技术，对模型 进行进一步优化。
将训练好的模型应用于实际金融交易中，实 现自动化风险识别和预警；同时，定期更新 模型以适应不断变化的风险环境。
案例分析
数据收集与处理
收集用户历史行为数据和物品信息 数据，并进行数据清洗和预处理等
案例分析
图像数据准备与处理
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
面向大数据：分布式数据挖掘算法
ü电商平台有上亿的用户和产品，每天产生百亿规模的
用户反馈数据。
ü每天有100亿规模的用户行为数据。如此超大规模的训
练数据，给分布式机器学习带来了巨大的挑战，也引 入了有趣的研究问题。
Ø数据与模型并行模式 Ø同步与异步算法简介 ØSpark ML经典算法简介
23
接触前沿：大数据挖掘新进展 Ø近两年，KDD、SIGMOD、ICDE、CIKM等学术
presented data
• Identify mechanisms (on-line aggregation, anytime behavior, interactive
visualization) to close the loop in the data mining process
• Describe why the various close-the-loop processes improve the effectiveness
较强
6
如何讲这门课？
• 从“教什么，就学什么”，转变到“我需要学什么？”
•
每个章节都给定一个小的实践任务和不同规模的数据集，在相关的课程中教 师讲解可能会用到的方法（课堂授课）。学生可以学以致用，或者根据参考
文献找到更好的方法（课下自学）。
• 从各个孤立的知识点学习，转变到“问题驱动的系统性学习”
《数据挖掘》
大数据方向课程教学方法探讨
哈尔滨工业大学 计算机科学与技术学院 石胜飞
课程体系中的先修课
基础课程 • 必修：机器学习/人工智能 专业核心 • 必修：大数据计算基础、大数据分析 本课程 • 数据挖掘：教什么？如何教？
2
课程内容的选择依据
Ø根据大学分系列课程的整体目标
ü目标：“典型大数据系统的设计、实现与分析” ü在系列课程Ⅰ《大数据计算基础》中，学生掌握了大数据计算系
• 数据预处理以及特征工程，学生掌握的参差不齐，通
过本课实例，系统介绍有关知识；
• 引导学生提出更多的特征，理解特征对于算法的重要
性
• 展示典型的数据分析(EDA)和特征工程方法
10
第1课（3）数据分析
11
第1课（4）缺失值填充
• Age：简单用平均数或者中位数、根据相关性分析选择最
相关的属性进行分组（聚类）后选择中位数等方法。
会议的相关研究成果
24
mining
• Evaluate methodological issues underlying the effective application of data
mining
• Identify and characterize sources of noise, redundancy, and outliers in
of data mining
5
课程总体思路
• 系统性地学习数据挖掘的基础理论、结合大数据环境下的实
践能力培养
• 以课程大纲为主线，运用不同的实例和开放数据集，贯穿数
据挖掘过程的各个环节教学
• 设立阶段性的任务（平时作业），强化对各个数据挖掘功能
的理解和实践能力
• 设立若干实验题目，完成比较完整的数据挖掘任务，综合性
• 从实际案例出发，以问题作为驱动，引出各个数据挖掘功能的介绍。
•
树立整体意识，懂得各个独立的功能，在实际应用中，是相辅相成，互相渗 透的
• 清楚：“学了那么多算法，我要用哪个更好？”
•
每个问题都会讲解若干个算法，要引导学生掌握各个经典算法的适用性，以 及影响算法性能的各个参数。突出大数据环境下如何提高系统的性能。
性、进一步熟悉各种模型的特点。
18
推荐算法：温故知新
Ø简单直观的：基于关联规则推荐的（复习相关算法） Ø进阶：协同过滤 Ø更进一步：ALS矩阵分解算法并行化（Spark实例）
19
流行框架：集成学习的深入理解
Ø实验：医疗数据预测
20
图挖掘：社会网络分析
21
异常检测：学以致用
Ø聚类、分类以及预测等算法都可以应用 Ø重点：统计方法、样本数据偏斜问题 Ø实验：金融欺诈检测
• “以赛代练”，强调实战能力，调动学生的积极性
• 阶段性任务以及实验项目，设定各种指标进行排名
7
课程内容安排（大纲与教学设计）
• 本课程的教学方式从实践出发，结合适量的数据挖掘
工程案例以及教学经验
• 以研究领域的公开数据集和相应研究问题为主线，深
入浅出地讲授数据挖掘过程中的有关任务：
8
第1课 “Hello World” 从一个经典的数据集开始 Titanic: Machine Learning from
Disaster
• 第一节课，不讲大数据，不讲数据挖掘的故事，直接上数据。 • 数据集规模小，可用的模型很多，容易入手。 • 教学目的：自然引入数据挖掘的全过程概念、了解学生的知识
结构与水平。
• 教学形式：教师演示的过程中，引导学生思考可能的方案。
9
第1课（2）：特征工程，真的精 通这门“艺术”吗？
统的概念与原理、具有一定的设计与开发的能力；
ü在系列课程Ⅱ《大数据分析》中，学生能够掌握大数据分析基础
知识，使用统计分析知识处理大数据分析的问题；
ü本课程，将以数据挖掘实践为驱动，选择并整合各阶段所需核心
知识，拓展学生解决数据挖掘问题的技能，并训练学生对算法进 行灵活选择、改进以及创新的能力。
Ø根据本领域的知
•
Curricula
Learning Outcomes:
2013
• Compare and contrast different conceptions of data mining as evidenced in
both research and application
StratifiedKFold…）
Ø模型参数的选择与优化
15
入门之后，学会自己获取数据
Ø之前接触的训练数据都是给定的，在实际应用中，往往
需要自行获取数据，并建立适当的特征
Ø体育比赛结果预测，往往需要大数据的支持 Ø秋季学期，NBA常规赛事恰好开始了…
17
第2课：NBA结果预测
Ø挑战：数据获取(NBA 官网、媒体数据…) Ø特征工程：没有标准答案，有利于学生发挥 Ø评价：每周NBA比赛结果预测准确率！ Ø教学目标：提高学生数据挖掘的实践能力、调动积极
ü结合国内外数据挖掘研究以及工业应用领域，对于相关基础知识
的需求
ü适当引入近期国内外的研究成果（KDD、CIKM），以及工业界成
功的框架
3
IEEE-Computer Society Computer Science Curricula 2013
• Topics: • The usefulness of data mining • Associative and sequential patterns • Data clustering • Market basket analysis • Data cleaning • Data visualization
• 系统学习（复习）缺失值填充方法。
12
第1课（5）好的特征工程要与领域知识结合
• Cabin属性与幸存下来的关系 • 大量缺失值如何填充？（每个人都会有不同的认识）
13
第1课（6）可视化分析的重要性
14
第1课（7）那么多模型，选哪个？
Ø决策树、朴素贝叶斯、KNN、随机森林… Ø模型的评估：K折交叉验证（KFold，GroupKFold，
• Explain the role of finding associations in commercial market basket data
• Characterize the kinds of patterns that can be discovered by association rule