數據挖掘課程設計論文范文

前言：我們精心挑選了數篇優質數據挖掘課程設計論文文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

關鍵詞：醫學院校；目標驅動；課程設計；畢業論文

中圖分類號：G642.0 文獻標志碼：A 文章編號：1674-9324（2012）12-0218-02

一、背景

“數據倉庫與數據挖掘”是國內外高等院校一門重要的課程，是國家基礎教育較為重視的一門學科，受到不同專業學生的喜愛。其教學目標是提高學生的數據分析水平和能力，除了教授學生數據分析的常見方法之外，還將引導學生如何對實際的問題進行建模，如何對模型進行簡化和求解。利用實例教學等方法，可以很好地將數據挖掘中的抽象概念、模型、公式等闡述清楚，讓學生易于理解和接受。近年來，數據挖掘技術在醫學領域中的應用越來越廣泛。在疾病診斷、治療、器官移植、基因研究、圖像分析、康復、藥物開發、科學研究等方面都獲得了可喜的成果。運用各種數據挖掘技術了解各種疾病之間的相互關系、各種疾病的發展規律，總結各種治療方案的治療效果，以及對疾病的診斷、治療和醫學研究都是非常有價值的。因此，我們學院也把這門課程作為計算機專業及信息管理與信息系統專業的必修課。把計算機與醫學結合，使得學生的培養方案全面包括了計算機與醫學的知識點。由于該課程原本屬于研究生階段開設的專業課程，教材也大多側重于介紹體系結構、算法原理、效率分析與改進等理論知識，其中所涉及的內容大多比較深，許多知識都超出了本科生的接受范圍，此外，教材對相關理論在實際應用方面的說明也比較少，不利于安排實驗教學。因此要實現“數據倉庫與數據挖掘”課程的教學目標，必須在理論教學和實驗教學環節綜合考慮學時多少、教學條件以及學生的接受情況等因素，靈活地加以選擇安排。

二、存在的問題

主要包括以下幾方面：①課堂上以教師講、學生聽的教學形式為主，學生學習處于被動狀態，他們的創造性因此被嚴重扼殺；②教師對專業課程體系和學生的知識體系不夠重視，對課程體系的講解不到位，造成學生在學習時課程之間聯系不上，知識銜接不好，對知識的運用和融會貫通比較差；③實驗與理論脫節。“數據倉庫與數據挖掘”課程理論講授的算法與實驗軟件中的算法有很大差距，使得學生難以理解。比如對于理論上講授的關聯規則算法，實驗中使用SQL SERVER 2005中的商務智能工具做實驗，學生發現有很多參數與理論上講授的有很大不同；④醫學院校的學生對純粹計算機理論知識接受困難。由于該門課程是交叉學科，涉及計算機、數學、統計學等知識，如果學生的其他學科學得不好，就會對該課程的學習產生障礙；⑤教師講授沒有把理論課程結合到實際應用中。有很多學生不知道學習這門課的意義，老師沒有很好引導學生，激活他們的學習熱情。

三、目標驅動的教學框架

對于以上問題，本文提出了一個新的教學體系，設計了一套基于目標驅動的教學框架，把教師與學生緊密聯系起來，從教學大綱的設置，教材的選擇，理論教學，實驗教學，課程設計及畢業論文，全面引導學生從初步了解到深入學習的過程。對于我們學校的實際情況，有兩個專業的學生要學習這門課程。一個是計算機科學與技術專業，一個是信息管理與信息系統專業。對于兩個不同的專業，我們設置不同的教學大綱。比如對于計算機專業的學生，數據倉庫和數據挖掘教學總時數為72學時，其中理論為54學時，實驗為36學時。

1.理論教學。對于信息管理與信息系統專業的學生，我們可以設置如下的教學計劃，可分為三個主要部分。我們教材選擇韓家煒的《數據挖掘概念與技術》，第一部分：第一至四章為數據挖掘的基礎知識，包括數據倉庫和數據挖掘的基本概念和相關知識介紹；第二部分：第五、六章介紹了數據挖掘的算法和工具；第三部分：第七章是數據挖掘的聚類分析的實際應用。本課程是信息管理與信息系統專業本科生專業必修課。通過該課程的學習，要求學生掌握數據倉庫和數據挖掘的基本概念，了解基本方法和應用背景。掌握數據倉庫的設計和建立，掌握數據挖掘的主要步驟和實現方法，數據挖掘的常用算法，實現數據挖掘的具體操作。理論學時的安排，第一章緒論（6學時）；第二章數據倉庫（4學時）；第三章數據預處理（8學時）；第四章數據挖掘發現知識的類型（8學時）；第五章數據挖掘中常用算法（12學時）；第六章數據挖掘的工具及其應用（8學時）；第七章數據挖掘應用實例（8學時）。

2.實驗教學。本課程配合理論教學，通過系統的實踐教學鍛煉，著重培養學生的獨立分析問題和解決問題的能力，熟練掌握數據倉庫的設計和建立以及各類數據挖掘方法，使學生具有一定的數據分析和挖掘能力，能在認識基礎上，提出有效的數據挖掘方法，依據實際例子，寫出解決方案。學生應在實驗課前明確實驗的目的和要求，然后針對相關問題寫出解決方案。實驗時對實際方案的運行結果應能進行分析并提出改進方法，最終寫出實驗報告。通過實驗教學應達到以下基本要求：①理解數據倉庫的工作機理及其構建過程；②掌握典型的數據倉庫系統及其開發工具的使用；③理解數據挖掘技術的工作原理與流程；④掌握典型數據挖掘工具的使用；⑤掌握幾種典型的數據挖掘算法；⑥掌握使用SQL SERVER 2000和SPSS工具解決實際問題。實驗成績包括：實驗教學過程成績、實驗報告成績，各占50%。實驗過程表現成績包括：學習態度是否認真、實驗操作是否正確規范、基本技能掌握程度是否具有創新意識等方面。實驗報告成績包括：實驗報告格式是否正確、原理是否論述清楚、實驗結果分析討論是否符合邏輯，報告字跡是否清楚等方面。

3.課程設計。理論課和實驗課接近結束時，我們把最后三周作為本門課程的課程設計。課程設計的目的是讓學生進一步深刻理解所學知識。由于本門課程很多算法不容易理解，如何讓學生把所學知識結合到醫學應用中是課程設計的關鍵。比如我們對信息管理與信息系統專業的學生課程設計，要求學生每人選擇一個老師給定的題目，課程設計有詳細的要求，比如題目“數據挖掘在醫學診斷中的應用”要求學生能把本門課程相關的算法結合使用，最后給出詳細的分析。通過課程設計，我們發現，學生對本門課程更有興趣。

4.畢業論文。我們把課程一般開設在大三的下學期，也就是說學生學完這門課程后，就做了該門課的課程設計，使得學生對數據挖掘相關知識有了比較深刻的認識。這樣，我們可以引導學生畢業論文的選擇。畢業論文畢竟是反映學生大學四年所學知識，也對他們將來就業起到提前培訓的作用。把理論結合實踐，老師對學生的引導也十分重要。

我們根據醫學院校的特征，提出了一套目標驅動的教學理念，從學生認識這門課程到學生理論課的學習，實驗課的學習，課程設計及畢業論文的完成，在老師的指導下，使用我們的考核體系，可提高學生對所學課程的興趣。

參考文獻：

第2篇

1研究現狀

在網絡資源課程建設上，很多教育工作者都做了有益的嘗試。例如，文獻[1]建議基于學生網絡學習行為的特征來開發課程；文獻[2]建議基于數據挖掘知識體系運用模塊化方式組織數據挖掘課程內容；文獻[3]則認為數據挖掘教學內容的組織應注重培養數據意識和深入科學研究；文獻[4]認為將數據挖掘的內容貫穿于應用實例中易于傳授，或者設計合適案例來推進教學；[5]也有研究者認為直接帶領學生參與項目，通過項目開發重新組合課程內容，[6]能夠起到更加明確的效果。筆者認為將項目融合到教學中，往往受到眾多資源的限制，在教學層面難以有效拓展。本文將在深入學習已有研究成果的基礎上，探索適合職業院校學生的數據挖掘網絡資源建設模式和考核方式。

2金融數據挖掘課程實施方案設計實例

2.1設計理念在深入分析當前職業院校學生學習模式、興趣特點、課程特點的基礎上，擬按以下理念設計網絡課程內容。第一，采用“問題牽引、比較說明，解決問題，項目驅動”的教學方法。在教學中，首先說明開設內容的理由和方法，使學生對概念有充分的理解；更多地考慮到學習者的興趣和接受方式；教學中既正面闡述什么是正確的，也注重反面說明什么是錯誤的；用通俗的語言、具體實例闡述基本理論，突出重點，講透“難點”。采用“任務驅動模式”取代“順序教學模式”，以實際的項目開發任務為引導，進行示范性教學，讓學生在實踐、模仿、實踐中提高。第二，啟發式教學。數據挖掘是一門實踐性很強的科學，講解重點時注意對實驗方法要詳細介紹，這樣學生對教學重點就記得牢，并能以同理推演。實踐教學注意加強對學生發現、分析和解決問題能力的培養。第三，改革考核方式，采用多元評價方式考核實驗成績。為了提高學生的學習興趣，培養學生問題求解和創新能力，考核方式很有必要改革。針對數據挖掘這門課程，實驗成績和課程論文成績采用多元評價方式考核。經過三年的改革教學實踐，我們收到很好的教學效果，學生在獨立分析、解決問題和提供整體解決方案上的能力都獲得不同程度的提高。第四，加強實踐教學環節，注重學生綜合能力的培養。課內教師根據教材精心設計課程實驗教學和課程設計內容，注重實踐與理論相結合，突出產學結合特色。第五，在線答疑。教師充分利用網絡，建立在線討論欄目，就教學難點開展討論，并引入已畢業學生的社會資源進行拓展。第六，提供多種教學資源，引導學生自己解決學習問題。教學網站提供大量的教學資源，鼓勵學生自己在網上查找資料解決問題。實踐表明，這有助于激發學生的學習興趣，訓練學生的思辨能力。第七，多維實驗教學模式。金融數據挖掘的實踐教學分為三層教學體系，即驗證性實驗（基礎層）、設計型實驗（中間層）、綜合性實驗或課程論文（核心層）。在此基礎上，以任務驅動方式，構建實踐維三級目標體系，強化實踐技能操作，提高實踐教學質量。基礎層，占總實驗學時的30%，主要包括驗證操作與驗證型實驗。學生直接操作驗證的內容與被列為實驗項目的基礎實驗，如數據預處理、數據可視化等。中間層，占總實驗學時的40%。例如，CRM操作實例、欺詐檢測等。核心層，占總實驗學時的30%。綜合設計型實驗，按照跨行業數據挖掘標準流程，完成商業理解、數據理解、數據準備、建模、評估、部署。

2.2內容設計金融數據挖掘網絡課程主要欄目包括：教師信息、課程介紹、指定教材信息、考核方法、學習方法指導、教學大綱、教學計劃、課件、案例、課程實驗、操作指引、數據挖掘實訓、課程論文、常用資源、他山之石等16個欄目，各欄目建設現已完成并應用于課程教學。金融數據挖掘網絡課程資源建設主要包括4個模塊：（1）教學文件模塊。該模塊主要欄目有教師信息、課程簡介、教學大綱、教學計劃，提供有關的課程教學指導性文件和教學進程安排，供教師和學生參考。（2）課程學習模塊。該模塊主要欄目有學習方法指導、授課課件、參考課件、課程實驗、課程論文等，主要向學生提供有關課程的學習和實驗指導。（3）教學資源模塊。該模塊主要向學生提供教學資源，作為課外教學的延伸。（4）課外互動模塊。該模塊主要通過網絡互動向學生提供課外答疑輔導環節。

2.3改革方案實施效果該課程改革方案的實施是基于BB（Blackboard）在線網絡平臺。由于本學期開始時，網絡課程平臺出現故障，數據挖掘網絡課程平臺正式使用時本學期已接近中段。使用綜合情況如圖1-3所示。結果顯示內容區、公告區、討論區獲得較高點擊量，其他模塊由于用戶體驗比其他平臺差，故暫無使用。圖2、圖3說明用戶的訪問還是與課程關聯比較大，即上課時段前后，學生訪問量增大，其他時段訪問量急劇下降。但是相比于筆者所教的其他課程，學生對該課程的興趣還是提升了許多。

3結論

第3篇

    一 課程體系設計和實踐實訓設計整體思路

    1.遵照教育部對經濟統計學專業的要求

    嚴格遵照教育部對經濟統計學專業的要求。主干學科為理論經濟學、應用經濟學、統計學,其中核心課程為西方經濟學(微觀經濟學、宏觀經濟學),計量經濟學,財政學,貨幣金融學,會計學,經濟統計學,國民經濟統計學,概率論與數理統計,抽樣技術與應用,應用時間序列分析。實踐性教學環節包括實驗課程(含基本統計分析軟件應用、統計實務模擬等),社會實踐(含經濟社會統計調查、統計工作實習等),科研和論文寫作(含畢業論文、學年論文、科研實踐等)。專業實驗包括計算機基本技能實驗、統計分析應用軟件實驗、經濟計量分析軟件實驗、數據挖掘技術與應用實驗。

    2.參照其他院校的培養方案和課程設置

    它山之石,可以攻玉。我們選擇了部分具有代表性的財經院校(如上海財經大學、中央財經大學、東北財經大學、西南財經大學、中南財經政法大學、北京工商大學、上海金融學院、 河南財經大學、浙江財經學院和山東工商學院)和綜合類院校(如浙江大學、吉林大學、南京大學和云南大學)以及師范類院校(如北京師范大學、華東師范大學、東北師范大學、南京師范大學)作為參照院校。通過比較分析得出,在統計學經濟統計、商務統計、金融統計方向中,財經類院校主要突出經濟學課程,招生偏重理科生。綜合性院校和師范類院校主要課程為理學類,招生偏重理科生。

    綜上所述,經濟統計學專業應培養適應信息化社會需要,熟練掌握現代統計理論和經濟數量分析方法,具有扎實的統計學、經濟學和金融學基礎,能熟練應用計算機軟件處理統計數據的復合型高素質經濟管理統計人才。學生畢業后可在政府部門、金融機構、外資企業和大中型公司等從事經濟統計分析、管理咨詢、市場調研和商務數據分析等管理工作。

    3.與學院培養方案形式統一

    新制訂的培養方案和整個學院的形式保持了統一,以便于教務人員管理工作的開展。

    二 經濟統計學培養方案專業課的設置

    經濟統計學的培養目標與基本規格和招收對象為理科生,設置了保險精算、金融統計和商務統計三個方向。學生修滿培養方案規定的學分并達到學位授予要求者,授予經濟學學士學位。

    由于經濟統計學對統計學和經濟學知識的要求較高,我們提高了課程總學分和總學時,注重主干學科和專業課程的開課順序和教學周學時分配,強化實訓實踐課程,實行理論和實踐并行。

    培養方案確定了5門學科基礎課程,分別為宏觀經濟學、微觀經濟學、C語言程序設計、概率論與數理統計、管理學。確定了5門專業基礎課程,分別為基礎會計學、經濟統計學、貨幣金融學、財政學、計量經濟學。確定了9門專業核心課程,分別為國民經濟統計學、多元統計分析、統計預測與決策、抽樣技術與應用、應用時間序列分析、金融統計學、市場調查與分析、投資學、數據挖掘。

    分設了三個專業方向,分別為保險精算(開設保險學、保險統計學、利息理論、壽險精算、非壽險精算5門課程)、金融統計(開設商業銀行經營管理、金融市場、金融資產評估、金融工具與金融風險管理、投資組合分析 5門課程)和商務統計(開設信息檢索與利用、企業經營統計學、投入產出分析、項目管理、質量控制統計方法5門課程)方向。