1
课程详述
COURSE SPECIFICATION
以下课程信息可能根据实际授课需要或在课程检讨之后产生变动。如对课程有任何疑问，请
联系授课教师。
The course information as follows may be subject to change, either during the session because of unforeseen
circumstances, or following review of the course at the end of the session. Queries about the course should be
directed to the course instructor.
1.
课程名称 Course Title
数据挖掘及商务应用 Data Mining and Business Applications
2.
授课院系
Originating Department
信息系统与管理工程系 Division of Information Systems & Management Engineering
3.
课程编号
Course Code
MIS306
4.
课程学分 Credit Value
3
5.
课程类别
Course Type
专业核心课 Major Core Courses
6.
授课学期
Semester
秋季 Fall
7.
授课语言
Teaching Language
英语 English
8.
授课教师、所属学系、联系方
式（如属团队授课，请列明其
他授课教师）
Instructor(s), Affiliation&
Contact
（For team teaching, please list
all instructors）
王松昊，信息系统与管理工程系， wangsh2021@sustech.edu.cn
Wang Songhao, Division of Information Systems & Management Engineering,
wangsh2021@sustech.edu.cn
9.
实验员/助教、所属学系、联系
方式
Tutor/TA(s), Contact
待公布 To be announced
10.
选课人数限额(可不填)
Maximum Enrolment
（Optional）
40
2
11.
授课方式
Delivery Method
讲授
Lectures
习题/辅导/讨论
Tutorials
实验/实习
Lab/Practical
其它(请具体注明)
Other（Pleasespecify）
总学时
Total
学时数
Credit Hours
32
32
64
12.
先修课程、其它学习要求
Pre-requisites or Other
Academic Requirements
MIS205 数据管理与数据库或 EBA203 管理信息系统
13.
后续课程、其它学习规划
Courses for which this course
is a pre-requisite
MIS402 大数据实证研究
14.
其它要求修读本课程的学系
Cross-listing Dept.
无 None
教学大纲及教学日历 SYLLABUS
15.
教学目标 Course Objectives
使学生了解数据挖掘技术，并利用这些技术进行适当的数据分析，从而获得满足业务目标/策略的最佳知识库
为学生提供扎实的统计基础，以帮助他们解决问题
准备让学生理解数据分析的结果，并从业务角度应用这些结果
To provide students with an understanding of data mining techniques and use of these techniques to perform
appropriate data analysis in deriving an optimal knowledge base in meeting business goals/strategies
To equip the students with a strong statistical foundation in which to employ in solving problems
Prepare the students to understand the results from the data analysis and apply those results from a business
perspective
16.
预达学习成果 Learning Outcomes
学生将能够证明有关数据挖掘概念，过程的知识，并使用数据挖掘和统计技术进行数据分析
学生将能够解释数据分析的结果以及如何将这些结果应用于业务问题，目标和组织策略
Students will be able to demonstrate knowledge of data mining concepts, processes, and perform data analysis using
data mining and statistical techniques
Students will be able to interpret results from data analysis and how to apply those results to business problems, goals,
and organizational strategies
17.
课程内容及教学日历 （如授课语言以英文为主，则课程内容介绍可以用英文；如团队教学或模块教学，教学日历须注明
主讲人）
Course Contents (in Parts/Chapters/Sections/Weeks. Please notify name of instructor for course section(s), if
this is a team teaching or module course.)
3
理论（32 学时）
第 1 周 数据挖掘介绍（2 学时）
本次课程介绍什么是数据挖掘，包含数据挖掘的主要任务、被挖掘的有用信息、常用的技术手段及应用等。
第 2 周 数据预处理（2 学时）
本次课程介绍与数据相关的一些问题，包含数据类型、数据质量及数据预处理的常用技术等。
第 3-5 周 分类：概念与常用模型 （6 学时）
本次课程主要介绍分类的基本概念和常用技术，包含逻辑回归、决策树、临近分类、贝叶斯分类、支持向量机、集成学习
等模型和方法。
理论课 6-7（4 学时）：回归：概念、常用线性及非线性回归模型
本次课程主要介绍回归的基本概念和常用技术，包含线性回归、多项式回归、岭回归、神经网络、RBF 模型、高斯过程
回归模型等。
理论课 8-9（4 学时）：关联分析：概念及常用技术
本次课程主要介绍关联分析的概念及常用技术，包含频繁项集产生、规则产生、关联模式评估等。
理论课 10-11（4 学时）：聚类分析：概念及常用算法
本次课程介绍聚类的概念和常用算法，包含 k-均值、层次聚类、基于密度的聚类、簇评估等方法。
理论课 12（2 学时）：异常检测
本次课程介绍异常检测的概念和方法，包含基于统计、临近度、密度、聚类等的方法。
理论课 13（2 学时）：文本挖掘简介
本次课程简要介绍文本挖掘的一些概念，包含词频、词袋模型、词向量模型、词频-逆文档频率、N-Gram 模型等。
理论课 14（2 学时）：模型评估
4
本次课程结合之前课程的相关内容，介绍多种数据挖掘模型的评估方法。
理论课 15（2 学时）：数据挖掘的商务应用
本次课程通过若干实例介绍数据挖掘技术在商务领域的应用。
理论课 16（2 学时）：课程总结及数据挖掘发展方向
本次课程总结本门课所授内容并简要介绍数据挖掘的发展方向。
实验（32 学时）
第一周 Python 简介（2 学时）
本次课程介绍 python 的基础以及基于 python 的数据挖掘平台。
第二周 数据预处理上机实验（2 学时）
本次课程介绍数据描述、分析、预处理等实现方法。
第 3-5 周 数据分类上机实验（6 学时）
本次课程介绍包含逻辑回归、决策树等常用数据分类的实现方法。
第 6-7 周 数据回归上机实验（4 学时）
本次课程介绍常用的线性及非线性数据回归的实现方法。
第 8-9 周 关联分析上机实验（4 学时）
本次课程介绍关联分析的实现方法及应用。
第 10-11 周 聚类分析上机实验（4 学时）
本次课程介绍包含 k-means、层次聚类等常用聚类分析的实现方法。