数据挖掘是20世纪末刚刚兴起的数据智能分析技术，由于有广阔的应用前景而备受重视。数据挖掘涉及的内容较为广泛，已成为迅速发展并在信息社会中广泛应用的一门综合性学科。数据挖掘已成为计算机、统计学专业的一门重要课程，也是从事相关研究和应用人员必须掌握的重要知识。通过本课程的学习，达到以下教学目的：（1）全面而深入地掌握数据挖掘的基本概念和原理，了解数据挖掘的最新发展、常用的数据挖掘算法、前沿的数据挖掘研究领域。（2）深入地掌握1-2热点的理论和技术，了解主流数据挖掘系统的特点，具备进行数据挖掘设计程序的初步能力。（3）能熟练应用数据挖掘技术对现实数据进行分析。

本课程强调理论联系实际的培养模式，注重学生学以致用的能力培养 。课程在内容安排上努力使学生能够掌握基本的数据挖掘的基础理论和技术（如，数据仓库、OLAP、数据挖据等），能够针对具体的应用问题，熟练地运用先进的数据管理和分析技术，设计并实施有效的智能解决方案，从而帮助机构提升风险预测和管理能力，促进企业采用以数据为驱动的科学管理理念，增强科学决策能力，从而提高企业的效率和核心竞争力。

1.掌握对分析主题的抽象方法和构建模型，设计并实现比较规范的数据仓库系统。 2.掌握多维分析将数据转化为信息的本质，熟练掌握构建多维模型的方法。 3.应用开发工具软件构建数据挖掘模型，并掌握模型评价和选择标准，利用模型进行数据分析和预测。 4.初步具备利用数据分析技术解决实际问题的能力。

       本课程采用百分制计分，平时单元测验30%，为客观题；平时单元作业30%，为实践报告；随堂布置的课程讨论的表现10%；课程结束考试30%。60分及以上为合格，90分及以上为优秀。

       电子版的课程结业证书免费。纸质版认证证书证书收费：100元/人。

1、计算机操作基础

2、信息检索基础

3、Excel基础

4、计算机程序设计基础

5、数据库理论与应用基础

1.[美] Jiawei Han 数据挖掘 概念与技术  机械工业出版社, 2012

2. W H Inmon 著. 数据仓库(第三版). 机械工业出版社, 2003。

3. Mehmed Kantardzic 著. 数据挖掘——概念、模型、方法和算法。 清华大学出版社, 2003。

4. Ralph Kimball，Margy Ross。The Data Warehouse Toolkit: the Complete Guide to Dimensional Modeling。John Wiley & Sons Inc.