课程以数据挖掘的过程为线索，完整全面地介绍了数据挖掘的生命周期过程及其所涉及到的概念、方法、技术，并着重论述了数据挖掘的算法含义和算法实现。

课程中通过详尽的示例，充分展示了数据挖掘算法的内涵，便于学习者对其达成深刻的认识，以利应用和提升，是数据挖掘领域的学生、教师和研究开发人员的必备学习课程。

课程适用于高年级本科生或者一年级研究生研习。

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。数据挖掘作为一门新兴的学科，在它的形成和发展过程中表现出了强大的生命力，广大从事数据库应用与决策支持，以及数据分析等学科的科研工作者和工程技术人员迫切需要了解和掌握它。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。数据挖掘已成为统计学专业的一门重要课程。通过数据挖掘课程的教学，使学生理解数据挖掘的基本概念和方法，为进入更深入的智能数据分析研究打好基础。

面对日益庞大的数据资源，人们迫切需要强有力的工具来“挖掘”其中的有用信息，数据挖掘就是针对这一需求而发展起来的一门汇集统计学、机器学习、数据库、人工智能等学科内容的新兴的交叉学科，本课程深入探讨数据挖掘原理，把信息科学、计算科学和统计学对数据挖掘的贡献融合在一起，培养计算机专业高年级本科学生具备初步的科研能力和创造能力。

0~59分，不及格；

60~69，及格；

70~79，中等；

80~89，良好；

90~100，优秀。

先修课程：《线性代数》、《信息资源管理导论》《数据库原理》、《概率论与数理统计》、《高级程序设计语言》、《数据结构》

后续课程：《python与数据科学》、《大数据技术原理与应用》

[1]数据挖掘原理（Principles of Data Mining）, 作者: David Hand / Heikki Mannila，译者: 张银奎 / 廖丽 / 宋俊 , 机械工业出版社, 2003年

[2]数据挖掘理论与应用 , 胡可云, 田凤占, 黄厚宽编著 , 清华大学出版社, 2008年

[3]数据挖掘原理与技术，张云涛、龚玲著，电子工业出版社，2004

[4]数据仓库与数据挖掘技术，陈京民编著，电子工业出版社，2002

[5]数据挖掘与OLAP理论与实务，林杰斌主编，清华大学出版社，2003.1

[6]数据挖掘，朱明编著，中国科学技术大学出版社，2002.2

[7]数据挖掘教程, Richard J. Roiger, Michael W. Geatz 著,翁敬农 译，清华大学出版社，2003