本课程采用线上线下混合教学模式，通过使用现代信息技术，介绍常用的解决实际问题的技术和算法，联系实际问题介绍如何使用这些算法解决实际问题。该课程具有理论与实际紧密结合的特点，通过强有力的实验环节，培养学生运用较高层次的数据处理等观点和知识，能对实际问题进行分析、归纳、提炼，通过选择适当的算法及编程求解，提高学生的数学应用能力和开展科研工作的能力。

本课程的学习环节包含：观看讲课视频并参与讨论、完成单元测试、完成实验作业、参加期末考试。

1.成绩构成：观看讲课视频并参与讨论占20%，单元测试10%、完成实验作业并上传20%，期末考核50%；

2. 单元测试的题型以选择题、填空题、判断题等客观题型为主；

3.实验作业以算法及程序设计题目为主；

4.期末考试题型以问答题和计算题为主，根据课程教学大纲和授课内容来确定考试范围和考试要求；

5.成绩分为三级计分制：分别为优秀、合格、不合格；

 85分至100分为优秀，可获得优秀证书；总评成绩60分至84分为合格，可获得合格证书。

先修课程：《数学分析》、《高等代数》，《概率论与数理统计》，《MATLAB程序设计》

1. 《数据挖掘概念与技术》，Jiawei Han、Micheline Kamber 著，范明等译，机械工业出版社，2012年第三版
2. 《数据挖掘－概念、模型、方法和算法》，Mehmed Kantardzic 著，闪四清、陈茵、程雁等译，清华大学出版社，2003
3. 《数据挖掘-实用机器学习技术》，Ian H. Witten著，机械工业出版社。
4. 《实战大数据 MATLAB数据挖掘详解与实践》，许国根，贾瑛著，清华大学出版社，2017.

1.  这门课程数学功底要求很深吗，是不是特别难学？

回答：这门课程涉及的知识点较为丰富，需要一定的数学基础，但是课程属于应用数学的范畴，课堂教学从实例出发，通过建模和优化去解决实际的数据挖掘方面的问题，理论要求相对较弱，因此绝大部分同学完全可以听懂，并通过对相关算法编程，进一步巩固课程内容的深入理解。

2. 这门课将学到的重要模型和算法有哪些？

回答：本科阶段，这门课的模型和算法集中在关联分析、分类和聚类这三块内容，每块内容按照不同的思想，又可细分为多个模型和算法，建议在初学时，对关联、分类和聚类的基础算法予以掌握。

3. 对于实现算法，需要掌握何种编程语言呢？

回答：对于各类算法的实现，没有统一的编程语言或编程环境要求。