《数据挖掘与机器学习》教学大纲.pdf

《数据挖掘与数据仓库》教学大纲

课程名称：数据挖掘与机器学习课程类别（必修/选修）：选修

课程英文名称：DataMiningandMachineLearning

总学时/周学时/学分：32/2/2其中实验/实践学时：16

先修课程：具备基本的数据结构、数据库原理及应用、程序设计知识和编程能力。

后续课程支撑：深度学习

授课时间：1-16周星期二(3-4节)授课地点：机房503

授课对象：2023经济与金融1班(粤台金融科技)、2023经济与金融2班(粤台金融科技)

开课学院：粤台产业科技学院

任课教师姓名/职称：杨荣贵/副教授

答疑时间、地点与方式：课堂或课后，教室或通讯软件，当面或线上答疑

课程考核方式：开卷（）闭卷（）课程论文（）其它（✓）作业、期末报告

使用教材：《Python数据分析与挖掘算法从入门到机器学习》，张坤，清华大学出版社，出版年：2024.01.02，教材ISBN：9787302600169

教学参考资料：《数据仓库与数据挖掘》，魏伟一、张国治、秦红武，印次：1-2，出版日期：2023.04.01，ISBN：9787302625735

课程简介：

数据挖掘和机器学习都是重要的数据处理和分析技术，能够帮助企业更好地了解市场和客户需求，制定更加精准的营销策略和决策。在未来的发展

中，随着人工智能和大数据技术的发展，数据挖掘和机器学习将会发挥更加重要的作用。

课程教学目标及对毕业要求指标点的支撑：

课程教学目标支撑毕业要求指标点毕业要求

目标1：B2自然科学基础知识掌握大数据分析技术，具备运用编程语言

掌握数据挖掘和机器学习的基本概念、掌握计算机软件应用，以及经济与金融相关学科的基本理（如Python、R等）开发金融交易策略的

相关技术，了解数数据挖掘和机器学习论、基础知识和基本技能（涵盖学校人才培养标准5、6、能力，能够结合大数据和人工智能进行金

1

在数据处理和规则提取中的应用现状、7、8）。融市场预测和投资决策。

应用前景和研究方向。

目标2：B4工具性知识

强化在数据挖掘和机器学习中的算法掌握现代文献资料检索、查询的方法；具备办公软件及科掌握并理解计算机软件应用，以及经济与

设计、分析的能力；同时，培养学生阅研软件运用；提升计算机编程、云端运算、金融大数据分金融相关学科的计算机软件应用基本理

读外文资料、文献调研方面的能力。析、财金资料库检索与分析方面的知识（涵盖学校人才培论、基础知识和基本技能。

养标准5、6、7、8、9）。

目标3：B6专业知识

锻炼学生应用各种手段查阅文献资料、顺应智能金融的趋势，具有大数据分析能力与人工智能应具备跨专业协作能力，能够与不同学科背

获取信息、拓展知识领域、继续学习用能力、参与金融投资竞赛与市场实操能力、投资分析师景的团队成员共同解决复杂的金融问题，

并提高业务水平的能力。养成教育，并且掌握主要课程：程序设计、数据库应用、尤其是在智能金融和金融科技领域展示创

微观经济学、宏观经济学、计量经济学、会计学原理、中新思维，结合数据科学、计算机编程等领

级会计学、财务管理、投资学、风险管理、衍生金融工具、域的知识为金融行业带来新思路。

国际金融等（涵盖学校人才培养标准6、7、9）

理论教学进程表

支撑