【正文】 更值得一提的是通過對數(shù)據(jù)的分析還可發(fā)現(xiàn)洗黑錢以及其它的犯罪活動。在商務(wù)、金融、保險(xiǎn)等領(lǐng)域皆有應(yīng)用。[教學(xué)重點(diǎn)與難點(diǎn)] OLAP 的體系結(jié)構(gòu)；多維分析的基本分析動作 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學(xué)為輔 [授 課 內(nèi) 容] 從OLTP 到 OLAP OLAP 的基本概念 多維分析的基本分析動作 OLAP 的數(shù)據(jù)組織 OLAP 的體系結(jié)構(gòu) OLAP 工具及評價 Codd 關(guān)于 OLAP 產(chǎn)品的十二條評價準(zhǔn)則第五章 數(shù)據(jù)挖掘的原理與技術(shù) 建議學(xué)時：4 [教學(xué)目的與要求] 了解為什么要數(shù)據(jù)挖掘、數(shù)據(jù)挖掘與其他學(xué)科的關(guān)系，熟悉常用數(shù)據(jù)挖掘方法和工具，掌握數(shù)據(jù)挖掘的原理與技術(shù)。數(shù)據(jù)挖掘的定義:數(shù)據(jù)挖掘從技術(shù)上來說是從大量的、不完全的、有噪音的、模糊的、隨機(jī)的數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在的有用的信息和知識的過程。例如顧客可以到一些新聞上去訂閱他喜歡看的信息類別，如政治新聞或科技新聞。第一篇：數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第一次作業(yè)數(shù)據(jù)倉庫與數(shù)據(jù)挖掘第一次作業(yè)電子商務(wù)這一行業(yè)目前還處于摸索期，有很多需要完善和可以創(chuàng)新的地方。當(dāng)使用者再次拜訪此網(wǎng)站時，網(wǎng)站就會智能地只顯示出該顧客所喜歡看的信息。數(shù)據(jù)開采技術(shù)的目標(biāo)是從大量數(shù)據(jù)中,發(fā)現(xiàn)隱藏于其后的規(guī)律或數(shù)據(jù)間的的關(guān)系,從而服務(wù)于決策。[教學(xué)重點(diǎn)與難點(diǎn)] 數(shù)據(jù)挖掘的原理與技術(shù)，數(shù)據(jù)挖掘與其他學(xué)科的關(guān)系 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學(xué)為輔 [授 課 內(nèi) 容] 知識發(fā)現(xiàn)的過程 數(shù)據(jù)挖掘的方法和技術(shù) 數(shù)據(jù)挖掘的知識表示第六章 數(shù)據(jù)的獲取和管理 建議學(xué)時：4 [教學(xué)目的與要求] 了解數(shù)據(jù)的數(shù)據(jù)獲取和管理，掌握數(shù)據(jù)質(zhì)量的多維度量，掌握數(shù)據(jù)預(yù)處理方法 [教學(xué)重點(diǎn)與難點(diǎn)] 數(shù)據(jù)質(zhì)量，數(shù)據(jù)預(yù)處理方法[授 課 方 法] 以課堂講授為主，課堂討論和課下自學(xué)為輔 [授 課 內(nèi) 容] 數(shù)據(jù)倉庫的數(shù)據(jù)獲取 數(shù)據(jù)管理 系統(tǒng)管理 數(shù)據(jù)的預(yù)處理 數(shù)據(jù)質(zhì)量的多維度量 數(shù)據(jù)預(yù)處理的主要方法第七章 定性歸納建議學(xué)時：2 [教學(xué)目的與要求] 了解數(shù)據(jù)挖掘的定性歸納技術(shù)，掌握ID3算法、。在建筑陶瓷行業(yè)中的交叉銷售應(yīng)用，主要采用了Apriori 算法三、翻譯分析題（30分）附件有一名為“Data Mining in Electronic Commerce”的電子文檔，請同學(xué)們翻譯其中的一段。在零售業(yè)，數(shù)據(jù)挖掘可有助于識別顧客購買行為，發(fā)現(xiàn)顧客購買模式和趨勢，改進(jìn)服務(wù)質(zhì)量，取得更好的顧客保持力和滿意程度，提高貨品銷量比率，設(shè)計(jì)更好的貨品運(yùn)輸與分銷策略，減少商業(yè)成本。同時還可發(fā)現(xiàn)在償還中起決定作用的主導(dǎo)因素，從而制定相應(yīng)的金融政策。思想：其發(fā)現(xiàn)關(guān)聯(lián)規(guī)則分兩步，第一是通過迭代，檢索出數(shù)據(jù)源中所有煩瑣項(xiàng)集，即支持度不低于用戶設(shè)定的閥值的項(xiàng)即集，第二是利用第一步中檢索出的煩瑣項(xiàng)集構(gòu)造出滿足用戶最小信任度的規(guī)則，其中，第一步即挖掘出所有頻繁項(xiàng)集是該算法的核心，也占整個算法工作量的大部分。[教學(xué)重點(diǎn)與難點(diǎn)] 數(shù)據(jù)倉庫三種概念模型，數(shù)據(jù)粒度概念，元數(shù)據(jù)概念 [授 課 方 法] 以課堂講授為主，課堂討論和課下自學(xué)為輔 [授 課 內(nèi) 容] 數(shù)據(jù)倉庫開發(fā)模型的概念 數(shù)據(jù)倉庫的概念模型 數(shù)據(jù)倉庫的邏輯模型 數(shù)據(jù)倉庫的物理模型 數(shù)據(jù)倉庫的生成 數(shù)據(jù)倉庫的使用和維護(hù) 數(shù)據(jù)倉庫的粒度、聚集和分割 元數(shù)據(jù)第四章 聯(lián)機(jī)分析處理(OLAP)技術(shù) 建議學(xué)時：4 [教學(xué)目的與要求] 了解OLTP 和 OLAP的區(qū)別；熟悉OLAP 的體系結(jié)構(gòu)，以及如何評價OLAP工具；掌握多維分析的基本分析動作。信息訪問。網(wǎng)站將改變原有的千篇