数据挖掘

一、主要目标和主要内容：

本课程以数据挖掘为主要内容，介绍实现大数据挖掘的主要功能、挖掘算法和应用领域，并通过对实际数据的分析更加深入地理解常用数据挖掘模型。掌握数据挖掘常用软件的使用，培养学生数据分析和处理的能力。

本课程主要内容包括数据分析与数据挖掘的概述，关联规则，数据分类，数据聚类，贝叶斯网络和神经网络六大单元，每个单元都从基本概念入手，介绍景点算法，并通过实验完成实际操作。本课程的学习，使学生掌握典型的数据分析和数据挖掘算法，另一方面通过案例让学生能够快速掌握数据分析与挖掘技术，感知大数据技术的应用场景，丰富同学们的学习领域，带来更多的思考。

二、授课教师和授课对象：

    2.1 授课教师

沈浩老师为课程主讲人，隶属中国传媒大学新闻学院，调查统计研究所所长，常年从事，长年指导硕士生和博士生科研活动。同时，在学校承担互联网信息研究院大数据挖掘与社会计算研究中心主任；在业界担任中国市场研究协会会长。

长期从事传播效果研究、市场研究，拥有20多年统计和数据分析经验、精通多种统计分析技术和传播研究方法的资深专家,擅长数据挖掘、社会网络分析、多变量分析和建模、数据可视化。近些年，本人及所带团队专注于大数据挖掘、网络科学和可视化研究，特别是在微博、微信等社会化媒体兴起之后，专注于基于微博网络的舆情分析和传播效果研究，也逐渐成为国内具有一定影响力的大数据专家。

2.2 授课对象

对于与本课程相关的专业学生，可设定较高的课程目标，在完成课程学习之后，需要掌握课程中提到的数据获取、数据挖掘以及数据可视化方法，课程考核方式为通过所掌握的方法独立完成一个数据全流程案例，包括获取数据、分析数据、可视化数据，从而让专业学生能够学有所用。

本课程还可设置为选修类课程，满足对大数据领域感兴趣的学生需求。对于跨专业学生，课程目标是让更多的同学们认识到当前大数据的发展，以及今后是否对本专业产生重要影响，开拓学生视野、培养学生兴趣。课程考核方式视具体情况而定，可根据学生专业背景设置不同的考核方式，如撰写本领域大数据应用的发展报告，或团队完成课程中讲述的应用案例等。

创新点1：针对媒体领域的大数据挖掘，文理交叉，同时具备技术性和领域实用性。

创新点2：从实用角度出发介绍了目前最流行的大数据技术，帮助学生掌握大数据的分析、挖掘与可视化技能。

创新点3：课程中使用的案例均取自真实世界的数据，学生在学习过程中提前接触实际案例，还可以培养数据敏感性，为日后从事数据相关工作打下良好基础。

四、教学方式（授课形式和考核方式）：

授课形式：网络视频教学

考核方式：作业提交

完成相关课程，进行相关课程的课后练习，并顺利完成课程结课作业。

第一讲 绪论

1.1 大数据的概念及发展趋势

1.2 数据挖掘技术与应用场景

1.3融媒体时代下的媒体数据特性

1.4 数据新闻的理解与发展

第二讲 数据挖掘的基本概念

2.1 数据挖掘的基础理论与价值

2.2 数据挖掘的基本概念与方法

2.3 数据挖掘应用于商业主要技术

2.4 推荐系统的基本介绍

2.5 基于深度学习的海报推荐系统

第三讲：网络分析：关系的挖掘

3.1 初识网络分析

3.2 社会关系网络网络挖掘实战1

3.3 微博传播网络挖掘案例1

3.4 网络的基本概念与特征量

3.5 社会网络分析

3.6 社交网络传播

3.7 社交网络营销

3.8 网络传播结构的构建方法

3.9 网络传播结构的解读

第四讲：数据分类

4.1 分类问题及分类过程

4.2 决策树分类

4.3 k近邻分类

4.4 模型评估与选择

4.5 提高分类准确率的技术

第五讲：数据聚类

5.1 聚类分析概述

5.2 相似度计算方法

5.3 k-means聚类算法

5.4 案例分析

第六讲：贝叶斯网络

6.1 贝叶斯概率基础

6.2 贝叶斯分类

6.3 贝叶斯网络

6.4 案例分析

第七讲：神经网络

7.1 神经网络概述

7.2 前馈神经网络

7.3 反向传播算法

7.4 案例分析

第八讲：大数据可视化

8.1 初识大数据可视化

8.2 可视化技术概述

8.3 可视化技术分类

8.4 数据挖掘与可视化

8.5 不同数据类型的可视化技术

8.6 数据新闻可视化

8.7 媒体大数据可视化