發布日期：2023-03-02
false本科(4):
| 課程名稱 |
數據挖掘 |
授課對象 |
電子信息工程專業 |
||
| 授課內容 | 數據挖掘—聚類分析之 K-means 算法 |
課時 |
0.50 |
||
| 課程類型 | A.思想政治理論課；B.通識課；√C.專業課；D.實踐課； | ||||
| 教學目標 | 知識目標： 了解數據挖掘 k-means 算法的過程及具體方法。了解數據挖掘 k-means 算法的改進措施。
能力目標： 具有初步的使用 k-means 算法進行數據挖掘分析的詳細步驟；能夠在學習中尋求發現問題、解決問題的途徑。
素質目標： 深化職業理想和職業道德教育：主動求知、知難而進、敢于思考，不斷創新的精神；引導學生學習與繼承已有數據挖掘技術，面對嶄新的應用場景，努力實現數據分析技術 創新。 |
||||
| 課程思政 | 融入知識點 | 重點：數據挖掘的 k-means 算法的過程、算法迭代過程。 難點：數據挖掘的 k-means 算法評價。 |
|||
| 融入方式 | 以數據挖掘建模方法為基礎，重要講解其應用來貫穿整個授課內容， 采用講授法、啟發式、任務式等相結合的教學方法，提高學生專注力和學習興趣，達到學習目標。 教學手段 1. 以面授為主，輔以案例分析和討論； 2. 網絡資源平臺輔助教學(包括參考資料、考題)等在*****平臺上進行。 |
||||
| 思政元素 | 邏輯思維能力 職業道德教育 職業理想 獲得感 知難而進 不斷創新 創新意識 成就感 知識文化 職業素養 辯證看問題 技術創新 專注力 工匠精神 實踐動手能力 學習興趣 動手實踐能力 主動求知 | ||||
| 思政資源 | 一分鐘了解K均值聚類算法 | ||||
| 思政案例 | |||||
| 教學實施 | |||||
| 教學引入 | |||||
| 教學展開 | |||||
| 教學總結 | |||||
| 目標達成檢測 | |||||
| 教學反思 | |||||
