PST理论下的案例驱动教学模式探索与实践——以“数据挖掘技术”课程为例

文章针对“数据挖掘技术”交叉性和实用性的特点,在教学过程中引入了贯穿式案例教学方法,通过设计综合性案例,按章节分解成多个子项目进行任务设计,学生在教师指导下分层次、逐步完成分任务的分析处理工作,将知识发现过程与理论教学有机融合。整个教学过程以任务驱动,引入PST理论,将教学法、社会交互和技术支持3个维度嵌入学生社群学习过程,提升学生主动学习兴趣度、激发学生之间的互动成长。课程采用多重考核方式,从课程作业、实践任务作业、在线社群讨论、期末考试、综合作业多方面考核学生能力。

“数据挖掘技术”课程教学改革与探索--以北华航天工业学院电子与通信工程专业研究生“数据挖掘技术”课程教学为例

数据挖掘技术是其他领域开展科学研究的重要技术之一,作为研究生课程应该注重能力的培养。就研究生培养层面突出我校航天特色,产、学、研式的项目实例提高了研究生动手和实践能力。分组讨论、团队合作完成项目等多种教学方法的运用使教学过程气氛活跃、高效。注重能力培养的同时不忘思政教育和社会正能量的传递。灵活的课程考核有助于研究生实践、科研和自我能力的展现,师资、教学资源及硬件设施和企业实习基地各方面均为“数据挖掘技术”课程实施提供了保障。

基于建构性教学观的“数据挖掘技术”课程建设创新探索与实践

对标新工科背景下的一流课程建设目标,以应用型本科大数据专业学生为研究对象,教学团队总结数据挖掘课程教学中存在的四个教学痛点问题,提出“三合-三联”教学范式,构建“一中心,两平台,三环节,四类案例库,五维评价”的教学体系设计方案。采用案例驱动教学和线上线下混合式教学方法对“数据挖掘技术”进行创新型教学体系设计,创新探索主要围绕课程建设体系、课程教学内容、课程教学方法、课程思政案例库建设、超星平台和头歌实践教学平台辅助下的过程化课程考核方法等方面展开,通过师生共同体,以场景化案例为“连接器”,利用信息技术强化实践与互动,实现“应用驱动教学,思政强化专业育人”的教学主旨。五轮教学探索与实践证明本课程的创新体系能够实现高质量应用型本科创新人才的培养。

基于Kaggle竞赛数据的“数据挖掘技术”课程建设探索与实践研究

围绕“数据挖掘技术”课程教学中的问题和工程教育专业认证要求,依据以产出为导向的“新工科”人才培养理念,进行了基于Kaggle竞赛数据的教学体系设计,对课程考核方式进行了相应的调整,更好地满足了大数据时代对应用型数据分析人才培养的需求。

基于数据挖掘技术的拖拉机发动机故障诊断

拖拉机是农业生产的重要工具,发动机是其核心部件,如发动机出现故障,将会直接影响农业生产效率和产量。为此,提出了一种使用数据挖掘技术进行拖拉机发动机故障诊断的方法。利用了机器学习技术和统计学,首先针对拖拉机田间运行信号噪音较大的问题,引入小波阈值去噪的方法;其次,基于卷积神经网络模型,引入一种注意力机制,提高故障诊断准确率,并通过对拖拉机传感器数据进行分析,可以帮助诊断和预测发动机故障;最后,通过实验结果验证了算法的有效性。研究结果不仅可以提高故障的准确性和效率,还能够节约维修成本和提高机器的利用率,具有较高的应用价值。

数据挖掘技术在计算机网络异常入侵检测中的应用研究

为提升计算机网络异常入侵检测的准确性,本研究基于数据挖掘技术,设计并实现了计算机网络异常入侵检测系统。该系统以特征提取、模型训练、数据预处理等关键技术为核心,通过分析网络流量数据,挖掘异常行为模式。本文通过实验测试与性能分析,验证了计算机网络异常入侵检测系统在实际环境中的应用效果。结果表明,基于数据挖掘技术的计算机网络异常入侵检测可提高入侵检测的准确率、降低误报率,全面提升网络安全防护能力。

Hadoop大数据技术课程教学探索

文章首先阐述了Hadoop大数据技术课程知识体系及教学现状,然后提出了Hadoop大数据技术课程教学改革策略,最后对Hadoop大数据技术课程教学改革效果进行了分析,其中改革策略部分包括提高教学水平,优化教学资源;线上线下结合,优化教学模式;优化实践教学;等等。

“岗课赛证”融通的高职院校大数据技术专业课程体系改革实践--以西安航空职业技术学院为例

本文围绕“岗课赛证”融通的高职院校大数据技术专业课程体系改革进行探讨,探索在高职教育中实行岗位需求与课程、技能竞赛、职业资格认证相结合的改革路径。论文分析了大数据技术专业的岗位需求,根据这些需求对课程内容进行重构,将教学内容与岗位技能紧密结合,设计了“平台+模块”的大数据技术专业课程体系。

数据挖掘技术在中医临床教学中的应用

目的探究分析数据挖掘技术在中医临床教学中的应用。方法选取2023年1月—12月黑龙江中医药大学第一附属62名中医临床实习生。将2023年1月—6月的31名实习生纳入对照组,采用常规教学,将2023年7月—12月的实习生纳入观察组,结合数据挖掘技术落实教学。对比两组的理论知识和实际操作技能成绩、批判性思维能力(评判性思维情感倾向量表)、学习能力(自主学习评价量表)及满意度。结果教学后,观察组理论知识和实际操作技能成绩高于对照组(P<0.05)。观察组寻求真相、分析能力、开放思想、思维自信及认知成熟度评分均高于对照组(P<0.05)。观察组自主学习能力、综合能力、分析以及解决能力、团队协作能力、学习积极性及学习效率评分均高于对照组(P<0.05)。观察组在对教学老师态度以及能力、提升临床思维能力、对熟悉操作技能、内容拓展及对教学老师教学方式的满意度评分均高于对照组(P<0.05)。结论将数据挖掘技术融入教学阶段,不仅能够显著提升实习生考核成绩以及批判性思维能力,同时能够有效改善其学习能力以及对于教学的满意程度。

基于“雨课堂”的SPOC混合式教学研究与实践——以数据挖掘技术课程为例

针对传统数据挖掘技术课程教学模式存在的问题,研究探索了基于“雨课堂”的SPOC混合式教学模式,并进行了教学实践。实践结果表明,混合式教学模式有助于提高学生的参与度和积极性,增强学生分析问题的能力,促进教学质量的提升。

“跨行业”数据集多元化的数据挖掘课程改革与实施

数据挖掘作为大数据专业的核心课程,旨在培养学生的数据处理、分析和应用能力,使其能充分挖掘和利用数据中的隐藏价值。在数据挖掘课程的教学中,需要打破传统学科教学模式,以实践教学为导向,更新课程内容、重构课程大纲,进行“跨行业”数据集多元化探索,并参与项目实践,培养满足企业需求、适应社会发展的技能型人才。

基于GIS技术下地质数据挖掘与应用

基于GIS(Geographic Information System,地理信息系统)技术建立数据库,通过对数据的挖掘、处理生成勘察报告和图纸,对传统的地质勘察流程进行再造、升级。该项技术可以在设计工作初始进行方案指导,提高项目内业生产效率,指导勘探和取样工作布置,缩短应届大学生的培养周期。

大数据处理技术在电力营销数据用户偏好挖掘中的应用

大数据处理技术在各行业的应用逐渐深入,让电力行业也迎来了数字化转型的新机遇。电力营销作为电力公司与用户之间的桥梁,正逐步从传统的粗放型管理向更加精细化、个性化的模式转变,尤其是在用户偏好挖掘方面,利用大数据处理技术,让电力公司从海量的用电数据中提取出用户的需求和行为特征,进而为用户提供量身定制的服务和产品。大数据技术利用实时分析、数据挖掘和机器学习的手段,让电力营销能更精准地预测用户需求,还能优化资源配置,提升用户体验。因此本文通过对大数据处理技术在电力营销数据中用户偏好挖掘的应用及其发展趋势的探讨,分析了其对电力营销的影响。

基于数据挖掘技术的工程造价信息处理与造价预测

为提升工程造价信息的处理效率与预测准确性,文章介绍了基于数据挖掘技术的工程造价信息处理流程,包括数据选择、清洗以及基于数据挖掘建立指数平滑模型的过程;分析了模型关键参数的确定方法,并探讨了基于该模型的工程造价预测机制,同时实施挖掘数据的合理性判断。研究结果表明,采用数据挖掘技术能够显著提升工程造价预测的精准度,为工程项目决策提供有力支持。

教育数据挖掘技术在高校课程建设中的应用

通识教育课程和学科基础课程是大学生入学后首先接触的两门学科,它们之间的联系对于科学、高效地引导后续各门学科的教学至关重要。因此,文章采用教育数据挖掘技术中的关联规则方法,借助Weka平台中的Apriori分析,探索通识教育与专业基础课程的关联规则,旨在提高教师的教学效果和学生的学习效率;同时,文章还为高校的课程设置提出政策建议,以提升高校的教学水平。

数据挖掘技术及应用课程的项目式教学实践

阐述在数据挖掘技术及应用课程中采用项目式对分课堂教学模式,通过课前任务驱动案例,利用“超星学习通”平台上传相关的网络资源,促使学生更有针对性地听讲,提高该课程的教学质量和教学效率。

基于“教赛协同”的数据挖掘课程教学改革研究

数据挖掘课程是大数据和人工智能方向重要的核心课程,主要培养学生在数据驱动的范式下结合问题场景和社会需求,具备利用数据挖掘方法和技术分析、解决实际问题的能力。针对数据挖掘课程教学过程中存在的“痛点”问题,以培养工程型创新性人才为导向,从课程内容体系、学科竞赛体系和课程队伍体系三个维度,探索并构建基于“教赛协同”的数据挖掘课程教学改革的策略和方法,为地方高等院校大数据和人工智能相关专业的发展提供思路。

基于数据挖掘的课程思政教学资源个性化推荐方法——以计算机类课程为例

思政教学资源是指用于开展思政教育的各类资源,为提高课程思政教学质量,现提出基于数据挖掘的课程思政教学资源个性化推荐方法。首先,以计算机类课程为例开展研究,构建计算机类课程思政教学资源推荐模型,分析学习行为与对应的思政教学资源。其次,基于数据挖掘提取计算机类课程中思政教学资源特征,为后续的教学资源推荐提供保障。最后,实现思政教学资源个性化智能推荐。实验结果表明:基于数据挖掘的课程思政教学资源个性化推荐方法的准确性明显优于传统方法,证明该方法在课程教学方法上具有一定可行性。

计算机数据挖掘技术的开发及其应用探究

本文深入研究计算机数据挖掘技术的开发及其在不同领域的广泛应用。首先介绍数据挖掘的基本概念和发展历程,其次探讨数据挖掘技术的核心算法与方法。再次以实际案例为例,详细分析数据挖掘的应用情况。最后对数据挖掘技术的发展趋势进行前瞻性探讨,探索其在未来的潜在应用领域。

基于数据挖掘的前沿技术识别方法与实证研究

依据前沿技术的前瞻性、先导性、探索性及颠覆性特征,构建基于数据挖掘的前沿技术识别方法,可为高效制定技术发展策略、合理调整技术规划布局提供支撑。首先,以工程索引(engineering index,EI)和德温特创新(Derwent innovation,DI)平台数据库为数据源,制定检索表达式采集数据,并对数据进行预处理。其次,建立表征前沿技术特征的指标体系,并对据此筛选出的技术文本数据进行挖掘,识别前沿技术主题。最后,以量子计算领域为例开展实证研究,识别出量子纠错技术、光量子芯片技术等前沿技术点,经技术专家等验证,表明识别结果科学有效。