课程名称及代码：大数据营销（09021212）
课程学分与学时：3分/ 45学时（课堂讲授 30学时，实验实践 9 学时，自主学习6学时）
先修课程：管理学、市场营销、广告策划
适用专业：市场营销
一、课程性质、目的与任务
1. 课程性质
《大数据营销》是市场营销类专业开设的一门实践性、操作性和技能性较强的必修的专业拓展课程。
2. 课程教学目的与任务
通过本课的学习，学生将对（大）数据分析的价值、意义和基本原理建立清晰和比较全面的认识，掌握有关数据发掘、处理、建模和解释的基本原理和方法，了解和熟悉数据分析在社会科学研究、商业分析和公共管理等领域的实际案例。
二、教学内容与学时分配
第1章 绪论
1.1 知识
1.2 知识发现
1.3 知识发现的任务
1.4 知识发现的方法
1.5 知识发现的对象
1.6 知识发现与创新
第2章 决策树
2.1 归纳学习
2.2 决策树学习
2.3 CLS学习算法
2.4 ID3学习算法
2.5 决策树的改进算法
2.6 决策树的评价
2.7 简化决策树
2.8 连续型属性离散化
2.9 基于偏置变换的决策树学习算法BSDT
2.10 归纳学习中的问题
第3章 关联规则
3.1 关联规则挖掘概述
3.2 广义模糊关联规则的挖掘
3.3 挖掘关联规则的数组方法
3.4 任意多表间关联规则的并行挖掘
3.5 基于分布式系统的关联规则挖掘算法
3.6 词性标注规则的挖掘算法与应用
第4章 基于范例的推理
4.1 概述
4.2 过程模型
4.3 范例的表示
4.4 范例的索引
4.5 范例的检索
4.6 相似性关系
4.7 范例的复用
4.8 范例的保存
4.9 基于例示的学习
4.10 范例工程
4.11 范例约简算法
第5章 模糊聚类
5.1 概述
5.2 传递闭包法
5.3 FCMBP聚类法
5.4 系统聚类法
5.5 C－均值聚类法
5.6 聚类有效性
5.7 聚类方法的比较
第6章 粗糙集
6.1 概述
6.2 知识的约简
6.3 决策逻辑
6.4 决策表的约简
6.5 粗糙集的扩展模型
6.6 粗糙集的实验系统
6.7 粗糙集的展望
第7章 贝叶斯网络
7.1 概述
7.2 贝叶斯概率基础
7.3 贝叶斯学习理论
7.4 简单贝叶斯学习模型
7.5 贝叶斯网络的建造
7.6 贝叶斯潜在语义模型
7.7 半监督文本挖掘算法
第8章 支持向量机
8.1 统计学习问题
8.2 学习过程的一致性
8.3 结构风险最小归纳原理
8.4 支持向量机
8.5 核函数
三、教学方法与手段
1．课程的教学方法
采取讲授法与案例法相结合的教学方法，学生案例分析为主，教师讲授为辅。
2．教学组织形式
采取课堂讲授和教师指导下的自主学习相结合的单班或合班教学组织形式；通过课堂教学、课内实验、课内实训、见习和社会调查等多种形式开展教学，增强学生对基本理论知识的理解与掌握，增强对行业的认识与知识的应用能力。
3．教学手段
以丰富的网络资源、案例、实验并结合必要的行业调查实践构成虚拟教学环境，通过讲解、案例分析讨论、课内外实验实训、教育见习等多种教学手段组织教学。
四、课程考核方式
1、过程考核：由课堂表现、出勤情况、作业成绩、实训课表现等几部分组成，过程考核成绩占总成绩的70%。
2、期末考核：非闭卷考试，期末考核成绩占总成绩的30%。
五、其他
（一）作业及自主学习要求
学生作业次数不少于四次，全批全改并进行课堂评讲。自主学习的时间每周应保持3-4个学时，以巩固所学的知识技能。
（二）课程资源
1、建议教材
于丽云主编，《数据挖掘与营销》，武汉大学出版社，2015。
2、主要参考书
（1）逮宇铎等编著，《国际市场营销学—经典案例分析与练习》，清华大学出版社，2012。
（2）李剑虹主编，《市场营销学案例分析及综合训练》，西南交通大学出版社，2012。
（3）冯丽云主编，《营销案例的编写与分析》，经济管理出版社，2003。
（4）邓镝主编，《营销策划案例分析(第2版)》，机械工业出版社，2014。
3、课外学习资源
（1）网络资源：中国营销传播网 http://www.emkt.com.cn；市场研究网 http://www.3see.com；世界经理人网站 http://www.ceconline.com
（2）校外资源：各高校大数据营销课程的精品课程、课件及相关资料、
大纲执笔：任文举
