一、數據挖掘概述與數據預處理
    1、目標：對數據挖掘建立清晰、正確的認識；了解如何對數據進行初步的統計分析，掌握利用報表、統計指標、可視化圖形對數據進行概括性描述；掌握數據預處理的基本技巧，例如數據清洗、規范化轉換、連續值離散化、缺失值的處理；了解數據倉庫的基本概念和建設。
      —— 了解數據挖掘基本概念、模型和能解決的問題；
      —— 數據挖掘面臨的問題
      —— 統計分析的基本方法和度量
      —— 數據準備與數據倉庫
      —— 數據預處理的方式方法
二、挖掘方法1：
    1、目標：掌握頻繁項集、閉合頻繁項集、關聯規則概念，典型關聯規則挖掘算法，關聯規則挖掘的建模與分析；掌握決策樹分類法，理解預測準確率與過擬合的關系，能夠構建訓練集、測試集，并用學習到的分類模型進行分類預測。
      —— 關聯分析算法與模型設計
      —— 決策樹算法與模型設計
      —— 結合工具軟件操作
三、挖掘方法2:  
    1、目標：理解貝葉斯方法，能夠用工具建立貝葉斯網絡模型；掌握聚類典型算法k-均值聚、層次聚類 和基于密度的聚類，能夠構建聚類模型，對數據進行有效聚類。
       —— 貝葉斯與貝葉斯網絡算法與模型設計
       —— 典型聚類算法與模型設計
       —— 結合工具軟件操作
四、其他挖掘方法與挖掘前沿技術
    1、目標：了解多種挖掘算法與技術，了解數據挖掘的前沿技術，以利于日后可能的應用。
       —— 時序和序列數據的挖掘
       —— 神經網絡分類
       —— 圖挖掘、社會網絡挖掘分析與介紹
       —— 其他挖掘技術
五、挖掘模型建模和實例分析
    1、目標：了解多個工具軟件，對個工具軟件有總體認識，以便恰當選擇商業化的挖掘工具；通過一個實例，應用挖掘工具逐步、詳細實現挖掘工程。
       —— 其他多種挖掘工具的介紹。
       —— 結合一個實例，例如市場營銷、證券、電信業務、銀行業務等，進行實際建模
            與挖掘分析。