叶明全,黄道斌,卢小杰,胡天寒

（皖南医学院计算机教研室，安徽芜湖241002）

近年来，随着大数据与移动互联网、物联网和云计算等新兴信息技术的深度融合，以及大数据在各行各业的创新应用，大数据已经引起科技界、产业界和政府的高度关注[1-5]。大数据隐含着巨大的社会、经济及科研价值。因此，通过有效地组织和应用大数据，建立“用数据说话、用数据决策、用数据管理、用数据创新”的管理机制，将极大地推动社会经济和科学研究发展。其中，大数据分析与挖掘技术，作为探测数据价值的关键手段，是大数据研究与应用的核心[5-6]。同时，各行各业的数据科学与工程专业人才需求呈现爆发式增长。在上述背景下，高校计算机与信息类本科专业开设数据挖掘课程是十分必要，且具有重要意义。通过数据挖掘课程学习，可以掌握数据预处理、关联规则、分类、聚类、可视化等技术，培养学生的计算思维能力，提高学生实践能力与创新应用能力，帮助学生形成科学思维和专业素养。但是，数据挖掘是一门具有前沿性、实践性较强的交叉学科课程，其内容主要涉及人工智能、数据库和统计学等多学科知识，从而导致数据挖掘课程存在教学难度大、理论教学过多、学习兴趣难以提高等问题[7]。

1 数据挖掘实践教学软件分类

在数据挖掘实践教学中，选择合适的数据挖掘工具是非常重要的。现有的数据挖掘工具可分为商用数据挖掘工具和开源数据挖掘工具两大类。……