課程發(fā)展的主要歷史沿革
1）專業(yè)沿革:廣東工業(yè)大學計算機科學與技術專業(yè)（1998年以前為計算機及應用專業(yè)）創(chuàng)辦于 1984 年，是廣東省最早創(chuàng)辦該類專業(yè)的高校之一。在創(chuàng)辦后的20年來，學校一直給予了極大的政策支持和資金投入，通過20年的建設，本專
業(yè)在學科和課程建設及辦學條件等方面有了長足的進展，1993 年“計算機應用技術”學科被評為省級重點扶持學科，1999 年“計算機科學與技術專業(yè)”再度
被評為省級重點學科，成為本校 5 個省級重點學科之一，2003 年該專業(yè)被評為廣東省名牌專業(yè)，該專業(yè)學科總體水平在全國地方工科院校中處于前列。
2） 課程發(fā)展:隨著計算機科學與技術及互聯(lián)網(wǎng)技術的快速發(fā)展，大數(shù)據(jù)時代的到來， 以數(shù)據(jù)分析和信息提取為基本特征的 《數(shù)據(jù)挖掘》 技術獲得了極大的發(fā)展。
本課程積聚了新方法、新技術，以適應數(shù)據(jù)挖掘技術的發(fā)展及快速增長的應用需求?！稊?shù)據(jù)挖掘》課程的教學內容、教學方法在不斷的改革與創(chuàng)新。我?！稊?shù)據(jù)挖掘》 課程起步于研究生的課程， 從 2003年起，我校在研究生教育階段引入 《數(shù)據(jù)挖掘》課程，2004年我校完成了本科《數(shù)據(jù)挖掘》的教學大綱，2006年在工程碩士課程中引入《數(shù)據(jù)挖掘》課程，經(jīng)過近 10 年的教學實踐，教學內容上隨著《數(shù)據(jù)挖掘》技術的進步及應用開展而不斷增加（如，以 SVM、EM 為代表的統(tǒng)計學習方法、以PAGERANK為代表的鏈接挖掘技術、以ADABoost 為代表的袋裝與推進算法、以 K-MEANS 為代表的聚類算法、以 Apriori為代表的管理分析算法、以及以C4.5、KNN、Naive Bayes、CART等為代表的分類算法等），我校的《數(shù)據(jù)挖掘》課程伴隨廣東經(jīng)濟建設需要，在教學內容上不斷更新、教學手段上不斷完善，從課堂講授逐漸演變?yōu)榘咐浇虒W，結合具體應用進行講解?！稊?shù)據(jù)挖掘》課程在加強素質教育、培養(yǎng)創(chuàng)新人才等方面已形成特色。
3) 課程現(xiàn)狀:以案例形式組織教學內容，以應用及項目為背景，建立了集課程
體系、教學內容、考試、實驗、教學方法、課程設計等較全面的教學體系，通過《數(shù)據(jù)挖掘》專題學習網(wǎng)站，為學生提供網(wǎng)上輔助多媒體教學系統(tǒng)、學生答疑系
統(tǒng)、自動測試、批改作業(yè)系統(tǒng)、論壇討論、師生交流等拓展知識，尤其是將數(shù)據(jù) 挖掘算法轉換為課程學習的練習任務，要求學生設計、實現(xiàn)并在數(shù)據(jù)集上應用。
由此營造一個主動學習、協(xié)同創(chuàng)新的良好育人氛圍，延伸視野、加強素質教育、 培養(yǎng)創(chuàng)新人才的方法和手段。已取得了可喜的成績。
理論課教學內容
一、課程的性質和目的
本課程是計算機專業(yè)的專業(yè)選修課。本課程的學習目的在于使學生掌握數(shù)據(jù)倉庫的基本概念、基本原理；掌握OLAP技術；掌握數(shù)據(jù)挖掘的基本概念、基本方法和基本技術。為從事數(shù)據(jù)分析工作及參加數(shù)據(jù)分析工程實踐打下必要的基礎。
二、課程教學內容及學時分配
第一章 緒論(2學時)
掌握數(shù)據(jù)挖掘的概念、方法，了解數(shù)據(jù)挖掘任務，了解數(shù)據(jù)挖掘的發(fā)展與展望。
本章知識點為:數(shù)據(jù)挖掘概念，數(shù)據(jù)挖掘任務。
第二章 數(shù)據(jù)處理基礎 (4學時)
掌握數(shù)據(jù)、數(shù)據(jù)類型概念，了解和掌握數(shù)據(jù)預處理過程，掌握數(shù)據(jù)清理、數(shù)據(jù)集成和變換數(shù)據(jù)歸約和數(shù)據(jù)離散化。掌握數(shù)據(jù)的相似性及相異性及其計算。
本章知識點為:數(shù)據(jù)、數(shù)據(jù)類型概念數(shù)據(jù)預處理，數(shù)據(jù)相似性、相異性及其度量。
第三章 分類與回歸（7學時)
掌握數(shù)據(jù)分類的基本概念，掌握決策樹分類方法、掌握貝葉斯分類方法、掌握k-最近鄰分類方法、掌握回歸分析，了解機器學習的分類方法，了解模型的擬合和過度擬合問題。了解評估分類器性能的方法。
本章知識點為:數(shù)據(jù)分類概念，決策樹分類、貝葉斯分類、k-最近鄰分類、機器學習、回歸，模型擬合.
第四章 聚類分析（7學時）
要求理解和掌握常見的聚類分析方法，掌握基于劃分的聚類算法、k-means聚類算法、層次聚類算法、基于密度的聚類算法、一趟聚類算法，了解聚類的評估方法。了解聚類的應用。
本章知識點為:聚類分析，K-means均值、層次聚類、基于密度的聚類、DBSCAN，聚類評估。
第五章 關聯(lián)技術（6學時）
掌握Apriori 算法，掌握支持度、置信度、頻繁項集及求頻繁項集的方法，掌握關聯(lián)規(guī)則及挖掘方法、FP樹及其算法，掌握關聯(lián)模式的評估。
本章知識點為:關聯(lián)規(guī)則、Apriori 算法、FP樹、支持度、置信度、頻繁項集。
第六章 離群點挖掘（6學時）
要求理解和掌握孤立點（離群點）的基本概念，掌握基于統(tǒng)計的方法、基于驅離的方法、基于相對密度的方法、基于聚類的方法，了解異常檢測基本概念，基本方法，了解異常檢測的應用。
本章知識點為:離群點、異常檢測。
三、課程教學的基本要求
本課程是計算機專業(yè)的專業(yè)選修課程，理論性較強，涉及較多的理論知識及數(shù)學知識，是本專業(yè)的具有廣闊應用前景的理論課程。在教學方法上，采用課堂講授，課后自學，課堂討論和實踐相結合的教學形式。
(一)課堂講授
本課程屬基礎理論課程，涉及到較多的數(shù)學知識，在講述的過程中教師應盡量聯(lián)系生產(chǎn)生活實際，注重物理意義，不要陷入到繁復的數(shù)學推導之中。在教學中要求同學重點掌握數(shù)據(jù)模型、OLAP技術、數(shù)據(jù)挖掘方法等基本概念、基本方法和基本規(guī)律，要著重培養(yǎng)學生定性分析、定量估算和模擬實驗研究的能力，在課程內容方面既要保持理論的系統(tǒng)性，又要注意聯(lián)系工程實際，并且重視技術科學的一般方法學的培養(yǎng)。
（二）課后自學
為了培養(yǎng)學生整理歸納，綜合分析和處理問題的能力，每章都安排一部分習題內容，課上教師只給出自學提綱，不作詳細講解，課后學生自學。
（三）課堂討論
課堂討論的目的是活躍學習氣氛，開拓思路，。教師應認真組織，安排重點發(fā)言，充分調動每一名同學的學習積極性，做好總結。
（四）習題課
習題課以典型例題分析為主，并適當安排開闊思路及綜合性的練習及討論。共2學時（已包括在前述學時分配中）。
（五）課外作業(yè)
課外作業(yè)的內容選擇基于對基本理論的理解和鞏固，培養(yǎng)綜合計算和分析、判斷能力以及使用計算工具的能力。習題以計算性小題為主，平均每學時１-２道題。
（六）實驗
實驗不占學時，實驗以學習數(shù)據(jù)挖掘基本方法和訓練實驗能力為主，驗證理論為輔。通過實驗要求學生掌握數(shù)據(jù)挖掘基本方法。
（七）考試
考試可采用閉卷形式，試題包括基本概念，基本理論，基本方法，題型可采用填空，判斷，計算，簡答等方式。
總評成績:課外作業(yè)，平時成績占20％；期末考試占70%；課程類大作業(yè)占10%
實踐課教學內容
實驗分三個層次:基礎實驗，綜合實驗，創(chuàng)新性實驗。
1. 基礎實驗
掌握Clementine的基本使用，熟悉Clementine 中文教程中的案例。
實驗一 數(shù)據(jù)預處理方法
? 熟悉Clementine的基本使用
– 了解數(shù)據(jù)流操作的基本過程(輸入->處理->輸出)(以drug數(shù)據(jù)集為例)
– 熟悉數(shù)據(jù)源節(jié)點的使用:可變文件、固定文件、SPSS文件
– 熟悉字段節(jié)點的使用:類型、過濾、導出、分箱
– 熟悉圖形節(jié)點的使用:點圖，分布圖(條形圖)，柱形圖(直方圖)
– 熟悉輸出節(jié)點的使用:表格、數(shù)據(jù)審核
– 熟悉建模節(jié)點:特征選擇
– 考慮以下3個例子
? Clementine 概述
? 篩選預測變量(特征選擇)
? 準備分析數(shù)據(jù)(數(shù)據(jù)審核)
實驗二 聚類方法
? 熟悉輸出節(jié)點的使用:統(tǒng)計量、矩陣
? 熟悉建模節(jié)點:k-means, kohonen聚類, Two step(兩步聚類)
– 采用Clementine自帶的DRUG1n 數(shù)據(jù)集(可變文件)， 采用k-means， SOM
和兩階段方法三種聚類算法建模，分別進行描述。
– 使用表節(jié)點查看聚類性能。
第七章 案例三的數(shù)據(jù)分析
實驗三 分類方法
? 熟悉分類任務的過程:模型建立(C5.0)、C&R 樹、Bayes網(wǎng)絡、選擇、抽樣、
平衡、模型檢驗
– 利用Clementine自帶的DRUG1n數(shù)據(jù)集，結合C5.0算法對數(shù)據(jù)集進行分
類分析，使用分析節(jié)點、表節(jié)點查看分類性能。
考慮以下3個例子
– 藥物治療(勘察表/C5.0)
– 有線電視服務銷售(C&R 樹)
– 預測貸款拖欠者(貝葉斯網(wǎng)絡)
實驗四 回歸方法
? 熟悉建模節(jié)點:回歸，邏輯回歸
? 考慮以下2個例子
– 電信業(yè)客戶分類(多項 Logistic 回歸)
– 電信客戶流失(二項 Logistic 回歸)
實驗五 關聯(lián)分析
? 熟悉建模節(jié)點:Apriori，Anomaly
? 考慮以下3個例子
– 市場購物籃分析(規(guī)則歸納/C5.0)
– 欺詐屏蔽(異常檢測/神經(jīng)網(wǎng)絡)
– 識別促銷的目標客戶(RFM)
? 識別消費額度高的客戶
? 預測促銷目標客戶的響應
第七章 案例四的數(shù)據(jù)分析
? 熟悉建立項目和報告的過程
2．綜合實驗——實際案例
3．大作業(yè)(創(chuàng)新性實驗)——以 2-5人為一項目組
大作業(yè)分三大類型，完成后要報告、答辯。
(1) 數(shù)據(jù)挖掘行業(yè)應用現(xiàn)狀調研
數(shù)據(jù)挖掘在電子商務、財務決策、會計、市場營銷、物流管理、稅務、人力
資源管理、保險、貿易等領域的應用現(xiàn)狀調研分析，最終以調研報告或論文的形
式提交成果。
(2) 實際領域的數(shù)據(jù)挖掘
數(shù)據(jù)挖掘在電子商務、財務決策、會計、市場營銷、物流管理、稅務、人力
資源管理、保險、貿易、校園數(shù)據(jù)挖掘(教學管理、金龍卡消費模式)、上市公司
數(shù)據(jù)分析、股票數(shù)據(jù)分析等領域的應用，最終以論文或系統(tǒng)(含設計文檔)的方式
作為成果提交。
(3) 數(shù)據(jù)挖掘算法研究
改進已有算法或設計新的算法
數(shù)據(jù)挖掘教學條件
1.教材與使用建設
教學教材
Jiawei Han, M. Kamber 著，范明,孟小峰譯. 數(shù)據(jù)挖掘:概念與技術，
機械工業(yè)出版社，2003.
參考教材
（1）Ian H. Wittan. 數(shù)據(jù)挖掘:實用機器學習技術（英文版）. 機械
工業(yè)出版社, 2005.
（2）毛國君. 數(shù)據(jù)挖掘原理與算法. 清華大學出版社, 2005.
（3）O. P. Rud. 朱揚勇等譯. 數(shù)據(jù)挖掘實踐. 機械工業(yè)出版社，2003.
2.輔 教學資 助 料
（1）圖片庫:數(shù)據(jù)挖掘結果的可視化展示；
（2）論文庫:課程組發(fā)表的數(shù)據(jù)挖掘論文；
（3）算法庫:課程組開發(fā)完成的各種數(shù)據(jù)挖掘算法案例庫:課程組 承擔的數(shù)據(jù)挖掘項目案例解決方案；
（4）試題庫:近年來的試題；
（5）習題庫:課后作業(yè)；
（6）資源鏈接:國內外著名數(shù)據(jù)倉庫及數(shù)據(jù)挖掘產(chǎn)品提供商的網(wǎng)站
鏈接。
3.實踐 教學環(huán) 性 境
（1）智能計算實驗室:能夠容納 100 人同時實驗，PC 機的配置為: Intel Pentium4 530，512M 內存，915GV 主板，80G 硬盤。開發(fā)環(huán)境: MATLAB 機器學習開發(fā)環(huán)境，.Net 開發(fā)環(huán)境，J2EE 開發(fā)環(huán)境。
（2）多功能數(shù)據(jù)挖掘器:多功能數(shù)據(jù)挖掘器是課程組承擔的廣東省 重大科技攻關項目，已經(jīng)于 2004 年通過了廣東省科技廳鑒定，鑒定 結論為國內領先水平。多功能數(shù)據(jù)挖掘器提供了應用程序設計接口
API（Application Programming Interface），便于用戶二次開發(fā)。學生 既可以利用 MFDM 學習數(shù)據(jù)挖掘算法，也可以利用其 API 進行算法
設計。
（3）數(shù)據(jù)倉庫創(chuàng)建工具:課程組購買了數(shù)據(jù)倉庫創(chuàng)建工具，著名的 數(shù)據(jù)挖掘產(chǎn)品 Clementine、IBM Intelligent Miner 等，學生可以利用它 學習、熟悉數(shù)據(jù)倉庫的創(chuàng)建過程。
4.網(wǎng)絡教學環(huán)境
通過多年的建設，課程組建立了良好的網(wǎng)絡教學環(huán)境: 《數(shù)據(jù)挖掘
網(wǎng)絡教學平臺》—能夠進行數(shù)據(jù)挖掘的網(wǎng)絡教學；《多功能數(shù)據(jù)挖掘
器算法庫》—對于常見的數(shù)據(jù)挖掘功能，如分類、關聯(lián)規(guī)則、聚類分 析等，提供了相應的算法，學生可以下載
教學方法和手段
1) 以案例講授數(shù)據(jù)挖掘算法與知識
圍繞算法，以案例的形式進行知識傳授，將每個《數(shù)據(jù)挖掘》算法通過數(shù)據(jù) 分析案例來討論、介紹與學習，并結合具體應用，引導學生選擇合適的算法挖掘 數(shù)據(jù)。
2) 主動學習、學生作品庫建設
按自愿組合與分派結合，將學生分組。學習數(shù)據(jù)挖掘算法時，教師介紹算法 的基本情況后，由學生動手實現(xiàn)，設計了一系列檢查機制與監(jiān)督方法，指導、檢
查并監(jiān)督學生實現(xiàn)挖掘算法。 要求學生編程實現(xiàn)數(shù)據(jù)挖掘算法， 做成一個個作品， 并應用于具體數(shù)據(jù)集或開源數(shù)據(jù)集，根據(jù)學生的各類算法，可比較不同算法在某
個數(shù)據(jù)集上的效果。讓學生通過算法實現(xiàn)、算法比較學到更多的算法，并體會各 算法的差異。在此過程中，教師起指導、檢查作用。 學生已完成部分數(shù)據(jù)挖掘算法的實現(xiàn)（增加部分學生的作品）。
3) 堅持科研融入教學
向學生展示、說明教師現(xiàn)有數(shù)據(jù)挖掘方面的科研項目，鼓勵并吸納學生參加 教師的科研項目。推動學生學以致用，在科研中學習。如吸納部分本科生參加國 家、省市各類科研項目，在項目實踐中鍛煉學生。 堅持科研、教學、教改三結合，課程組教師積極開展科研、教研和教學改革
工作，并跟蹤新技術，將科研、教研融入教學中，將科研成果應用到數(shù)據(jù)挖掘的 具體教學實踐。 將一些數(shù)據(jù)挖掘的項目以案例的形式進行組織，并傳授給學生，啟發(fā)學生開
展類似的項目開發(fā)。 部分學生參加的項目如下:
教育部重點實驗室項目《基于SVM和決策樹的協(xié)同入侵檢測》、廣東省自 然科學基金項目《協(xié)同入侵檢測的數(shù)據(jù)整合與負載均衡技術研究》、廣東省科技 計劃項目《面向SLA 的移動網(wǎng)絡用戶體驗服務平臺》與《電信客戶服務的數(shù)據(jù)
分析關鍵技術研究》、廣州市科技計劃項目《基于信令挖掘的寬帶移動通信網(wǎng)絡 用戶體驗(QOE)平臺》等
4) 多層次、多渠道的開放型、自主性和創(chuàng)新型實踐教學
多層次是指實踐教學分為基本實驗、選做實驗、課程設計等多個層次。多渠 道是指課堂實踐教學、課外科研訓練實踐、大學生電子設計競賽、高校杯、挑戰(zhàn) 杯科技競賽等多種渠道。通過多層次、多渠道的形式實現(xiàn)真正的開放型、自主性和創(chuàng)新型實踐教學，提高學生創(chuàng)新能力和實踐能力，成績顯著。（近年來指導的 學生獲得省“高校杯” ， “挑戰(zhàn)杯” ， “電子設計競賽”等
課程評價
廣東工業(yè)大學計算機學院程良倫教授對本課程教學效果評價
為: “ 《數(shù)據(jù)挖掘》 課程是我院的廣東省重點課程， 我院一直非常重視， 從資金、人力和資源都給予了相當?shù)闹С?。課程組是一支團結協(xié)作、 結構合理的師資隊伍。該課程組的教師愛崗敬業(yè)、有奉獻精神，教師 隊伍學術和教學水平高， 教學經(jīng)驗豐富。 在教學過程中， 注意將科研、 教研與教學相結合、理論與實踐相結合，堅持把教書育人放在首位，注意素質教育。嚴格要求，把好課堂教學關，教學效果優(yōu)秀，實踐性 教學環(huán)節(jié)和多媒體特色明顯，深受學生歡迎和同事們的好評。在省內 同類課程教學中處于領先地位。 對我院其他課程組起到了示范作用。 ”計算機科學與技術是省名牌專業(yè)， 本課程是計算機專業(yè)選修主干 課程，省名牌專業(yè)評審專家組對計算機專業(yè)（包括本課程）課程建設 和教學條件評價高。 校外同行對本課程的建設和教學成果及學生創(chuàng)新 能力等方面也都給予很高的評價:
華南師范大學計算機系湯庸教授
說: “ 《數(shù)據(jù)挖掘》課程建設從上個世紀 90 年**始，課程組就非常 重視，歷時 20 多年，先后有兩代人的投入，做了許多卓有成效的工 作。該課程在 1993 年獲廣東省重點課程，并一脈相承地承擔了國家
級項目、省教育廳“五個 100 工程”項目、省教育廳“151 工程”項 目等多項教學研究與教學改革項目。該課程從教學大綱編寫、教材選 用、實驗開設、課件制作到網(wǎng)上教學資源的運用，都體現(xiàn)出課程組的 優(yōu)良傳統(tǒng)和高效工作成果。這充分反映本課程師資、教學條件和學習環(huán)境優(yōu)越，實踐性教學環(huán)節(jié)特色明顯，課程建設成績突出。在現(xiàn)代教 育技術的利用和多媒體課件的開發(fā)和學生的綜合設計能力培養(yǎng)方面 處于國內同類院校的領先地位”………。
下面摘錄計算機專業(yè)學生的部分評價:
獲得全國“挑戰(zhàn)杯”三等獎和省“高校杯”一等獎的 2009 屆學生陳東銳說“借助極其方便的校園網(wǎng)，課下我們可隨時學習數(shù)據(jù)挖掘 技術以加深對課程的印象及重點、難點的理解，尤其是數(shù)據(jù)挖掘的綜合課程設計使我們對知識的結構化、系統(tǒng)化有了進一步的認識。我們 的學習再也不受時間（課堂 50 分鐘）與空間（教室）的限制，這充 分調動了我們學習的主動性和積極性。另外，它使我們能夠將自己所 理解的用設計的形式表現(xiàn)出來，給了我們一個可以舒展自己的空間， 加強了我們的動手能力和綜合設計能力， 培養(yǎng)了我們分析與解決問題 的能力， 為我們在歷次的高校杯等競賽中具有明顯優(yōu)勢打下了堅實的基礎。
許龍同學說: “通過這種方式學習數(shù)據(jù)挖掘課程知識，我覺得效 果特別好。彌補了老師課堂上授課內容太多過快，學生不能很好吸收 的缺陷，我們學生可以通過網(wǎng)絡課程，根據(jù)自己的學習情況適度地學 習！ ” 。羅聰同學說: “利用網(wǎng)絡多媒體進行教學，可以使平時一些比較 枯燥的學習內容變得十分生動有趣，增加了我們的學習興趣，使新的
知識很容易被接受，而且能啟發(fā)我們的思維和創(chuàng)造性，培養(yǎng)我們發(fā)現(xiàn)問題、分析問題和解決問題的能力”
劉捷同學說: “我懷著極大的興趣學習《數(shù)據(jù)挖掘》這門課程， 我學到了很多東西， 加深了我對先前課程的認識， 開闊了自己的視野， 最重要的是培養(yǎng)了自己的學習興趣和綜合能力， 學到了很多以前沒學 到的東西，它能夠發(fā)揮同學們的空間思維能力和綜合能力，《數(shù)據(jù)挖 掘》課程的學習使我覺得大學這三年來沒有白學。真希望以后再有這 樣的機會。 ” 陳玲同學說: “利用多媒體將教學內容以圖、動畫、三維方式展 示出來，能將抽象的理論具體化，避免了枯燥無味的理論學習，加深 了對新學內容的印象，領會快且深刻。它使新學知識更容易理解和接 受。對難點重點可反復學習，明顯地提高了學習和記憶的效果，拓展
了我們的視野，加大了信息量。提高了學習效率和學習質量。
”有同 學說: “用設計型教數(shù)據(jù)挖掘課，使我們從被動的學習、聽講變?yōu)橹?動的思考問題，并學以致用。 ”
陳建雄同學說: “一方面采用這種網(wǎng)絡多媒體和教學的相結合方 式教學，本身就能讓我們實實在在的感受到數(shù)據(jù)挖掘在實際中應用，從這一點就能激發(fā)我們學生的上課興趣。另一方面，課程的內容安排 也非常合理，從數(shù)據(jù)挖掘系統(tǒng)模型的整體認識，到模型各個層次的系 統(tǒng)講解，同時還涉及了一些近幾年快速發(fā)展起來的數(shù)據(jù)挖掘技術（如 HADOOP、GFS 等），使我們在掌握數(shù)據(jù)挖掘基本原理的基礎上，對未來技術的發(fā)展有一定的認識，也為以后的工作和技術開發(fā)打下基礎。數(shù)據(jù)挖掘課程組有多人次獲得全國獎項五項（《數(shù)據(jù)挖掘》獲全 國網(wǎng)絡與多媒體教育軟件3等獎， 2次獲全國多媒體教育軟件優(yōu)秀獎，
1 次學生獲全國“挑戰(zhàn)杯”3 等獎）；
多人 5 次獲得省級獎項（2 人次獲廣東省科技進步 2 等獎，1 次獲省級優(yōu)秀教學成果 2 等獎，3 次獲省級多媒體教育軟件 1、2 等獎）；
學生多次獲得省級獎項；2 次獲校優(yōu)秀教學成果獎，14 人次獲校教學優(yōu)秀獎，1 人次獲校實驗教學優(yōu)秀獎。獲得優(yōu)秀指導教師 10 余人次， 11 人次獲年度
課程簡介
Course Introduction
教學大綱
Teaching Syllabus
友情鏈接Links
相關課程Correlative
Courses
