本选题首先深入剖析了教育大数据的特征，提出教育大数据分析与挖掘技术的目标和应用前景，梳理教育领域常用的分析挖掘技术，揭示教育大数据分析的本质。随后，从教育数据获取与预处理、数据降维、分析与预测、多维关联挖掘、聚类分析、滞后时间序列分析、社会网络分析等七个方面介绍教育数据挖掘的原理和实践。本选题不仅阐释了决策树、人工神经网络、支持向量机、朴素贝叶斯分类器、Logistic回归、Apriori算法、K-Means聚类、层次聚类等分析技术的原理，也利用SPSS Modeler、GSEQ、Ucinet、Gephi等软件结合案例和实操对这些算法的应用场景进行了全面介绍。本选题结合案例将复杂的数据分析技术进行深入浅出的讲解，选用教育领域的数据进行预处理、降维、预测、聚类、关联分析、时间序列分析和社会网络分析。与此同时，结合微视频讲解案例操作，形成立体化教材，努力将本书打造成在内容设计上面具有实践性，在知识层面上具有发展性，在表现形式上具有富媒体性的图书。
