Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)-教學(xué)大綱

1、Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)教學(xué)大綱課程名稱：Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)課程類別：必修適用專業(yè)：大數(shù)據(jù)技術(shù)類相關(guān)專業(yè)先修課程：Python編程基礎(chǔ)總學(xué)時(shí)：64學(xué)時(shí)（其中理論28學(xué)時(shí)，實(shí)驗(yàn)36學(xué)時(shí)）總學(xué)分：4.0學(xué)分一、課程的性質(zhì)隨著云時(shí)代的來臨，大數(shù)據(jù)技術(shù)將具有越來越重要的戰(zhàn)略意義。大數(shù)據(jù)已經(jīng)滲透到每一 個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，逐漸成為重要的生產(chǎn)要素，人們對(duì)于海量數(shù)據(jù)的運(yùn)用將預(yù)示著新一 輪生產(chǎn)率增長(zhǎng)和消費(fèi)者盈余浪潮的到來。大數(shù)據(jù)分析技術(shù)將幫助企業(yè)用戶在合理時(shí)間內(nèi)攫取、 管理、處理、整理海量數(shù)據(jù)，為企業(yè)經(jīng)營(yíng)決策提供積極的幫助。大數(shù)據(jù)分析作為數(shù)據(jù)存儲(chǔ)和 挖掘分析的前沿技術(shù)，廣泛應(yīng)用于物聯(lián)網(wǎng)、云

2、計(jì)算、移動(dòng)互聯(lián)網(wǎng)等戰(zhàn)略性新興產(chǎn)業(yè)。雖然大 數(shù)據(jù)目前在國(guó)內(nèi)還處于初級(jí)階段，但是其商業(yè)價(jià)值已經(jīng)顯現(xiàn)出來，特別是有實(shí)踐經(jīng)驗(yàn)的大數(shù) 據(jù)分析人才更是各企業(yè)爭(zhēng)奪的熱門。為了滿足日益增長(zhǎng)的大數(shù)據(jù)分析人才需求，特開設(shè) Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)課程。二、課程的任務(wù)理論上，要求學(xué)生掌握Python數(shù)據(jù)挖掘編程基礎(chǔ)、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘 算法基礎(chǔ)等數(shù)據(jù)分析與挖掘的主要方法。技能上，結(jié)合服裝店服裝銷售、沐浴露銷售、景區(qū)人流量、服裝企業(yè)貢獻(xiàn)率、餐飲系統(tǒng) 等現(xiàn)實(shí)場(chǎng)景，使學(xué)生學(xué)會(huì)使用Python語言進(jìn)行數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、分類與預(yù)測(cè)、聚類 分析、時(shí)序預(yù)測(cè)、關(guān)聯(lián)規(guī)那么挖掘、智能推薦、偏差檢測(cè)等操作，并從信用

3、卡、餐飲企業(yè)、金 融服務(wù)、020優(yōu)惠券、電商產(chǎn)品等貼近學(xué)生生活的場(chǎng)景案例，進(jìn)行知識(shí)點(diǎn)和真實(shí)案例相結(jié) 合，使學(xué)生進(jìn)一步掌握數(shù)據(jù)分析與數(shù)據(jù)挖掘的流程和技能。思政上，將落實(shí)立德樹人的根本任務(wù)，將育人元素揉入教學(xué)中，引導(dǎo)學(xué)生的環(huán)保理念, 增強(qiáng)學(xué)生法律意識(shí)，培養(yǎng)學(xué)生的工匠精神、平安生產(chǎn)、職業(yè)道德、技能珍貴、科學(xué)探索、獨(dú) 立思考、思辨能力等。三、教學(xué)條件Python 3.8.5+ Anaconda3 2020.11+ scikit-learn 0.22+ PyMySQL 0.10.0+ SciPy 1.4.1+四、課程學(xué)時(shí)分配序號(hào)教學(xué)內(nèi)容理論學(xué)時(shí)實(shí)驗(yàn)學(xué)時(shí)其它1第1章數(shù)據(jù)挖掘基礎(chǔ)1第2章Python數(shù)據(jù)挖掘

4、編程基礎(chǔ)213第3章數(shù)據(jù)探索224第4章數(shù)據(jù)預(yù)處理425第5章數(shù)據(jù)挖掘算法基礎(chǔ)1056第6章信用卡高風(fēng)險(xiǎn)客戶識(shí)別257第7章餐飲企業(yè)菜品關(guān)聯(lián)分析158第8章金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)149第9章020優(yōu)惠券使用預(yù)測(cè)2510第10章電視產(chǎn)品個(gè)性化推薦2511第11章基于TipDM數(shù)據(jù)挖掘平臺(tái)實(shí)現(xiàn)金 融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)12總計(jì)2836五、教學(xué)內(nèi)容及學(xué)時(shí)安排1.理論教學(xué)序 號(hào)章節(jié)名稱主要內(nèi)容教學(xué)目標(biāo)學(xué)時(shí)1數(shù)據(jù)挖掘基礎(chǔ).掌握數(shù)據(jù)挖掘的流程.了解常用的數(shù)據(jù)挖掘建模工具.掌握Python數(shù)據(jù)挖掘環(huán)境配置的方法掌握數(shù)據(jù)挖掘的流 程12Python數(shù)據(jù)挖 掘編程基礎(chǔ).掌握Python的基本命令.掌握Pyth

5、on的數(shù)據(jù)結(jié)構(gòu).掌握Python中庫的導(dǎo)入與添加的方 法. 了解Python數(shù)據(jù)分析預(yù)處理常用庫.了解Python數(shù)據(jù)挖掘建模常用庫和 框架.了解Python的基 本命令、數(shù)據(jù)結(jié)構(gòu)以 及庫的導(dǎo)入與添加.熟悉Python數(shù)據(jù) 挖掘相關(guān)庫的安裝 和使用方法. 了解書本配套附 件的使用23數(shù)據(jù)探索.掌握一致性分析的方法.掌握缺失值分析的方法.掌握異常值分析的方法.掌握描述性統(tǒng)計(jì)分析的方法.掌握分布分析的方法.掌握比照分析的方法.掌握周期性分析的方法.掌握貢獻(xiàn)度分析的方法.掌握相關(guān)性分析的方法.掌握Python中數(shù) 據(jù)質(zhì)量分析的方法.掌握Python中數(shù) 據(jù)特征分析的方法24數(shù)據(jù)預(yù)處理.掌握重復(fù)值、缺

6、失值、異常值處理 方法.掌握數(shù)據(jù)規(guī)范化和離散化的方法.掌握獨(dú)熱編碼的方法.掌握多表合并的方法.掌握分組聚合的方法.掌握Python中數(shù) 據(jù)清洗的方法.掌握Python中數(shù) 據(jù)變換的方法.掌握Python中數(shù) 據(jù)合并的方法4.了解常用的分類與回歸算法.掌握線性模型的原理.掌握決策樹算法的原理.掌握最近鄰分類算法的原理.掌握支持向量機(jī)算法的原理.掌握神經(jīng)網(wǎng)絡(luò)算法的原理.掌握集成算法的原理.掌握分類與回歸算法的評(píng)價(jià)方法9,了解常用聚類分析算法.掌握聚類分析算法的評(píng)價(jià)方法.掌握K-Means聚類算法的原理.掌握密度聚類算法的原理.掌握層次聚類算法的原理. 了解Python主要關(guān)聯(lián)規(guī)那么算法.掌握Apr

7、iori算法的原理.掌握FP-Growth算法的原理. 了解Python主要智能推薦算法.掌握智能推薦模型的評(píng)價(jià)方法.掌握協(xié)同過濾推薦算法的原理.掌握基于流行度的推薦算法的原 理. 了解Python主要時(shí)序模式算法.掌握時(shí)間序列預(yù)處理的方法.了解平穩(wěn)時(shí)間序列分析.掌握非平穩(wěn)時(shí)間序列分析.掌握Python中分 類與回歸的方法.掌握Python中聚 類分析的方法.掌握Python中關(guān) 聯(lián)規(guī)那么分析的方法.掌握Python中智 能推薦的方法.掌握Python中時(shí) 序模式的分析方法10.分析信用卡高風(fēng)險(xiǎn)客戶識(shí)別背景和 數(shù)據(jù).熟悉信用卡高風(fēng)險(xiǎn)客戶識(shí)別的步驟 與流程.了解描述性統(tǒng)計(jì)分析. 了解K-Mean

8、s聚類算法.分析聚類結(jié)果.熟悉信用卡高風(fēng) 險(xiǎn)客戶識(shí)別的步驟 與流程,掌握探索整體數(shù) 據(jù)分布和不同屬性 之間的關(guān)系的方法.掌握用K-Means 聚類算法對(duì)根據(jù)信 用卡客戶數(shù)據(jù)進(jìn)行 客戶分群.掌握對(duì)聚類結(jié)果 進(jìn)行特征分析的方 法2數(shù)據(jù)挖掘算法 基礎(chǔ)信用卡高風(fēng)險(xiǎn) 客戶識(shí)別7餐飲企業(yè)菜品 關(guān)聯(lián)分析.分析餐飲企業(yè)菜品背景和數(shù)據(jù).熟悉餐飲企業(yè)菜品關(guān)聯(lián)分析的步驟 與流程.數(shù)據(jù)探索分析.數(shù)據(jù)清洗和屬性構(gòu)造.了解 Apriori 算法.評(píng)價(jià)Apriori模型.了解案例的背景、 數(shù)據(jù)說明和分析目 標(biāo).掌握每日用餐人 數(shù)、營(yíng)業(yè)額和菜品熱 銷度的分析方法.掌握數(shù)據(jù)清洗、屬 性構(gòu)造的方法.掌握構(gòu)建Apriori 模型的

9、方法.掌握模型評(píng)價(jià)方 法18金融服務(wù)機(jī)構(gòu) 資金流量預(yù)測(cè).分析金融服務(wù)機(jī)構(gòu)資金流量背景和 數(shù)據(jù).熟悉金融服務(wù)機(jī)構(gòu)資金流量預(yù)測(cè)的 基本流程與步驟. 了解平穩(wěn)性檢驗(yàn)和白噪聲檢驗(yàn)的方 法.了解時(shí)間序列模型的定階方法. 了解ARIMA算法.掌握時(shí)間序列模型的評(píng)價(jià)方法.了解案例的背景、 數(shù)據(jù)說明和分析目 標(biāo).熟悉金融服務(wù)機(jī) 構(gòu)資金流量預(yù)測(cè)的 步驟與流程.掌握數(shù)據(jù)平穩(wěn)性 的檢驗(yàn)和處理方法， 以及白噪聲檢驗(yàn).掌握用ARIMA模 型對(duì)資金流量進(jìn)行 預(yù)測(cè)5,掌握對(duì)ARIMA模 型的檢驗(yàn)19020優(yōu)惠券使 用預(yù)測(cè).分析020優(yōu)惠券使用的背景和數(shù)據(jù).熟悉020優(yōu)惠券使用預(yù)測(cè)的分析步 驟與流程.了解數(shù)據(jù)分析探索的方法.

10、了解決策樹算法.了解梯度提升算法. 了解XGBoost分類算法.掌握分類模型的評(píng)價(jià)方法.了解案例的背景、 數(shù)據(jù)說明和分析目 標(biāo),掌握描述性統(tǒng)計(jì) 分析方法.掌握分析優(yōu)惠形 式、用戶消費(fèi)行為、 商戶投放優(yōu)惠券信 息的方法.掌握數(shù)據(jù)清洗和 數(shù)據(jù)變換的數(shù)據(jù)預(yù) 處理方法.掌握構(gòu)建決策樹、 梯度提升和 XGBoost分類模型 的方法.掌握模型評(píng)價(jià)方 法210電視產(chǎn)品個(gè)性 化推薦.分析電視產(chǎn)品個(gè)性化推薦的背景和 數(shù)據(jù).熟悉電視產(chǎn)品個(gè)性化推薦的步驟與 流程.了解基于物品的協(xié)同過濾算法.了解基于流行度的推薦算法.掌握智能推薦算法的評(píng)價(jià)方法. 了解電視產(chǎn)品個(gè) 性化推薦案例的背 景、數(shù)據(jù)說明和分析 目標(biāo),掌握常用的

11、數(shù)據(jù) 清洗方法，對(duì)數(shù)據(jù)進(jìn) 行數(shù)據(jù)清洗.掌握常用的數(shù)據(jù) 探索方法，對(duì)數(shù)據(jù)進(jìn) 行分布分析、比照分 析和貢獻(xiàn)度分析.掌握常用的屬性 構(gòu)造方法，構(gòu)建用戶 畫像標(biāo)簽.熟悉基于物品的 協(xié)同過濾算法和基 于流行度的推薦算 法，構(gòu)建推薦模型.掌握推薦系統(tǒng)的 評(píng)價(jià)方法，對(duì)構(gòu)建的 推薦模型進(jìn)行模型 評(píng)價(jià)211基于TipDM數(shù) 據(jù)挖掘平臺(tái)實(shí) 現(xiàn)金融服務(wù)機(jī) 構(gòu)資金流量預(yù) 測(cè).平臺(tái)簡(jiǎn)介.配置數(shù)據(jù)組件.配置屬性構(gòu)造.配置數(shù)據(jù)篩選.配置周期性差分.配置序列檢驗(yàn).配置分析與建模1 .了解TipDM大數(shù) 據(jù)挖掘建模平臺(tái)的 相關(guān)概念和特點(diǎn)2,熟悉使用TipDM 大數(shù)據(jù)挖掘建模平 臺(tái)配置金融服務(wù)機(jī) 構(gòu)資金流量預(yù)測(cè)任 務(wù)的總體流程1

12、學(xué)時(shí)合計(jì)282 .實(shí)驗(yàn)教學(xué)序號(hào)實(shí)驗(yàn)工程名稱實(shí)驗(yàn)要求學(xué)時(shí)1Python數(shù)據(jù)挖 掘編程基礎(chǔ).使用Python基本命令.使用Python的數(shù)據(jù)結(jié)構(gòu)12數(shù)據(jù)探索1 .使用Python進(jìn)行數(shù)據(jù)質(zhì)量分析2.使用Python進(jìn)行數(shù)據(jù)特征分析23數(shù)據(jù)預(yù)處理.使用Python進(jìn)行數(shù)據(jù)清洗.使用Python進(jìn)行數(shù)據(jù)變換.使用Python進(jìn)行數(shù)據(jù)合并24數(shù)據(jù)挖掘算法1 .使用線性模型進(jìn)行預(yù)測(cè)5基礎(chǔ).使用決策樹算法進(jìn)行預(yù)測(cè).使用最近鄰分類算法進(jìn)行預(yù)測(cè).使用支持向量機(jī)算法進(jìn)行預(yù)測(cè),使用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行預(yù)測(cè).使用集成算法進(jìn)行預(yù)測(cè).使用K-Means算法進(jìn)行聚類分析.使用密度聚類算法進(jìn)行聚類分析.使用層次聚類算法進(jìn)行聚類分

13、析.使用Apriori算法進(jìn)行關(guān)聯(lián)分析11,使用FP-Growth算法進(jìn)行關(guān)聯(lián)分析.使用協(xié)同過濾推薦算法進(jìn)行推薦分析.使用基于流行度的推薦算法進(jìn)行推薦分析14,使用ARIMA模型進(jìn)行時(shí)間序列分析5信用卡高風(fēng)險(xiǎn) 客戶識(shí)別.描述性統(tǒng)計(jì)分析.分析客戶歷史信用記錄.分析客戶經(jīng)濟(jì)情況.分析客戶經(jīng)濟(jì)風(fēng)險(xiǎn)情況.清洗數(shù)據(jù).屬性構(gòu)造.構(gòu)建K-Means聚類模型.評(píng)價(jià)K-Means聚類模型56餐飲企業(yè)菜品 關(guān)聯(lián)分析.分析每日用餐人數(shù)和營(yíng)業(yè)額.分析菜品熱銷度.清洗數(shù)據(jù).屬性構(gòu)造.構(gòu)建Apriori模型.評(píng)價(jià)Apriori模型57金融服務(wù)機(jī)構(gòu) 資金流量預(yù)測(cè).屬性構(gòu)造.截取平穩(wěn)局部數(shù)據(jù).周期性差分.平穩(wěn)性檢驗(yàn)和白噪聲檢

14、驗(yàn).時(shí)間序列模型的定階.評(píng)價(jià)ARIMA模型48020優(yōu)惠券使 用預(yù)測(cè).描述性統(tǒng)計(jì)分析.分析優(yōu)惠形式信息.分析用戶消費(fèi)行為信息.分析商戶投放優(yōu)惠券信息.清洗數(shù)據(jù).變換數(shù)據(jù).構(gòu)建決策樹分類模型.構(gòu)建梯度提升分類模型.構(gòu)建XGBoost分類模型.評(píng)價(jià)分類模型59電視產(chǎn)品個(gè)性1 .清洗數(shù)據(jù)5化推薦.探索數(shù)據(jù).構(gòu)造屬性.構(gòu)建基于物品的協(xié)同過濾算法的推薦模型.構(gòu)建基于流行度的推薦算法模型.評(píng)價(jià)智能推薦模型10基于TipDM數(shù) 據(jù)挖掘平臺(tái)實(shí) 現(xiàn)金融服務(wù)機(jī) 構(gòu)資金流量預(yù) 測(cè).使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)獲取數(shù)據(jù).使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行分組聚合、數(shù)據(jù) 篩選、差分、序列檢驗(yàn)等操作.使用TipDM大數(shù)據(jù)挖掘建模平臺(tái)進(jìn)行時(shí)間序列模型構(gòu) 建、模型檢驗(yàn)和模型評(píng)價(jià)等操作2學(xué)時(shí)合計(jì)36六、考核方式突出學(xué)生解決實(shí)際問題的能力，加強(qiáng)過程性考核。課程考核的成績(jī)構(gòu)成二平時(shí)作業(yè) （10%） +課堂參與（20%） +期末考核（70%）,期末考試建議采用開卷形式，試題應(yīng)包 括基本概念、數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理、分類與預(yù)測(cè)、聚