Python數(shù)據(jù)分析與數(shù)據(jù)挖掘 教學大綱

《Python數(shù)據(jù)分析與數(shù)據(jù)挖掘》教學大綱課程基本信息課程中文名稱：Python數(shù)據(jù)分析與數(shù)據(jù)挖掘課程英文名稱：PythonDataAnalysisandDataMining課程類別：專業(yè)必修適用專業(yè)：大數(shù)據(jù)管理與應用、數(shù)據(jù)科學與大數(shù)據(jù)技術(shù)、人工智能及計算機相關專業(yè)先修課程：計算機導論、數(shù)據(jù)結(jié)構(gòu)、面向?qū)ο蟪绦蛟O計建議開課學期：第4學期建議學時：64學時（其中理論32學時，實驗32學時）建議學分：2.0學分課程性質(zhì)、目標及任務《Python數(shù)據(jù)分析與數(shù)據(jù)挖掘》是大數(shù)據(jù)管理與應用等專業(yè)的一門必修課程，也是計算機科學與技術(shù)、軟件工程、人工智能等相關專業(yè)的選修課程。本課程的先修課為《計算機導論》、《數(shù)據(jù)結(jié)構(gòu)》、《面向?qū)ο蟪绦蛟O計》等，后續(xù)課程為《大數(shù)據(jù)可視化》、《深度學習》等。本課程以學生掌握數(shù)據(jù)分析與挖掘的相關概念和理論為知識培養(yǎng)目標，以學生熟練使用Python開展數(shù)據(jù)分析與挖掘的實踐應用為能力培養(yǎng)目標，以學生初步形成“數(shù)據(jù)思維”為素質(zhì)培養(yǎng)目標。課程按照Python基礎知識、數(shù)據(jù)分析相關包、數(shù)據(jù)挖掘理論與算法的應用、綜合案例的學習路徑，全面系統(tǒng)的介紹了運用Python進行數(shù)據(jù)分析與數(shù)據(jù)挖掘的基本概念與方法。課程第一部分主要講解Python基礎語法知識，包括Python數(shù)據(jù)結(jié)構(gòu)、函數(shù)和面向?qū)ο蟮戎R，為學習者掌握后續(xù)內(nèi)容打下良好的編程基礎；第二部分主要講解Python中數(shù)據(jù)分析相關包，包括使用NumPy和Pandas進行數(shù)據(jù)的統(tǒng)計分析、分組與聚合、交叉分析，以及使用Matplotlib進行數(shù)據(jù)可視化等；第三部分講解數(shù)據(jù)挖掘的理論與算法應用，包括數(shù)據(jù)挖掘的相關概念、常用算法原理和實踐應用；第四部分為綜合案例，通過精選案例詳細介紹了數(shù)據(jù)分析與挖掘的步驟和方法，進一步提高學生的綜合實踐能力。本課程采用理論與實踐應用相結(jié)合的教學方式，循序漸進的培養(yǎng)學生數(shù)據(jù)分析、數(shù)據(jù)可視化、數(shù)據(jù)挖掘的能力，每個知識點均設計了典型性的綜合案例，引導學生在掌握理論知識的基礎上快速開展編程實踐，為將來從事數(shù)據(jù)科學相關領域的工作打下堅實的基礎。教學方法1.建議采用線上線下混合式教學。可基于學習通等平臺，完善教學大綱、教學課件、教學難點的講解視頻、教學案例、實踐練習、算法原理視頻、習題、習題解答等課程資源，打造數(shù)字資源豐富的課程學習平臺。2.采用理論結(jié)合實踐的教學方式。理論教學以教師課堂講授為主，可結(jié)合程序演示、課堂練習、提問、案例討論等多種形式，加強互動，促進學生對知識點的理解。實驗教學采用教師布置實驗任務，學生自主上機練習，教師現(xiàn)場指導并答疑的形式，提高學生的實踐應用能力。實驗教學中，教師還可啟發(fā)學生自己思考并設計實驗內(nèi)容，以培養(yǎng)學生自主學習和解決問題的能力。3.案例式教學。每個重要知識點以及每章小結(jié)前，均設計了豐富的典型性案例，課程基礎知識的教學完成后，還有多個基于較復雜數(shù)據(jù)的綜合案例。通過案例式教學，可實現(xiàn)知識的綜合運用，幫助學生更好理解理論知識并跟隨操作，快速開展編程實踐。課程學時分配序號教學內(nèi)容理論學時實驗學時1第1章Python概述112第2章Python基礎語法443第3章函數(shù)224第4章類與對象225第5章NumPy基礎與應用226第6章Pandas基礎與應用447第7章Matplotlib基礎及應用228第8章分類449第9章聚類4410第10章回歸4411第11章實戰(zhàn)案例--電商消費者數(shù)據(jù)分析1112第12章實戰(zhàn)案例--乳腺癌數(shù)據(jù)分析與預測1113第13章實戰(zhàn)案例--鉆石數(shù)據(jù)分析與預測11總計=SUM(ABOVE)3232教學內(nèi)容及學時安排理論教學序號章節(jié)名稱主要內(nèi)容教學目標學時1第1章Python概述了解Python的優(yōu)點和特性；掌握Python開發(fā)環(huán)境的安裝與配置；掌握Python第三方包的獲取和安裝方法；掌握編輯和運行Python程序的方法；熟悉Python的運行原理；掌握Python的編寫規(guī)范。掌握Python開發(fā)環(huán)境的安裝與配置；Python的運行原理和編程規(guī)范。12第2章Python基礎語法了解Python中的標識符與變量；掌握Python中數(shù)據(jù)的輸入與輸出；掌握Python中常用的數(shù)據(jù)結(jié)構(gòu)；掌握Python中的運算符與表達式；掌握Python的流程控制。掌握Python中常用的數(shù)據(jù)輸入和輸出方法;掌握Python中序列類型和映射類型的特點及應用；掌握Python中的流程控制語句。43第3章函數(shù)理解Python中的函數(shù)、模塊和包；掌握Python中函數(shù)定義的方法；理解Python中參數(shù)的傳遞；掌握Python中函數(shù)參數(shù)的設置；掌握Python中的匿名函數(shù)和遞歸函數(shù)。掌握Python中函數(shù)的定義方法；理解Python中函數(shù)參數(shù)的傳遞方法；掌握Python中函數(shù)參數(shù)的設置。24第4章類與對象掌握Python中類的定義與使用；掌握Python中類的屬性與方法；理解繼承；理解運算符重載。掌握Python中類的定義與使用方法；掌握Python中類的屬性與方法。25第5章NumPy基礎與應用掌握NumPy數(shù)組的創(chuàng)建方法；掌握NumPy數(shù)組的基本屬性；掌握NumPy數(shù)組的相關操作；掌握NumPy數(shù)組的讀寫。掌握NumPy數(shù)組的創(chuàng)建和使用方法；掌握NumPy數(shù)組的統(tǒng)計、形狀、運算等操作。26第6章Pandas基礎與應用理解Series和DataFrame數(shù)據(jù)結(jié)構(gòu)；掌握DataFrame中數(shù)據(jù)的選??；掌握Pandas中的數(shù)據(jù)合并；掌握Pandas中的數(shù)據(jù)算術(shù)運算和比較運算；掌握Pandas中數(shù)據(jù)的統(tǒng)計分析；掌握Pandas中的透視表與交叉表。理解Pandas中主要的數(shù)據(jù)結(jié)構(gòu)；掌握Pandas中數(shù)據(jù)的基本操作方法；掌握使用Pandas對數(shù)據(jù)進行運算與分析。47第7章Matplotlib基礎及應用理解Matplotlib中圖形（Figure）的構(gòu)成；掌握子圖的多種設置方法；掌握Pyplot中常用圖形的繪制方法；Matplotlib與Numpy和Pandas的綜合應用。理解Matplotlib中圖形（Figure）的構(gòu)成；掌握子圖的多種設置方法；掌握Pyplot中常用圖形的繪制方法。28第8章分類理解分類的基本概念；了解常用的分類算法；掌握分類算法常用的評價指標；理解決策樹的算法原理；掌握sklearn中決策樹的應用；理解樸素貝葉斯分類器的原理；掌握sklearn中樸素貝葉斯分類器的應用；理解支持向量機的原理；掌握sklearn中支持向量機的應用；理解梯度提升決策樹的原理；掌握sklearn中梯度提升決策樹的應用。掌握常用分類算法的原理；掌握Python中常用分類算法的應用。49第9章聚類理解聚類的基本概念；了解常用的聚類算法；理解聚類的評估；理解基于劃分聚類的原理；掌握sklearn中K-Means的應用；理解基于層次分析聚類的原理；掌握sklearn中Birch的應用；理解基于密度聚類的原理；掌握sklearn中DBSCAN的應用。掌握常用聚類算法的原理；掌握Python中常用聚類算法的應用。410第10章回歸理解回歸的基本概念；了解常用的回歸算法；理解回歸分析的步驟；掌握回歸模型的評價指標；理解線性回歸的原理；掌握一元線性回歸的應用；掌握多元線性回歸的應用；理解邏輯回歸的原理； 掌握邏輯回歸的應用； 掌握多項式回歸的應用；掌握嶺回歸的應用； 掌握Lasso回歸的應用。掌握常用回歸算法的原理；掌握Python中常用回歸算法的應用。411第11章實戰(zhàn)案例-電商消費者數(shù)據(jù)分析了解電商消費者數(shù)據(jù)分析背景和數(shù)據(jù)集；理解電商消費者數(shù)據(jù)分析的步驟與流程；掌握電商消費者數(shù)據(jù)加載和預處理；掌握電商消費者數(shù)據(jù)的探索性分析；掌握電商消費者數(shù)據(jù)的可視化分析。掌握探索整體數(shù)據(jù)分布和不同屬性之間關系的方法；掌握空值、異常值檢測等數(shù)據(jù)預處理方法；掌握用分組、聚合及可視化等對訂單、顧客及產(chǎn)品情況進行分析的方法；掌握按時間對銷售數(shù)據(jù)進行分析的方法；理解探索性分析與可視化分析的結(jié)果。112第12章實戰(zhàn)案例--乳腺癌數(shù)據(jù)分析與預測了解乳腺癌數(shù)據(jù)分析與預測案例背景和數(shù)據(jù)集；理解乳腺癌數(shù)據(jù)分析與預測的步驟與流程；掌握乳腺癌數(shù)據(jù)的探索性分析；掌握乳腺癌數(shù)據(jù)的相關性分析；掌握乳腺癌數(shù)據(jù)的可視化分析；掌握邏輯回歸、決策樹、SVM等多種分類預測模型的運用；熟悉分類預測模型評價的指標；探討提升預測準確率的策略。掌握數(shù)據(jù)分布情況的可視化分析；掌握數(shù)據(jù)相關性分析的方法；掌握多種常用分類預測模型的應用；熟悉分類預測模型評價的指標；掌握數(shù)據(jù)規(guī)范化、特征選擇、超參數(shù)優(yōu)化等提升模型預測準確率的方法。113第13章實戰(zhàn)案例—鉆石數(shù)據(jù)分析與預測了解鉆石數(shù)據(jù)分析與預測案例背景和數(shù)據(jù)集；理解鉆石數(shù)據(jù)分析與預測的步驟與流程；掌握鉆石數(shù)據(jù)加載和預處理方法；分別掌握對數(shù)據(jù)類別特征和數(shù)值特征的分析方法；掌握數(shù)據(jù)的相關性分析；掌握使用管道機制（pipeline）進行數(shù)據(jù)預處理和預測。掌握缺失值進行處理、異常值識別與處理、類別特征編碼等數(shù)據(jù)預處理方法；分別掌握對數(shù)據(jù)類別特征和數(shù)值特征的分析方法；掌握使用管道機制（pipeline）對數(shù)據(jù)的預處理和預測等步驟進行封裝和管理。1學時合計32實驗教學序號實驗項目名稱實驗要求學時1第1章Python概述Python開發(fā)環(huán)境的搭建；熟悉Anaconda開發(fā)環(huán)境；進行包管理的方法。12第2章Python基礎語法練習Python中數(shù)據(jù)輸入和輸出的多種方法；使用列表、字典、集合等Python中的數(shù)據(jù)結(jié)構(gòu)。練習Python中的循環(huán)等流程控制。43第3章函數(shù)練習Python中函數(shù)定義的方法；練習Python中參數(shù)的傳遞；練習Python中函數(shù)參數(shù)的設置方法；練習Python中的匿名函數(shù)。24第4章類與對象練習Python中類定義與使用；練習Python中類屬性與方法的使用。25第5章NumPy基礎與應用練習Numpy數(shù)組的創(chuàng)建；練習Numpy數(shù)組的索引和切片、轉(zhuǎn)置與降維等；使用Numpy數(shù)組進行統(tǒng)計分析、四則運算等；練習Numpy數(shù)組的讀寫。26第6章Pandas基礎與應用使用Pandas進行數(shù)據(jù)的導入和導出、選取和編輯；練習Pandas中數(shù)據(jù)的合并；練習Pandas中的數(shù)據(jù)算術(shù)運算和比較運算；練習Pandas中數(shù)據(jù)的分組與聚合；練習Pandas中的數(shù)據(jù)透視表與交叉表。47第7章Matplotlib基礎及應用練習Pyplot中常用圖形的繪制；練習子圖的多種設置方法；練習Matplotlib與Numpy和Pandas的綜合應用。28第8章分類練習使用決策樹進行分類分析；練習使用樸素貝葉斯進行分類分析。練習使用支持向量機進行分類分析；練習使用梯度提升決策樹進行分類分析；練習常用分類算法的綜合應用。49第9章聚類練習使用K-Means進行聚類分析；練習使用Birch進行聚類分析；練習使用DBSCAN進行聚類分析；練習常用聚類算法的綜合應用。410第10章回歸練習使用一元線性回歸模型；練習使用多元線性回歸模型；練習使用邏輯回歸模型；練習使用多項式回歸模型； 練習使用嶺回歸模型；練習使用Lasso回歸模型。411實戰(zhàn)案例-電商消費者數(shù)據(jù)分析數(shù)據(jù)加載；數(shù)據(jù)信息初步分析；數(shù)據(jù)預處理；各國訂單情況的探索性分析；客戶情況的探索性分析；產(chǎn)品情況的探索性分析；按時間的銷售數(shù)據(jù)分析。112實戰(zhàn)案例--乳腺癌數(shù)據(jù)分析與預測數(shù)據(jù)加載和預處理； 探索性數(shù)據(jù)分析； 診斷結(jié)果列分布分析；數(shù)據(jù)分布的可視化分析；相關性分析；使用LogisticRegression模型預測；使用決策樹模型預測；使用SVM模型預測；評價分類模型；提升預測準確率的策略探索。113實戰(zhàn)案例—鉆石數(shù)據(jù)分析與預測數(shù)據(jù)加載；數(shù)據(jù)信息初步分析；數(shù)據(jù)預處理；鉆石數(shù)據(jù)中類別特征分析；鉆石數(shù)據(jù)中數(shù)值特征分析；相關性分析；多種回歸模型預測及對比分析；分類模型評價。1學時合計32考核方式加強過程性考核，課程考核成績可采用如下比例：課程成績構(gòu)成=平時作業(yè)（20%）+課堂參與（10%）+期末考核（70%），期末考試建議采用開卷上機考試形式，注重學生實踐能力和解決實際問題能力的考核。試題內(nèi)容可包括：Python基本語法、數(shù)據(jù)描述性統(tǒng)計分析、數(shù)據(jù)可視化、數(shù)據(jù)預處理、數(shù)據(jù)分類分析、數(shù)據(jù)聚類分析、