Python數(shù)據(jù)挖掘算法與應用 課程教學大綱

PAGEPAGE7數(shù)據(jù)挖掘課程教學大綱系、部：XXXX系

數(shù)據(jù)挖掘課程教學大綱課程名稱：數(shù)據(jù)挖掘?qū)W分：4總學時：64理論學時：先修課程：數(shù)據(jù)庫技術(shù)、高級程序設計、數(shù)據(jù)結(jié)構(gòu)適用專業(yè):計算機科學與技術(shù)、數(shù)據(jù)科學與達數(shù)據(jù)、數(shù)據(jù)工程、管理信息系統(tǒng)等專業(yè)。開課學期：第六學期。一、課程性質(zhì)、定位和教學目標課程性質(zhì)：創(chuàng)業(yè)創(chuàng)新教育課（專業(yè)核心課）。課程定位：本課程把培養(yǎng)數(shù)據(jù)挖掘概念及應用作為培養(yǎng)目標，比較系統(tǒng)、完整地講述數(shù)據(jù)挖掘的基本原理、基本概念和基本技術(shù)，適當介紹當今數(shù)據(jù)挖掘的新技術(shù)和新應用，使學生掌握有關(guān)在大量信息中提取隱含在這些數(shù)據(jù)中的、人們事先未知的、且具有潛在價值的信息和知識的過程，提取出來的信息和知識能夠指導人們的生產(chǎn)和實踐。了解數(shù)據(jù)挖掘技術(shù)是所有數(shù)據(jù)挖掘方法的集合，可以根據(jù)數(shù)據(jù)挖掘任務的類型，可以將數(shù)據(jù)挖掘技術(shù)簡單分為有監(jiān)督學習（例如，分類問題）和無監(jiān)督學習（例如，聚類問題）兩個類別；理解根據(jù)方法的特征，可以將數(shù)據(jù)挖掘技術(shù)簡單分為統(tǒng)計學習（例如，回歸估計）和機器學習（例如，神經(jīng)網(wǎng)絡）兩類。最終掌握解決實際問題的設計思想，具備用數(shù)據(jù)挖掘的知識解決簡單實際問題的思想和能力。教學目標：通過本課程的學習，了解與掌握數(shù)據(jù)挖掘技術(shù)發(fā)展的過程，數(shù)據(jù)挖掘的基本概念。了解數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念、基本原理和最新發(fā)展；熟悉數(shù)據(jù)倉庫設計的基本方法與工具；熟悉數(shù)據(jù)挖掘的基本方法與工具；對數(shù)據(jù)挖掘的關(guān)聯(lián)規(guī)則、分類方法、聚類、分類方法有深入的了解，并能夠在軟件開發(fā)與系統(tǒng)設計的過程中熟悉這些方法加以應用。二、教學內(nèi)容與要求

第1章

數(shù)據(jù)挖掘概述【教學目的與要求】

理解和掌握數(shù)據(jù)挖掘的基本概念、數(shù)據(jù)挖掘的過程以及數(shù)據(jù)挖掘的功能；了解數(shù)據(jù)挖掘的應用和面臨的問題；對數(shù)據(jù)挖掘能夠解決的問題和解決問題的思路有清晰地認識。【教學內(nèi)容】1.什么是數(shù)據(jù)挖掘；2.數(shù)據(jù)挖掘的基本步驟及方法；3.數(shù)據(jù)挖掘與統(tǒng)計學的關(guān)系；4.數(shù)據(jù)挖掘與機器學習的關(guān)系；5.數(shù)據(jù)挖掘十大經(jīng)典算法；6.數(shù)據(jù)挖掘的典型應用?！窘虒W重點與難點】重點：數(shù)據(jù)挖掘與統(tǒng)計學、機器學習的關(guān)系，數(shù)據(jù)挖掘十大經(jīng)典算法。難點：數(shù)據(jù)挖掘的典型應用。【教學手段】使用多媒體教室、投影儀，使用幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題1第2章

Python數(shù)據(jù)分析基礎【教學目的與要求】

熟練掌握Python基本數(shù)據(jù)類型、字符串、組合數(shù)據(jù)類型、程序控制流程及用戶定義函數(shù)的概念和應用。理解和掌握正則表達式及文件的讀寫操作。【教學內(nèi)容】1.Python程序概述；2.python常用的內(nèi)置數(shù)據(jù)結(jié)構(gòu)；3.正則表達式；4.文件操作?！窘虒W重點與難點】重點：程序流程控制、內(nèi)置數(shù)據(jù)結(jié)構(gòu)。難點：正則表達式?！窘虒W手段】使用多媒體教室、投影儀，使用幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題2第3章

Python數(shù)據(jù)挖掘中的常用模塊【教學目的與要求】

熟練掌握Python的NumPy模塊、Pandas模塊的數(shù)據(jù)結(jié)構(gòu)、對象的創(chuàng)建及相關(guān)運算。掌握Matplotlib圖表繪制基礎只是和簡單的基本繪圖函數(shù)的運用。掌握Scikit-learn的主要功能及自帶的小數(shù)據(jù)集。了解股票數(shù)據(jù)簡單分析的案例?！窘虒W內(nèi)容】1.NumPy模塊；2.Pandas模塊；3.Matplotlib圖表繪制基礎；4.Scikit-learn；5.股票數(shù)據(jù)簡單分析。【教學重點與難點】重點：NumPy模塊、Pandas模塊、Matplotlib圖表繪制基礎。難點：Scikit-learn應用?！窘虒W手段】使用多媒體教室、投影儀，使用幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題3第4章

數(shù)據(jù)的描述與可視化【教學目的與要求】

了解數(shù)據(jù)描述和可視化的意義，掌握數(shù)據(jù)對象與屬性類型的確定，掌握屬性與屬性類型相關(guān)信息的度量，熟練掌握數(shù)據(jù)對象的重要屬性的相似性度量。了解數(shù)據(jù)可視化的意義及相關(guān)技術(shù)，掌握文本詞云圖生成函數(shù)的應用?！窘虒W內(nèi)容】1.數(shù)據(jù)的描述與可視化概念；2.數(shù)據(jù)對象與屬性類型；3.屬性與屬性類型；4.數(shù)據(jù)對象的相似性度量；5.數(shù)據(jù)可視化。【教學重點與難點】重點：數(shù)據(jù)對象、屬性與屬性類型的關(guān)系及數(shù)據(jù)對象的相似性度量。難點：數(shù)據(jù)可視化。【教學手段】使用多媒體教室、投影儀，使用幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題4第5章數(shù)據(jù)采集和預處理【教學目的與要求】了解大數(shù)據(jù)采集的方法及數(shù)據(jù)預處理的目的和意義；掌握如何讀取不同數(shù)據(jù)源的數(shù)據(jù)；如何對數(shù)據(jù)進行清清洗、標準化；掌握如何對不同數(shù)據(jù)源的數(shù)據(jù)進行合并；掌握如何對數(shù)據(jù)進行變換和離散化，使之適合建模的需要；掌握如何對數(shù)據(jù)進行歸約，使得在歸約后的數(shù)據(jù)集上挖掘更有效。【教學內(nèi)容】數(shù)據(jù)采集和預處理概述；數(shù)據(jù)清洗；數(shù)據(jù)集成；數(shù)據(jù)標準化；數(shù)據(jù)歸約；數(shù)據(jù)變換與數(shù)據(jù)離散化?！窘虒W重點與難點】重點：數(shù)據(jù)集成和變換。難點：數(shù)據(jù)歸約和離散化?！窘虒W手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示。【課后作業(yè)】習題5第6章分類模型【教學目的與要求】了解分類及預測的基本思想、概念和意義；掌握常用分類及預測的算法（或模型）；了解分類及預測挖掘的研究動態(tài)。【教學內(nèi)容】1．分類模型的概念；2．KNN分類模型；3．Rocchio分類器模型；4．決策樹模型；5．貝葉斯分類模型；6．支持向量機；7．分類模型的評估與選擇。【教學重點與難點】重點：KNN分類、決策樹、貝葉斯分類模型、支持向量機及分類模型的評估與選擇。難點：支持向量機及分類模型的評估與選擇?！窘虒W手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題6第7章聚類分析【教學目的與要求】了解如何計算由各種屬性和不同的類型來表示的對象之間的相異度；了解幾種聚類技術(shù)，如劃分方法、層次方法，基于密度的方法，基于網(wǎng)絡的方法和基于模型的方法?！窘虒W內(nèi)容】聚類分析中概述；基于劃分的聚類方法；基于層次的聚類方法；基于密度的聚類方法；基于網(wǎng)格的聚類方法；基于模型的聚類方法；聚類評估?！窘虒W重點與難點】重點：劃分方法、層次方法、基于密度的方法。難點：基于模型的聚類方法和聚類評估。【教學手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題7第8章關(guān)聯(lián)規(guī)則分析【教學目的與要求】了解關(guān)聯(lián)規(guī)則的基本思想、概念和意義；了解關(guān)聯(lián)規(guī)則挖掘的應用背景；掌握常用的關(guān)聯(lián)規(guī)則算法Apriori算法和FP-Growth算法；了解關(guān)聯(lián)規(guī)則分析如何通過數(shù)據(jù)挖掘軟件的實現(xiàn)；了解其它方法的內(nèi)容及關(guān)聯(lián)規(guī)則挖掘的研究動態(tài)。【教學內(nèi)容】1．關(guān)聯(lián)規(guī)則相關(guān)概念；2．Apriori算法；3．FP-Growth算法；4.Eclat算法5.關(guān)聯(lián)規(guī)則典型應用場景?！窘虒W重點與難點】重點：Apriori算法和FP-Growth算法。難點：由關(guān)聯(lián)規(guī)則到相關(guān)分析。【教學手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題8第9章預測模型【教學目的與要求】了解預測模型的基本思想、概念和意義；掌握一元線性回歸預測模型的應用；了解一些比較簡單的趨勢外推法預測模型，如指數(shù)曲線、修正指數(shù)曲線、Logistic曲線、Compertz曲線等。了解時間序列預測法常用預測模型，如移動平均數(shù)法、趨勢預測法、指數(shù)平滑法等?！窘虒W內(nèi)容】1．預測方法的分類和一般步驟；2．回歸分析預測模型；3．趨勢外推法預測模型；4.時間序列預測法模型。【教學重點與難點】重點：回歸分析預測模型。難點：由趨勢外推、時間序列預測法模型。【教學手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題9第10章深度學習簡介【教學目的與要求】了解深度學習的概念概念和意義；了解人工智能、機器學習和深度學習的關(guān)系；了解感知機的原理；掌握前饋神經(jīng)網(wǎng)絡的原理及算法；了解反向傳播算法、卷積神經(jīng)網(wǎng)絡、循環(huán)神經(jīng)網(wǎng)絡及生成對抗網(wǎng)絡的概念?！窘虒W內(nèi)容】1．深度學習概述；2．感知機；3．前饋神經(jīng)網(wǎng)絡；4.反向傳播算法；5.卷積神經(jīng)網(wǎng)絡；6.循環(huán)神經(jīng)網(wǎng)絡；7.生成對抗網(wǎng)絡?！窘虒W重點與難點】重點：感知機和前饋神經(jīng)網(wǎng)絡。難點：循環(huán)神經(jīng)網(wǎng)絡及生成對抗網(wǎng)絡。【教學手段】使用多媒體教室、投影儀，使用自制的幻燈片課件，邊講解邊演示?！菊n后作業(yè)】習題10三、學時分配課程內(nèi)容學時分配小計講課習題課討論課實驗其他第1章數(shù)據(jù)挖掘概述1.1~1.622第2章Python數(shù)據(jù)分析基礎426第3章Python數(shù)據(jù)挖掘中的常用模塊6410第4章數(shù)據(jù)的描述與可視化426第5章數(shù)據(jù)采集和預處理44第6章分類模型6410第7章聚類分析628第8章關(guān)聯(lián)規(guī)則分析66第9章預測模型628第10章深度學習簡介44合計481664四、考核方式與評分標準考試；平時（30%）、期末（70%）。五、主要參考