Python大數(shù)據(jù)分析與挖掘基礎教學大綱

《python大數(shù)據(jù)分析與挖掘基礎》課程教學大綱課程代碼:學分:四學時:六四（其:講課學時:四二實踐或實驗學時:二二）先修課程:數(shù)學分析,高等代數(shù),概率統(tǒng)計,Python程序設計基礎適用專業(yè):信息與計算科學建議:Python大數(shù)據(jù)分析與挖掘實戰(zhàn)開課系部:數(shù)學與計算機科學學院一,課程地質與任務課程質:專業(yè)方向選修課。課程任務:大數(shù)據(jù)時代,數(shù)據(jù)成為決策最為重要地參考之一,數(shù)據(jù)分析行業(yè)邁入了一個全新地階段。通過學本課程,使得學生能夠掌握Python科學計算,數(shù)據(jù)處理,數(shù)據(jù)可視化,挖掘建模等基本技能,能夠針對基本地數(shù)據(jù)挖掘問題與樣例數(shù)據(jù),調(diào)用Python地第三方擴展包Numpy,Pandas,Matplotlib,Scikit-learn及關聯(lián)規(guī)則算法代碼,行處理,計算與分析,初步掌握深度學框架TensorFlow二.零安裝及多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡基本原理及應用舉例程序實現(xiàn),從而為其它地專業(yè)領域課程或者復雜應用問題提供基礎支撐。二,課程地基本內(nèi)容及要求本課程教學時數(shù)為六四學時,四學分;實驗二二學時,一.三七五學分。第一章Python基礎一.課程學內(nèi)容:（一）Python及其發(fā)行版Anaconda地安裝與啟動,Spyder開發(fā)工具地使用與Python新庫地安裝方法;（二）Python基本語法與數(shù)據(jù)結構。二.課程地重點,難點:（一）重點:Python基本語法與數(shù)據(jù)結構地靈活運用;（二）難點:Python數(shù)據(jù)結構地靈活運用。三.課程教學要求:（一）了解Python地安裝及界面基本使用技能;（二）理解Python基本數(shù)據(jù)結構及方法地使用;

（三）掌握Python基本數(shù)據(jù)結構地使用技能及循環(huán),條件語句地應用。第二章科學計算包Numpy一.課程學內(nèi)容:（一）導入并使用Numpy創(chuàng)建數(shù)組;（二）數(shù)組地運算,切片,連接及存取,排序與搜索;數(shù)組有關屬與方法;（三）矩陣及線代數(shù)運算。二.課程地重點,難點:（一）重點:數(shù)組地切片,連接,改變形態(tài)。數(shù)組地有關方法;（二）難點:數(shù)組地切片及改變形態(tài),線代數(shù)運算。三.課程教學要求:（一）了解Numpy及導入使用;（二）理解數(shù)組地創(chuàng)建,切片,連接,存取,排序及搜索有關技能;

（三）掌握數(shù)組靈活切片地方法及數(shù)組連接,排序,搜索有關知識。第三章數(shù)據(jù)處理包Pandas一.課程學內(nèi)容:（一）導入并使用Pandas創(chuàng)建數(shù)據(jù)框與序列;（二）數(shù)據(jù)框與序列有關屬,方法地介紹及使用;（三）數(shù)據(jù)框與序列地訪問,切片及運算;（四）外部數(shù)據(jù)文件地讀取及滾動計算函數(shù)地使用。二.課程地重點,難點:（一）重點:數(shù)據(jù)框,序列有關屬,方法地應用,數(shù)據(jù)框與序列數(shù)據(jù)地訪問,切片及相互之間地轉換。常用外部數(shù)據(jù)文件地讀取;（二）難點:數(shù)據(jù)框,序列地訪問及切片。數(shù)據(jù)框,序列,數(shù)組,列表有關數(shù)據(jù)結構之間地相互轉換。三.課程教學要求:（一）了解Pandas導入及創(chuàng)建數(shù)據(jù)框與序列;（二）理解數(shù)據(jù)框與序列地訪問,切片及方法;

（三）掌握數(shù)據(jù)框與序列有關方法地靈活應用,數(shù)據(jù)框,序列,數(shù)組,列表之間地有關轉換及運用。第四章數(shù)據(jù)可視化包Matplotlib一.課程學內(nèi)容:（一）導入并使用Matplotlib地pyplot模塊行簡單繪圖;（二）Matplotlib地pyplot模塊繪圖基本流程及原理;（三）利用Matplotlib地yplot模塊繪制常見地圖形,包括散點圖,線圖,柱狀圖,直方圖,餅圖,箱線圖與子圖。二.課程地重點,難點:（一）重點:利用Matplotlib地pyplot模塊行散點圖,線圖,柱狀圖,直方圖,餅圖,箱線圖與子圖地繪制。懂得圖形文字符地顯示及橫軸字符刻度,子圖地布局排列;（二）難點:Matplotlib繪圖地基本流程及原理。三.課程教學要求:（一）了解Matplotlib地pyplot模塊導入及簡單使用方法;（二）理解利用Matplotlib地pyplot模塊繪圖地基本流程及原理;

（三）掌握利用Matplotlib地pyplot模塊繪制散點圖,線圖,柱狀圖,直方圖,餅圖,箱線圖與子圖地方法,以及文字符地顯示,橫軸字符刻度與子圖地布局排列。第五章機器學與實現(xiàn)一.課程學內(nèi)容:（一）導入Scikit-learn包及有關模塊;（二）缺失值填充,數(shù)據(jù)規(guī)范化或標準化,主成分分析降維及綜合評價,線回歸,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機,K-均值聚類,關聯(lián)規(guī)則有關地模型,算法與原理;（三）利用Scikit-learn包有關模塊,完成案例教學,包括均值,位數(shù),最頻繁值地缺失值填充策略,均值-方差,極差數(shù)據(jù)規(guī)范化或標準化,主成分分析降維及綜合評價,線回歸,神經(jīng)網(wǎng)絡非線回歸預測,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機分類,K-mean聚類;（四）布爾數(shù)據(jù)集地轉換,布爾關聯(lián)規(guī)則挖掘原理,一對一關聯(lián)規(guī)則與多對一關聯(lián)規(guī)則基本概念與程序實現(xiàn)。二.課程地重點,難點:（一）重點:均值,位數(shù),最頻繁值地缺失值填充策略,均值-方差,極差數(shù)據(jù)規(guī)范化或標準化,主成分分析降維及綜合評價,線回歸,神經(jīng)網(wǎng)絡非線回歸預測,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機分類,K-mean聚類,布爾數(shù)據(jù)集轉換,一對一與多對一關聯(lián)規(guī)則挖掘有關原理地理解及程序實現(xiàn);（二）難點:主成分分析降維及綜合評價,線回歸,神經(jīng)網(wǎng)絡非線回歸預測,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機分類,K-mean聚類,布爾數(shù)據(jù)集轉換,關聯(lián)規(guī)則挖掘有關原理地理解。三.課程教學要求:（一）了解Scikit-learn包及有關模塊導入及簡單使用方法;（二）理解均值,位數(shù),最頻繁值地缺失值填充策略,均值-方差,極差數(shù)據(jù)規(guī)范化或標準化,主成分分析降維及綜合評價,線回歸,神經(jīng)網(wǎng)絡非線回歸預測,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機分類,K-mean聚類有關地基本原理與方法;

（三）掌握均值,位數(shù),最頻繁值地缺失值填充策略,均值-方差,極差數(shù)據(jù)規(guī)范化或標準化,主成分分析降維及綜合評價,線回歸,神經(jīng)網(wǎng)絡非線回歸預測,邏輯回歸,神經(jīng)網(wǎng)絡,支持向量機分類,K-mean聚類地程序實現(xiàn)及案例應用。（四）了解關聯(lián)規(guī)則地基本概念;理解布爾數(shù)據(jù)集轉換及布爾關聯(lián)規(guī)則挖掘地基本概念與程序實現(xiàn)方法;掌握一對一,多對一關聯(lián)規(guī)則挖掘地基本原理及程序實現(xiàn)方法,并行案例應用。第六章深度學與實現(xiàn)一.課程學內(nèi)容:（一）TensorFlow二.零地安裝及基本知識;（二）多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡基本原理及程序實現(xiàn);二.課程地重點,難點:（一）重點:TensorFlow二.零安裝及多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡應用舉例程序實現(xiàn);（二）難點:多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡原理;三.課程教學要求:（一）深度學基本概念;（二）了解多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡基本原理;（三）掌握TensorFlow二.零安裝及多層神經(jīng)網(wǎng)絡,卷積神經(jīng)網(wǎng)絡,循環(huán)神經(jīng)網(wǎng)絡應用舉例程序實現(xiàn)。三,實踐教學要求Python大數(shù)據(jù)分析與挖掘基礎是一門應用極強地課程,涉及數(shù)據(jù)處理,數(shù)據(jù)分析與探索,數(shù)據(jù)挖掘模型與算法,Python編程技能等。本課程要求學生會利用Python第三方擴展包,行外部數(shù)據(jù)讀取,數(shù)據(jù)處理,探索與分析,數(shù)據(jù)挖掘模型與算法應用等,并初步掌握深度學框架及主要模型應用舉例程序實現(xiàn)。本課程建議使用Python地集成開發(fā)臺行程序編寫及教學,比如Anaconda,pycharm等。四,課程學時分配序號學內(nèi)容理論教學學時實驗學時實驗（實踐）內(nèi)容課外實驗一第一章Python基礎三零二第二章科學計算包Numpy五二數(shù)組切片,運算,存取及連接三第三章數(shù)據(jù)處理包Pandas五二數(shù)據(jù)框切片,轉換,運算及連接四第四章數(shù)據(jù)可視化包Matplotlib五二子圖繪制及排列五第五章機器學與實現(xiàn)一六一零回歸,分類,聚類,主成分分析,布爾數(shù)據(jù)集轉換及關聯(lián)規(guī)則挖掘應用六第六章深度學與實現(xiàn)八六TensorFlow二.零安裝及基本模型應用舉例程序實現(xiàn)七合計四二二二五,大綱說明一.教學手段:（一）理論與實踐相結合,多媒體機房上課,帶黑板（方便板書及推導）;（二）講授課程結束后即開展實驗,在機房行。二.考核方式建議:（一）上機編程操作考試（開卷）