Python数据分析与数据挖掘 教学大纲.pdf

该【Python数据分析与数据挖掘 教学大纲 】是由【青山代下】上传分享，文档一共【8】页，该文档可以免费在线阅读，需要了解更多关于【Python数据分析与数据挖掘 教学大纲 】的内容，可以使用淘豆网的站内搜索功能，选择自己适合的文档，以下文字是截取该文章内的部分文字，如需要获得完整电子版，请下载此文档到您的设备，方便您编辑和打印。:..数据分析与数据挖掘》教学大纲一、课程基本信息课程中文名称:数据分析与数据挖掘课程英文名称:PythonDataAnalysisandDataMining课程类别:专业必修适用专业:大数据管理与应用、数据科学与大数据技术、人工智能及计算机相关专业先修课程:计算机导论、数据结构、面向对象程序设计建议开课学期:第4学期建议学时:64学时(其中理论32学时,实验32学时)建议学分:、课程性质、目标及任务《Python数据分析与数据挖掘》是大数据管理与应用等专业的一门必修课程,也是计算机科学与技术、软件工程、人工智能等相关专业的选修课程。本课程的先修课为《计算机导论》、《数据结构》、《面向对象程序设计》等,后续课程为《大数据可视化》、《深度学****等。本课程以学生掌握数据分析与挖掘的相关概念和理论为知识培养目标,以学生熟练使用Python开展数据分析与挖掘的实践应用为能力培养目标,以学生初步形成“数据思维”为素质培养目标。课程按照Python基础知识、数据分析相关包、数据挖掘理论与算法的应用、综合案例的学****路径,全面系统的介绍了运用Python进行数据分析与数据挖掘的基本概念与方法。课程第一部分主要讲解Python基础语法知识,包括Python数据结构、函数和面向对象等知识,为学****者掌握后续内容打下良好的编程基础;第二部分主要讲解Python中数据分析相关包,包括使用NumPy和Pandas进行数据的统计分析、分组与聚合、交叉分析,以及使用Matplotlib进行数据可视化等;第三部分讲解数据挖掘的理论与算法应用,包括数据挖掘的相关概念、常用算法原理和实践应用;第四部分为综合案例,通过精选案例详细介绍了数据分析与挖掘的步骤和方法,进一步提高学生的综合实践能力。本课程采用理论与实践应用相结合的教学方式,循序渐进的培养学生数据分析、数据可视化、数据挖掘的能力,每个知识点均设计了典型性的综合案例,引导学生在掌握理论知识的基础上快速开展编程实践,为将来从事数据科学相关领域的工作打下坚实的基础。:..教学方法建议采用线上线下混合式教学。可基于学****通等平台,完善教学大纲、教学课件、教学难点的讲解视频、教学案例、实践练****算法原理视频****题****题解答等课程资源,打造数字资源丰富的课程学****平台。。理论教学以教师课堂讲授为主,可结合程序演示、课堂练****提问、案例讨论等多种形式,加强互动,促进学生对知识点的理解。实验教学采用教师布置实验任务,学生自主上机练****教师现场指导并答疑的形式,提高学生的实践应用能力。实验教学中,教师还可启发学生自己思考并设计实验内容,以培养学生自主学****和解决问题的能力。。每个重要知识点以及每章小结前,均设计了丰富的典型性案例,课程基础知识的教学完成后,还有多个基于较复杂数据的综合案例。通过案例式教学,可实现知识的综合运用,帮助学生更好理解理论知识并跟随操作,快速开展编程实践。四、课程学时分配序号教学内容理论学时实验学时1第1章Python概述112第2章Python基础语法443第3章函数224第4章类与对象225第5章NumPy基础与应用226第6章Pandas基础与应用447第7章Matplotlib基础及应用228第8章分类449第9章聚类4410第10章回归4411第11章实战案例--电商消费者数据分析1112第12章实战案例--乳腺癌数据分析与预测1113第13章实战案例--钻石数据分析与预测11总计3232五、:..;;;法;;理和编程规范。;。;出方法;;;;的特点及应用;。。、模块和包;;数的定义方法;;;数参数的传递方法;。数参数的设置。;;的定义与使用方法;;。的属性与方法。;;法;;。的统计、形状、运算等操作。;;要的数据结构;;;4与应用运算;;***表与交叉表。分析。:..(Figure)的构图形(Figure)的构成;成;;;设置方法;。用图形的绘制方法。;;;;;;法的原理;;;用。;;。;;;;法的原理;-Means的应用;;用聚类算法的应用。;;。;;;;;;法的原理;;;用回归算法的应用。;;;。:..;、;集;、-电商及可视化等对订单、程;;分析行分析的方法;;。售数据进行分析的方法;。;和数据集;;流程;;战案例--乳类预测模型的应用;;;析与预测型评价的指标;、决策树、、分类预测模型的运用;特征选择、;。准确率的方法。、异常值识别与数据集;处理、;第13章实程;—;;与预测的分析方法;;制(pipeline)(pipeline)进行数的预处理和预测等据预处理和预测。步骤进行封装和管理。学时合计32实验教学:..;;。;、字典、集合等Python中的数据结构。。;;;。;。;、转置与降维等;、四则运算等;。、选取和编辑;;;;***表与交叉表。;;。;。;;。-Means进行聚类分析;;;。;;;;;。;实战案例-;;;:..;。;;;;实战案例--;;;;;。;;;实战案例—;;;;。学时合计32六、考核方式加强过程性考核,课程考核成绩可采用如下比例:课程成绩构成=平时作业(20%)+课堂参与(10%)+期末考核(70%),期末考试建议采用开卷上机考试形式,注重学生实践能力和解决实际问题能力的考核。试题内容可包括:Python基本语法、数据描述性统计分析、数据可视化、数据预处理、数据分类分析、数据聚类分析、数据回归分析等部分。七、,[M].北京:[1]魏伟一,[M].北京:.:..Python数据分析与机器学****M].北京:清华大学出版社,2022年9月[3]张良均,(第2版)[M].北京:***.[4](微课视频版)[M].北京:.