《Python数据分析与挖掘实战》教学大纲.docxVIP

《Python数据分析与挖掘实战》教学大纲 课程名称：Python数据分析与挖掘实战 课程类别：必修 适用专业：大数据技术类相关专业 先修课程：Python编程基础 总学时：64学时（其中理论28学时，实验36学时） 总学分：4.0学分 课程的性质 随着云时代的来临，大数据技术将具有越来越重要的战略意义。大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素，人们对于海量数据的运用将预示着新一轮生产率增长和消费者盈余浪潮的到来。大数据分析技术将帮助企业用户在合理时间内攫取、管理、处理、整理海量数据，为企业经营决策提供积极的帮助。大数据分析作为数据存储和挖掘分析的前沿技术，广泛应用于物联网、云计算、移动互联网等战略性新兴产业。虽然大数据目前在国内还处于初级阶段，但是其商业价值已经显现出来，特别是有实践经验的大数据分析人才更是各企业争夺的热门。为了满足日益增长的大数据分析人才需求，特开设Python数据分析与挖掘实战课程。 课程的任务 理论上，要求学生掌握Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等数据分析与挖掘的主要方法。 技能上，结合服装店服装销售、沐浴露销售、景区人流量、服装企业贡献率、餐饮系统等现实场景，使学生学会使用Python语言进行数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等操作，并从信用卡、餐饮企业、金融服务、O2O优惠劵、电商产品等贴近学生生活的场景案例，进行知识点和真实案例相结合，使学生进一步掌握数据分析与数据挖掘的流程和技能。 思政上，将落实立德树人的根本任务，将育人元素揉入教学中，引导学生的环保理念，增强学生法律意识，培养学生的工匠精神、安全生产、职业道德、技能宝贵、科学探索、独立思考、思辨能力等。 教学条件 Python 3.8.5+ Anaconda3 2020.11+ scikit-learn 0.22+ PyMySQL 0.10.0+ SciPy 1.4.1+ XGBoost 1.2.1+ statsmodels.api 0.11.0 课程学时分配 序号 教学内容 理论学时 实验学时 其它 1 第1章 数据挖掘基础 1 第2章 Python数据挖掘编程基础 2 1 3 第3章 数据探索 2 2 4 第4章 数据预处理 4 2 5 第5章 数据挖掘算法基础 10 5 6 第6章 信用卡高风险客户识别 2 5 7 第7章 餐饮企业菜品关联分析 1 5 8 第8章 金融服务机构资金流量预测 1 4 9 第9章 O2O优惠券使用预测 2 5 10 第10章 电视产品个性化推荐 2 5 11 第11章 基于TipDM数据挖掘平台实现金融服务机构资金流量预测 1 2 总计 28 36 教学内容及学时安排 理论教学 序号 章节名称 主要内容 教学目标 学时 1 数据挖掘基础 掌握数据挖掘的流程 了解常用的数据挖掘建模工具 掌握Python数据挖掘环境配置的方法 掌握数据挖掘的流程 1 2 Python数据挖掘编程基础 掌握Python的基本命令 掌握Python的数据结构 掌握Python中库的导入与添加的方法 了解Python数据分析预处理常用库 了解Python数据挖掘建模常用库和框架 了解Python的基本命令、数据结构以及库的导入与添加 熟悉Python数据挖掘相关库的安装和使用方法 了解书本配套附件的使用 2 3 数据探索 掌握一致性分析的方法 掌握缺失值分析的方法 掌握异常值分析的方法 掌握描述性统计分析的方法 掌握分布分析的方法 掌握对比分析的方法 掌握周期性分析的方法 掌握贡献度分析的方法 掌握相关性分析的方法 掌握Python中数据质量分析的方法 掌握Python中数据特征分析的方法 2 4 数据预处理 掌握重复值、缺失值、异常值处理方法 掌握数据规范化和离散化的方法 掌握独热编码的方法 掌握多表合并的方法 掌握分组聚合的方法 掌握Python中数据清洗的方法 掌握Python中数据变换的方法 掌握Python中数据合并的方法 4 5 数据挖掘算法基础 了解常用的分类与回归算法 掌握线性模型的原理 掌握决策树算法的原理 掌握最近邻分类算法的原理 掌握支持向量机算法的原理 掌握神经网络算法的原理 掌握集成算法的原理 掌握分类与回归算法的评价方法 了解常用聚类分析算法 掌握聚类分析算法的评价方法 掌握K-Means聚类算法的原理 掌握密度聚类算法的原理 掌握层次聚类算法的原理 了解Python主要关联规则算法 掌握Apriori算法的原理 掌握FP-Growth算法的原理 了解Python主要智能推荐算法 掌握智能推荐模型的评价方法 掌握协同过滤推荐算法的原理 掌握基于流行度的推荐算法的原理 了解Python主要时序模