《大数据处理》课程教学大纲（本科）.pdfVIP

大数据处理 Dig Data Process 课程代码 学分：2 学时： 32 （其中：课堂教学学时：32 实验学时： 上机学时： 课程实践学时: ） 先修课程：概率统计与数理统计、线性代数 适用专业：工商管理 教材：数据科学导论：Python 语言实现 、（意）阿尔贝托·博斯凯蒂（Alberto Boschetti ），（意）卢卡·马萨罗（Luca Massaron ）著，于俊伟，靳小波译、机械工业出 版社、2016 年 8 月第 1 版 一、课程性质与课程目标 （一）课程性质（需说明课程对人才培养方面的贡献） 《大数据处理》是工商管理专业选修课，它建立在概率论、数理统计等课程知识的 基础上，以大数据分析和挖掘所涉及的关键要素为主要内容，系统讲解大数据分析与数 据挖掘所涉及到的工具、方法、模型以及可视化等知识，为社会培养具有大数据分析与 数据挖掘能力的专业技术人才。 （二）课程目标（根据课程特点和对毕业要求的贡献，确定课程目标。应包括知识目标和能力 目标。） 1.掌握大数据挖掘的工具与流程； 2.掌握常用的机器学习模型及其应用； 3.掌握大数据科学的可视化方法； 注：工程类专业通识课程的课程目标应覆盖相应的工程教育认证毕业要求通用标准； （三）课程目标与专业毕业要求指标点的对应关系（认证专业专业必修课程填写） 课程目标 目标1 目标2 目标3 目标4 毕业要求指标点 1 / 6 注：课程目标与毕业要求指标点对接的单元格中可输入“”，也可标注“H、M 、L” 。 二、课程内容与教学要求 （按章撰写） 第一章 绪论 （一）课程内容 （1）大数据科学与 Python；（2）Python 安装与配置；（3）Notebook 使用 （二）教学要求 （1）了解大数据处理与 Python 的关系；（2 ）掌握 Python 的安装与配置；（3 ）初步了解 Notebook 的使用 （三）重点与难点（若不单独列出，需在教学要求中适当注明） 1. 重点 掌握 Python 环境的安装与配置。 2. 难点 深刻理解大数据的含义及对能力的要求。 第二章 数据预处理 （一）课程内容 （1）大数据处理过程；（2）使用 pandas 进行数据加载与预处理 （二）教学要求 （1）处理问题数据；（2 ）处理大数据集；（3 ）数据预处理；（4 ）数据选择 （三）重点与难点（若不单独列出，需在教学要求中适当注明） 1. 重点 数据预处理的方法和过程。 2. 难点 处理大数据集。 第三章 特征工程 （一）课程内容 （1）特征创建；（2）降维；（3）异常检测和处理；（4）评分函数；（5）交叉验证；（6）超参数 优化；（7）特征选择 （二）教学要求 2 / 6 （1）特征工程的类型及特点；（2 ）掌握特征工程的处理方法 （三）重点与难点（若不单独列出，需在教学要求中适当注明） 1. 重点 特征工程的方法。 2. 难点 超参数优化及特征选择。 第四章 机器学习 （一）课程内容 （1）线性和逻辑回归；（2）朴素贝叶斯；（3）K 近邻；（4）SVM；（5）自然语言处理 （二）教学要求 （1）掌握常用机器学习算法及应用；（2 ）掌握自然语言处理的流程和方法 （三）重点与难点（若不单独列出，需在教学要求中适当注明） 1. 重点 机器学习。 2. 难点 自然语言处理。 第五章 社会网络分析 （一）课程内容 （1）图论简介；（2）图的算法；