《探索性数据分析》课程教学大纲.docxVIP

《探索性数据分析》教学大纲 一、课程基本 信息 课程名称 探索性数据分析 Exploratory Data Analysis 课程编码 SCC322511020 开课院部 理学院 课程团队 统计团队 学分 2.0 课内学时 32 讲授| 32 实脸 0 上机 0 实践 0 课外学时 32 适用专业 数据科学与大数据技术 授课语言 中文 先修课程 数学分析（A） 【、高等代数与几何（27）、数学分析（R） H、高等代数与几何（2-2] 、概率论 课程简介 （必修） 《探索性数据分析》是数据科学与大数据技术专业的必修课、学科基础课程。它是对已有数据在尽量少的先验假设下通过作图、制 表、方程拟合、计算特征量等手段探索数据的结构和规律的一种数据分析方法.， 主要教学内容包括：一维数据的统计特征，二维数据的统计特征，克方图，箱线图，分位数图，系统聚类法，均值聚类法，主成分分 析，因子分析，典型相关分析，费谢尔线性判别分析，方差分析。 通过该课程的教学，能够使学生掌握探索性数据分析的基本概念、基本知识和基本方法，熟悉利用Vat lab或者Python软件进行特征 提取，培养学生运用探索性方法分析数据的能力，为后续课程的学习打下坚实基朋。 Exploratory data analysis is a compulsory and basic course for the major of data science and big data technology. It is a data analysis method that explores the structure and laws of data through mapping, tabulation, equation fitting, calculation of characteristic quantities and other means under the prior assumptions of the existing data as little as possible. The main teaching contents include: statistical characteristics of one-dimcnsional data, statistical characteristics of two-dimensional data, histogram, box chart, quantile chart, systematic clustering method, mean clustering method, principal component analysis, factor analysis, canonical Correlation Analysis, Fisher linear discriminant analysis, variance analysis. Through the teaching of this course, students can master the basic concepts, basic knowledge and basic methods of exploratory data analysis, and be familiar with feature extraction using Matlab or Python software, to cultivate  students ability to use exploratory methods to analyze data and lay a solid foundation for the follow-up courses. 负责人 审核人 二、课程目标 序号 代号 课程目标 OBE 毕业要可 R指标点 任务 自选 1 Ml 目标1 : 了解掌握探索性数据分析的基批知识、基本方法. 是 3. 1 2 M2 目标2 ：掌握复杂大数据处理和分析的基础知识，借助专业软件学会分析处理数据. 是 4. 1 3 M3 目标3；通过课程的学习,培育蛟强的软件开发能力. 是 8. 1 4 Ml 目标4 ：能保灌课程正常秩序（政治层面、课堂保障层面.非学生能力层面） 否 三、返 程内容 序号 章节号 标题 课程内容/重难点 支撑课 程目标 课内 学时 教学方式 课外 学时 课外环节 1 第一章 第一至数据的统 计特征 本章重点难点：均值、方差、极差、协方差阵、Pearson相关 系数、Spearman相关系数。 / / / 2 1. 1 1.1 一维数据的统 计特征 均值，方差.极差,偏度，峰度。 Ml 1 讲授 1 作业 3 1.