本科生教學日歷2023～2024學年第1學期教學單位軟件學院課程名稱大數(shù)據(jù)分析方法課程編號

0120808054學時48學分3適用專業(yè)軟件工程授課教師殷麗鳳職稱副教授職務教師大連交通大學研究生學院大連交通大學研究生教學日歷編寫要求教學日歷是對一個學期講授課程的具體教學計劃，內(nèi)容包括教學內(nèi)容、教學方法、教學手段及教學進度等。任課教師在開課前應根據(jù)《大連交通大學博士、碩士研究生培養(yǎng)方案》中對課程的要求、課程教學大綱和教案填寫教學日歷，由教研室主任審查，經(jīng)學院（系）主管領導批準后執(zhí)行，報研究生學院備案。任課教師要按教學日歷進行教學，需要變更教學日歷時，需經(jīng)教研室主任同意，學院（系）主管領導批準。為了更好的體現(xiàn)以學生為主體的教學思想，應將教學日歷在學校網(wǎng)站上予以公布，以利于學生根據(jù)教學日歷主動地安排自己的學習計劃。教學日歷一式二份和電子文檔一份，經(jīng)學院（系）主管領導、教研室主任審核簽字后，于每學期開學（開課）第一周送交研究生學院一份和電子文檔一份，任課教師自存一份。教學日歷要求統(tǒng)一格式，打印成冊。格式到大連交通大學研究生學院網(wǎng)站——培養(yǎng)與管理——教務管理——課程管理處下載，研究生學院網(wǎng)址：/學時分配課堂講授自學指導學術(shù)研討專題報告上機其它2424使用教材名稱出版社出版時間獲獎情況大數(shù)據(jù)分析方法及應用-基于Python機械工業(yè)出版社2025年7月參考書目大數(shù)據(jù)技術(shù)及應用機械工業(yè)出版社2021年9月Python數(shù)據(jù)分析與挖掘?qū)崙?zhàn)機械工業(yè)出版社2020年1月教學要求1、要求掌握的基本知識了解大數(shù)據(jù)的基本概念、大數(shù)據(jù)的關鍵技術(shù)以及大數(shù)據(jù)分析的應用領域；掌握Python語言基礎；掌握大數(shù)據(jù)預處理方法及技術(shù)；2、要求掌握的基本理論和方法（1）掌握利用pandas進行大數(shù)據(jù)預處理的技術(shù)；（2）掌握利用matplotlib進行大數(shù)據(jù)可視化的技術(shù)；（2）理解關聯(lián)分析、回歸分析、分類分析、聚類分析以及離群點分析的相關特點及算法推導過程；（4）掌握關聯(lián)分析、回歸分析、分類分析、聚類分析以及離群點分析等算法實現(xiàn)過程。3、要求掌握的基本技能掌握各種關聯(lián)分析算法、各種回歸分析算法、各種分類分析算法、各種聚類分析算法以及各種離群點分析算法的工作原理和使用方法，能夠利用這些方法解決實際應用問題。教學目的大數(shù)據(jù)分析方法課程的教學目的是全面培養(yǎng)學生在大數(shù)據(jù)領域的基本能力。首先，學生需要深入理解大數(shù)據(jù)的核心概念和關鍵技術(shù)，包括大數(shù)據(jù)的特點、大數(shù)據(jù)的關鍵技術(shù)、大數(shù)據(jù)分析的應用領域。其次，他們將掌握Python語言基礎，以及大數(shù)據(jù)預處理方法和技術(shù)，包括數(shù)據(jù)清洗、轉(zhuǎn)換和可視化。此外，學生將理解并運用關聯(lián)分析、回歸分析、分類分析、聚類分析以及離群點分析等方法，解決實際應用問題。通過這些教學目標的達成，學生將具備全面的大數(shù)據(jù)分析能力，為在大數(shù)據(jù)領域取得成功打下堅實基礎?？己朔绞竭^程性考核成績計算方法總成績=實驗報告×70%+大作業(yè)×30%課時安排從第1周至第12周／／星期／一節(jié)星期／一節(jié)教室教室周次課次教學方式教學內(nèi)容教學重點及難點備注(作業(yè))11啟發(fā)講授第1章大數(shù)據(jù)分析概述1.1大數(shù)據(jù)介紹1.2大數(shù)據(jù)關鍵技術(shù)1.3大數(shù)據(jù)分析在不同領域的應用1.4Python介紹教學重點：大數(shù)據(jù)的“5V”特征；2、大數(shù)據(jù)關鍵技術(shù)教學難點：大數(shù)據(jù)的關鍵技術(shù)，如大數(shù)據(jù)采集、預處理、存儲、數(shù)據(jù)分析與挖掘。作業(yè)：教材第1章1.6節(jié)習題12啟發(fā)講授第2章Python大數(shù)據(jù)分析基礎2.1Python基礎語法2.2Python控制結(jié)構(gòu)2.3組合數(shù)據(jù)類型教學重點：Python基礎語法Python控制結(jié)構(gòu)列表、元組、集合和字典的創(chuàng)建和訪問教學難點：Python的三種選擇結(jié)構(gòu)Python的兩種循環(huán)結(jié)構(gòu)列表、元組、集合和字典的應用作業(yè)：教材第2章2.8小節(jié)習題中的1-17題21啟發(fā)講授第2章Python大數(shù)據(jù)分析基礎2.4函數(shù)2.5面向?qū)ο蟪绦蛟O計2.6Python數(shù)據(jù)分析工具學重點：函數(shù)的定義函數(shù)的參數(shù)函數(shù)的作用域遞歸函數(shù)5、類的定義6、成員的可見性7、方法的定義8、類的繼承教學難點：函數(shù)的四種參數(shù)的定義和傳遞原理函數(shù)的全局作用域和局部作用域3、遞歸函數(shù)的原理4、成員可見性作業(yè)：教材第2章2.8小節(jié)習題中的18-21題22啟發(fā)講授第3章大數(shù)據(jù)預處理3.1大數(shù)據(jù)預處理流程3.2數(shù)據(jù)清洗3.3數(shù)據(jù)集成教學重點：數(shù)據(jù)清洗的各種方法數(shù)據(jù)集成的各種方法教學難點：數(shù)據(jù)清洗的各種方法數(shù)據(jù)集成的各種方法作業(yè)：教材3.7小節(jié)的1-331啟發(fā)講授第3章大數(shù)據(jù)預處理3.4數(shù)據(jù)規(guī)約3.5數(shù)據(jù)變換教學重點：數(shù)據(jù)規(guī)約的各種方法數(shù)據(jù)變換的各種方法教學難點：數(shù)據(jù)規(guī)約的各種方法數(shù)據(jù)變換的各種方法作業(yè)：教材3.7小節(jié)的4-532啟發(fā)講授第4章大數(shù)據(jù)可視化分析4.1大數(shù)據(jù)可視化基礎4.2matplotlib基礎-numpy教學重點：如何創(chuàng)建數(shù)組如何展示數(shù)組的常見屬性如何使用數(shù)組的常見操作如何利用數(shù)組的統(tǒng)計分析函數(shù)解決問題教學難點：1、如何使用數(shù)組的常見操作2、如何利用數(shù)組的統(tǒng)計分析函數(shù)解決問題41啟發(fā)講授第4章大數(shù)據(jù)可視化分析4.3matplotlib4.4實踐-中國GDP分析教學重點：利用matplotlib繪制散點圖、折線圖、柱狀圖、直方圖、餅圖和箱線圖根據(jù)掌握的繪圖技術(shù)完成中國GDP的可視化分析教學難點：1、根據(jù)掌握的繪圖技術(shù)完成中國GDP的可視化分析作業(yè)：教材4.6小節(jié)1-7實驗報告一：中國GDP可視化分析42啟發(fā)講授第5章pandas數(shù)據(jù)處理與預處理5.1認識pandas5.2pandas語法教學重點：Series的創(chuàng)建以及各種運算DataFrame的創(chuàng)建以及各種運算教學難點：Series的創(chuàng)建以及各種運算DataFrame的創(chuàng)建以及各種運算作業(yè)：教材5.6小節(jié)1-351啟發(fā)講授第5章pandas數(shù)據(jù)處理與預處理5.1pandas讀寫數(shù)據(jù)5.2使用pandas進行數(shù)據(jù)預處理教學重點：pandas讀寫數(shù)據(jù)2、使用pandas進行數(shù)據(jù)預處理教學難點：pandas讀寫數(shù)據(jù)2、使用pandas進行數(shù)據(jù)預處理作業(yè)：教材5.6小節(jié)4-852啟發(fā)講授第6章關聯(lián)分析6.1關聯(lián)分析基礎6.2Apriori算法教學重點：如何利用Apriori挖掘頻繁項集如何利用Apriori挖掘關聯(lián)規(guī)則教學難點：Apriori算法的工作原理作業(yè)：教材6.8小節(jié)1、2、6、761啟發(fā)講授關聯(lián)分析6.3FP-Growth6.4Eclat教學重點：如何利用FP-Growth挖掘頻繁項集如何利用Eclat挖掘頻繁項集教學難點：如何利用FP-Growth挖掘頻繁項集如何利用Eclat挖掘頻繁項集作業(yè)：教材6.8小節(jié)3、4、862啟發(fā)講授第6章關聯(lián)分析6.5關聯(lián)規(guī)則評估指標6.6實踐-商品零售購物籃分析教學重點：利用所學的三種關聯(lián)規(guī)則分析算法進行商品零售購物籃分析教學難點：關聯(lián)規(guī)則的各種評估指標實驗報告二：商品零售購物籃分析71啟發(fā)講授回歸分析7.1回歸分析基礎7.2一元線性回歸7.3多元線性回歸教學重點：一元線性回歸的參數(shù)求解實現(xiàn)多元線性回歸的參數(shù)求解實現(xiàn)教學難點：一元線性回歸的參數(shù)求解公式推導過程多元線性回歸參數(shù)的求解公式推導過程作業(yè)：教材7.8小節(jié)1-372啟發(fā)講授第7章回歸分析7.4正則化回歸7.5回歸模型的評價指標7.6實踐-回歸分析教學重點：利用一元線性回歸預測房屋完成單位數(shù)量模型利用多元線性回歸預測房屋完成單位數(shù)量模型利用正則化回歸預測房屋完成單位數(shù)量模型教學難點：三種正則化回歸參數(shù)的作用回歸模型的評價指標作業(yè)：教材7.8小節(jié)4-7實驗報告三：房屋完成單位數(shù)量預測分析81啟發(fā)講授第8章分類分析8.1分類分析基礎8.2決策樹教學重點：三種屬性選擇度量方法實例分析教學難點：樹剪枝處理三種算法的實現(xiàn)作業(yè)：教材8.8小節(jié)1-582啟發(fā)講授第8章分類分析8.1貝葉斯分類8.2支持向量機教學重點：樸素貝葉斯分類器的實現(xiàn)硬間隔支持向量機、軟間隔支持向量機、核支持向量機的概念教學難點樸素貝葉斯分類器的工作原理三種支持向量機的工作原理作業(yè)：教材8.8小節(jié)的6-1091啟發(fā)講授第8章分類分析8.1分類的評價指標8.2實踐-分類分析教學重點：1、利用決策樹構(gòu)建銀行客戶流失模型2、利用樸素貝葉斯構(gòu)建垃圾郵件分類模型利用SVM構(gòu)建印第安人糖尿病分類模型教學難點分類的評價指標作業(yè)：教材8.8小節(jié)的1192上機實踐輔導學生完成上機報告教學重點難點：1、實驗報告四：利用決策樹構(gòu)建銀行客戶流失模型2、實驗報告五：利用樸素貝葉斯構(gòu)建垃圾郵件分類模型3、實驗報告六：利用SVM構(gòu)建印第安人糖尿病分類模型作業(yè)：完成實驗報告四、五、六101啟發(fā)講授第9章聚類分析9.1聚類分析基礎9.2基于劃分的聚類分析教學重點：相似性度量的各種公式聚類的各種評價指標K-Means聚類算法的實現(xiàn)K-Means++聚類算法的實現(xiàn)教學難點：K-Means聚類算法的工作原理K-Means++聚類算法的工作原理作業(yè)：教材9.7小節(jié)的1-6102啟發(fā)講授第9章聚類分析9.3基于層次的聚類分析9.4基于密度的聚類分析教學重點：自底向下的聚類算法的基本步驟自底向上的聚類算法的基本步驟DBSCAN聚類算法的基本步驟教學難點：DBSCAN聚類算法的實現(xiàn)OPTICS聚類算法的實現(xiàn)作業(yè)：教材9.7小節(jié)的7-9111啟發(fā)講授第9章聚類分析9.5實踐聚類分析教學重點：基于劃分聚類實現(xiàn)能源效率信息聚類利用HierarchicalK-Means算法完成用戶行為數(shù)據(jù)聚類利用DBSCAN進行城市人口信息聚類教學難點：基于劃分聚類實現(xiàn)能源效率信息聚類利用HierarchicalK-Means算法完成用戶行為數(shù)據(jù)聚類利用DBSCAN進行城市人口信息聚類112上機實踐輔導學生完成三個實驗報告教學重點難點：1、實驗報告七：基于劃分聚類實現(xiàn)能源效率信息聚類2、實驗報告八：利用HierarchicalK-Means算法完成用戶行為數(shù)據(jù)聚類3、實驗報告九：利用DBSCAN進行城市人口信息聚類作業(yè)：實驗報告七、八、九121啟發(fā)講授離群點分析10.1離群點分析基礎10.2基于統(tǒng)計的離群點分析10.3基于距離的離群點分析教學重點：利用均值與標準差進行離群點分析利用箱線圖進行離群點分析利用歐式距離和曼哈頓距離進行離群點