大数据处理与编程实践 教学大纲.docx

《大数据处理与编程实践 教学大纲.docx》由会员分享，可在线阅读，更多相关《大数据处理与编程实践 教学大纲.docx（3页珍藏版）》请在第一文库网上搜索。

1、大数据处理与编程实践课程教学大纲学分：3.5实验学时：56一、课程性质与教学目标大数据挖处理与编程实践是信息与计算科学专业本科生的一门专业实践必修课程。本课程主要介绍应用Python软件及其工具箱在实际问题解决中的应用案例。学生在学习过程中可以通过大量的应用案例和编程实战的学习，逐步掌握应用大数据技术解决不同领域中实际问题的能力。本课程的先修课程为大学计算机基础、高等数学、数据结构、数据挖掘、机器学习。二、基本要求通过本课程的教学，了解应用大数据挖掘的不同方法解决实际问题的基本步骤和思想。能比较熟练地用Python软件和数据分析工具软件进行关联规则挖掘、聚类分析和分类分析，解决各种实际问题。三

2、、主要教学方法理论分析、案例讲解、实验演示、讨论、上机实践。四、实验教学内容第一讲数据分析基础【授课学时】2学时【基本要求】通过介绍数据分析的基本任务和基本建模过程，加深对大数据处理的理解。【教学重难点】重点：数据分析过程。难点：分析目标的确定。【授课内容】数据分析基本任务；定义分析目标；数据采样；数据探索；数据预处理；建立模型;模型评价等。第二讲Python数据分析【授课学时】10学时【基本要求】学会PythOn的基本操作，熟悉PythOn数据分析工具，掌握利用PythOn调用各种数据分析工具来解决实际问题。【教学重难点】重点：Python的基本操作和Python数据分析工具。难点：熟练掌握

3、每种数据分析工具的特点。【授课内容】PythOn数据分析平台；PythOn数据分析工具；资源配置使用设置等。第三讲数据探索与数据预处理【授课学时】6学时【基本要求】学习数据探索的基本方法，通过编程来验证和实践每类数据预处理方法（数据缺失值、噪声数据、数据变换、数据降维、数据集成等），加深对每种数据预处理方法的理解和感受。【教学重难点】重点：据探索的基本方法。难点：各种数据预处理方法。【授课内容】数据质量分析；数据特征分析；数据缺失值；噪声数据；数据变换；数据降维等。第四讲常用大数据分析方法【授课学时】20学时【基本要求】通过Python编程实现来验证和实践分类与预测、聚类分析、关联规则、时序模

4、式和离群点检测等数据分析方法，加深对每种数据分析方法和算法的理解。【教学重难点】重点：分类与预测、聚类分析、关联规则、时序模式和离群点检测的基本方法。难点：分类与预测、聚类分析、关联规则、时序模式和离群点检测的PythOn实现。【授课内容】分类与预测；聚类分析；关联规则；时序模式和离群点检测等。第五讲大数据应用与编程实践【授课学时】18学时【基本要求】通过各种实际案例及其软件实现来掌握大数据分析在实际问题中的应用。熟悉大数据分析的基本方法，加深对每种大数据分析方法的理解。【教学重难点】重点：用大数据分析方法解决各种实际问题的基本步骤和技巧。难点：用Python编程实现各种大数据处理方法。【授课内容】航空公司的客户价值分析；基于基站定位数据的商圈分析；电力盗窃漏电用户的自动识别；电子商务网站用户行为分析；中医证型关联规则分析；家用电器用户行为分析;电商产品评论数据情感分析等。五、考核方式考核类型：考查考核形式：闭卷六、主要参考资料1、Python数据分析与挖掘实战张良均，机械工业出版社，2018年。2、数据挖掘.你必须知道的32个经典案例任昱衡，电子工业出版社，2016年。3、机器学习周志华，清华大学出版社，2016年。4、Python数据分析IVan1driS,韩波译，人民邮电出版社，2016年。5、数据挖掘概念与技术JiaWeiHan,机械工、业出版社，2015年。