51 课程教学大纲中文版--商务数据分析(1).docx

《51 课程教学大纲中文版--商务数据分析(1).docx》由会员分享，可在线阅读，更多相关《51 课程教学大纲中文版--商务数据分析(1).docx（12页珍藏版）》请在第一文库网上搜索。

1、商务数据分析课程教学大纲课程名称：商务数据分析课程编码：暂不填写学分：3.0总学时：48理论学时：40实验学时：0上机学时：8实践学时：0开设实验（上机）项目总数个，其中，必修（4）个，选修（0）个开课单位：商学院适用专业：工商管理一、课程的性质、目的商务数据分析是经管大类专业的专业选修课程。通过本课程的教学，使学生掌握深度学习的基本原理、卷积神经网络、循环神经网络、生成对抗网络、注意力机制等基本方法及其典型应用领域，并借助机器学习开源平台TensorF1oW实现深度学习在证券预测、声音质量评价、电子推荐、目标检测、社交网络情感分析等多个典型领域的应用，该课程在理论与实践之间起着重要的承上启下

2、的作用。注重定性分析与定量分析相结合，加强实际训练,为学生后续的学习、实践及今后的工作与发展打下良好的基础。二、课程培养目标1 ,立德树人通过课程学习商务数据分析理论和技术,对深度学习相关知识有一个全面了解。通过对商务数据分析历史的讲解和有关理论及技术建立过程，了解前辈们在商务数据分析发展过程中如何思考，如何克服所遇到的障碍,帮助学生建立科学的思维方法以及工作中勇于面对挑战的精神。从商务数据分析学科对我国创新驱动发展作用的角度出发，以杰出贡献者研究工作为载体,把社会主义核心价值观教育融入课程教学内容和教学全过程各环节，突出价值引领、知识传授和能力培养,帮助学生正确认识历史规律、准确把握基本国情

3、、掌握科学的世界观、方法论,促进树立正确的世界观和价值观。2 .课程目标通过本课程的学习，学生所具备的素质、掌握的技能、知识和能力如下：课程目标1.掌握深度学习的基本原理与发展趋势的相关知识。（对应第1、2章,支撑毕业要求指标点IT、1-2、1-3、3-1、3-2、3-3、7-1、7-2、7-38-1、8-28-3、9-19-2、9-3、IO-K10-210-3、I1-K11-2、11-3、12-1、12-2、12-3）课程目标2.掌握深度学习的基本方法的相关知识。（对应第3、4、5、6、7、8章,支撑毕业要求指标点2-1、2-2.2-3、3-13-23-3、4-1、4-2、4-3、5-15-

4、2、5-3）课程目标3.掌握运用深度学习相关知识解决实际问题的技能。（对应笫9章，支撑毕业要求指标点2-1、2-2、2-3、3-1、3-2、3-3、4-14-2、4-3、5-15-2、5-36-1、6-2、6-3、8-1、8-2、8-3)3 .课程目标对毕业要求的支撑本课程教学目标支撑的毕业要求主要体现在毕业要求指标点I-K1-2.1-3、2-1、2-2.2-3X3-k3-2、3-3.4-1、4-2、4-3、5-1、5-2、5-3、6-1、6-2、6-3、7-1、7-2、7-3、8-18-2、8-3、9-1、9-2、9-310-1、10-2、10-3、11-1、11-2、11-3、12-1、1

5、2-2、12-3,具体如下：课程目标对毕业要求的支撑课程目标毕业要求支撑毕业要求指标点及其内容教学内容支撑强度指标点毕业要求指标点内容I-RIT.热爱社会主义祖国，拥护中1-2、国共产党的领导，具有坚定正确1-3、的政治方向。3-1、1-2.具有正确的世界观、人生观3-2、和价值观，具有家国情怀和工匠3-3、精神。7-1、1-3.具有良好的思想品德、社会7-2、公德和职业道德。7-3、3-1.针对工业工程涉及到的专掌握深度8-1、业外语、计算机等工具与方法。学习的基8-2、3-2现代工业工程、系统优化、木原理与8-3、管理预测与决策等领域的方法1发展趋势9-1、和技能等。第1、2章1的相关知9

6、-2.3-3.具有较强的自学能力、创新识9-3、精神和创业意识。10-1.7-1.具有良好的职业精神和职10-2、业态度。10-3、7-2.具有为国富民强、民族振兴11T、而奋斗的理想、事业心和使命11-2、感。11-3、7-3.具有高度的社会责任感、诚12-1.信意识，遵守职业道德和规范。12-2、8-1.能够就复杂工程问题与业12-3界同行及社会公众进行有效沟通和交流。8-2.撰写报告和设计文稿、陈述发言、清晰表达或回应指令。8-3.能够在跨文化背景下进行沟通和交流。9-1具有较强的自学能力、创新精神和创业意识。9-2.具有终身学习的理念，具有探索精神和能力。9-3.具有创造性思维及付诸实

7、施能力。IOT.了解专业发展前沿和社会需求。10-2,具有适应未来技术发展和管理变革的能力。10-3.具备应对不确定性的能力。11-1.兼具工程、管理和经济学等多学科的专业知识。11-2.了解机械制造、工业设计、智能制造等领域的知识。11-3.能够运用跨学科知识和思维分析和解决问题。12T.具备历史、艺术、哲学等方面的人文知识。12-2.了解人文思想与方法。12-3.遵循人文精神。2掌握深度学习的基本方法的相关知识2-1、2-2、2-3、3T、3-2.3-347、2-1.具备较扎实的数学、自然科学知识。2-2.系统掌握工程技术基本理论、方法和工具。2-3,能将各类工程知识用于解决工程综合性问题

8、。37.针对工业工程涉及到的专第3、4、5、6、7、8章M4-2、4-3、5-1、5-2、5-3业外语、计算机等工具与方法。3-2现代工业工程、系统优化、管理预测与决策等领域的方法和技能等。3-3.具有较强的自学能力、创新精神和创业意识。4T.能够应用自然科学和管理科学的基本原理和理论，分析和发现生产与服务系统的效率、质量、成本及环境优化等问题。4-2,能够从实际管理问题出发，设计并实现满足生产与服务系统的效率、质量、成本及环境优化的方法。4-3能够在设计环节中体现创新意识，同时考虑社会、健康、安全、法律、文化以及环境等因素。5-1.具备数据采集、加工、分析等基本能力。5-2.能够适应数字化变

9、革的需求，具有数据思维和数据处理能力。5-3.具有数据建模、结果分析和解释能力。3掌握运用深度学习相关知识解决实际问题的技能2-1、2-22-3、3-1、3-2、3-3、4-1、4-2、4-3、2T.具备较扎实的数学、自然科学知识。2-2.系统掌握工程技术基本理论、方法和工具。2-3.能将各类工程知识用于解决工程综合性问题。3-1.针对工业工程涉及到的专业外语、计算机等工具与方法。3-2现代工业工程、系统优化、第9章M5-1、5-25-3.6-k6-26-3、8-1、8-28-3管理预测与决策等领域的方法和技能等。3-3.具有较强的自学能力、创新精神和创业意识。4-1.能够应用自然科学和管理科

10、学的基本原理和理论，分析和发现生产与服务系统的效率、质量、成本及环境优化等问题。4-2.能够从实际管理问题出发，设计并实现满足生产与服务系统的效率、质量、成本及环境优化的方法。4-3能够在设计环节中体现创新意识，同时考虑社会、健康、安全、法律、文化以及环境等因素。5-1.具备数据采集、加工、分析等基本能力。5-2.能够适应数字化变革的需求，具有数据思维和数据处理能力。5-3.具有数据建模、结果分析和解释能力。6-1.具有独立思考、换位思考和合作共赢的意识。6-2.具有国际化视野和跨文化沟通能力。6-3.具有前胳的判断力和决策能力，具有影响他人的能力。8-1.能够就复杂工程问题与业界同行及社会公

11、众进行有效沟通和交流。8-2.撰写报告和设计文稿、陈述发言、清晰表达或回应指令。8-3.能够在跨文化背景下进行沟通和交流。三、课程教学基本内容第1章神经网络基础（支撑课程目标第1条）1.1神经网络简介1.2BP神经网络13银行客户流失预测教学要求：通过本章的学习，要求学生熟悉前馈神经网络、反馈神经网络、自组织神经网络，理解神经网络的相关概念，掌握BP神经网络的训练，并以银行客户流失预测为例了解神经网络的应用。教学重点：1.2、1.3教学难点：1.2第2章深度学习在人工智能中的应用（支撑课程目标第1条）2.1 深度学习典型应用场景2.2 深度学习应用案例分析教学要求：通过本章的学习，要求学生了解

12、深度学习的发展过程，熟悉深度学习在自然人机交互、深层关系推理、工业机器人、目标检测等中的应用，理解深度学习对社会发展产生的重要影响。教学重点：2.1、2.2教学难点：2.2第3章CNN卷积神经网络（支撑课程目标第2条）3.1卷积神经网络的发展3.2卷积与感受野机制3.3卷积的概念和特征3.4图像编码与卷积3. 5卷积操作3.6 卷积特征图及计算3.7 多通道卷积3.8 池化操作3. 91eNet5卷积神经网络3.10 完整的卷积神经网络过程3.11 卷积神经网络训练3.12 图像分类3.13 股票预测教学要求：通过本章的学习，要求学生了解卷积神经网络的概念，理解卷积神经网络计算，熟悉1eNet

13、框架，以图像分类和股票预测为例掌握卷积神经网络的应用，具备利用卷积神经网络分析与解决实际问题的能力。教学重点：3.2、3.3、3.4、3.5、3.6、3.9教学难点：3.4、3.5、3.6、3.9第4章典型卷积神经网络算法（支撑课程目标第2条）4. 1A1exNet卷积神经网络模型4. 2VGG卷积神经网络模型4. 3Goog1eNet卷积神经网络模型4.4ResNet卷积神经网络模型4. 5动物识别教学要求：通过本章的学习，要求学生了解A1eXNet卷积神经网络模型、VGG卷积神经网络模型、Goog1eNet卷积神经网络模型、ReSNet卷积神经网络模型的网络结构特征，以动物识别为例理解VG

14、G卷积神经网络模型的应用，提高利用相关卷积神经网络分析与解决实际问题的能力。教学重点*4.1、4.2、4.3、4.4教学难点：4.1、4.4第5章循环神经网络（支撑课程目标第2条）4.1 循环神经网络基本原理5. 2循环神经网络模型5. 3长短期记忆神经网络模型5.6 基于1STM的股票预测教学要求：通过本章的学习，要求学生理解循环神经网络的基本原理，熟悉长短期记忆模型的结构特征，以股票预测为例理解1STM的应用，具备运用1STM分析与解决实际问题的能力。教学重点：5.2、5.3、5.4教学难点：5.2、5.3第6章目标检测（支撑课程目标第2条）5.7 目标检测概况5.8 目标检测的基本概念5.9 目标检测发展5.10 基于候选区域的目标检测5.11 FastR-CNN目标检测算法5.12 FasterR-CNN目标检测算法5.13 Yo1o目标检测算法5.14 标检测案例解析教学要求:通过本章的学习，要求学生了