《数据分析与数据挖掘》课程标准.docx

上传人:p** 文档编号:909959 上传时间:2024-04-02 格式:DOCX 页数:5 大小:24.96KB
下载 相关 举报
《数据分析与数据挖掘》课程标准.docx_第1页
第1页 / 共5页
《数据分析与数据挖掘》课程标准.docx_第2页
第2页 / 共5页
《数据分析与数据挖掘》课程标准.docx_第3页
第3页 / 共5页
《数据分析与数据挖掘》课程标准.docx_第4页
第4页 / 共5页
《数据分析与数据挖掘》课程标准.docx_第5页
第5页 / 共5页
亲,该文档总共5页,全部预览完了,如果喜欢就下载吧!
资源描述

《《数据分析与数据挖掘》课程标准.docx》由会员分享,可在线阅读,更多相关《《数据分析与数据挖掘》课程标准.docx(5页珍藏版)》请在第壹文秘上搜索。

1、数据分析与数据挖掘课程标准一、课程基本信息课程代码0060549课程类别专业必修课学分3适用专业大数据总学时48理论学时24实验/实践学时24开课学期5考核形式考查执笔人审核人二、课程性质本课程是计算机应用专业的一门专业必修课程,目标是让学生掌握大数据产生的背景、大数据分析的基本思路、要点和方法等基本理论知识,具备使用大数据分析平台进行数据挖掘和可视化分析的能力以及独立分析和解决问题的能力,具有良好的团队合作意识以及职业道德素质。涉及科学计算库NUmPy、数据分析工具Pandas、数据可视化、时间序列分析和文本数据分析。通过对本课程的学习,学生能够熟悉数据分析的流程和思想,可以利用数据分析技术

2、解决特定业务领域的问题。三、课程目标1.知识目标(1)理解大数据概念及大数据思维;(2)掌握大数据的管理:清洗、转换、加载等;(3)掌握大数据统计分析技术;(4)理解数据挖掘的概念及使用方法;(5)掌握大数据可视化方法;(6)理解大数据的安全性。2.能力目标(1)能够熟练使用大数据分析思想对提供的数据进行分析;(2)能够对大数据进行清洗和转换等数据处理操作;(3)能够使用数据挖掘思想对大数据进行挖掘;(4)能熟熟练运用大数据分析平台进行大数据可视化分析;(5)能够独立完成给定数据的挖掘与分析。3.素质目标(1)培养学生勤于思考、认真做事的良好作风;(2)培养学生勇于创新、敬业乐业的工作作风;(

3、3)培养学生具有良好的职业道德和较强的工作责任心;(4)培养学生自主学习能力和知识应用能力;(5)训练和培养团队协作精神和共同开发网站的综合能力。四、课程内容与教学安排序号项目/章节课程内容授课形式学时知识点能力要求1数据分析概述大数据综述;大数据概念;大数据思维;大数据应用案例;了解数据分析的背景及应用场景掌握什么是数据分析以及数据分析的流程会创建PyhtOn环境,使用Anaconda管理Python包会简单使用JUPytCrNotebook认识常见的数据分析工具建议采用讲授法、演示法、项目任务驱动相结合的授课方法22科学计算库NumPyNumPy数组;ndarray对象的数据类型;数据采集

4、;数据存储;认识NumPy数组对象,会创建NumPy数组熟悉ndarray对象的数据类型,并会转换数据类型掌握数组运算方式掌握数组的索引和切片会使用数组进行数据处理熟悉线性代数模块和随机数模块的使用建议采用讲授法、演示法、项目任务驱动相结合的授课方法63数据分析工具PandasPandas的两种数据结掌握Pandas的两种数据结构建议采用讲授法、演示6序号项目/章节课程内容授课形式学时知识点能力要求构;大数据的转换;大数据的加载;掌握PandaS索引的相关操作掌握PandaS的常见操作,包括算术运算、排序、统计计算掌握Pandas读写数据的方式法、项目任务驱动相结合的授课方法4数据预处理大数据

5、统计分析思想;统计分析的常见指标;掌握数据清洗常用操作,会检查和处理各类有问题的数据掌握数据合并的常用方法,会使用不同的方式合并数据掌握数据重塑的常见操作,会重塑Pandas对象的结构掌握数据转换的常见操作,可以实现离散化和哑变量处理建议采用讲授法、演示法、项目任务驱动相结合的授课方法65数据聚合与分组运算groupby()方法;数据挖掘的概念;数据挖掘的任务;数据挖掘的流程;理解分组与聚合的原理掌握groupby()方法,可以按照不同的规则进行分组掌握聚合操作,会使用统计方法和聚合方法聚合数据掌握其他分组级运算方法的使用建议采用讲授法、演示法、项目任务驱动相结合的授课方法46数据可视化Mat

6、plotlib绘制图表的了解什么是数据可视化掌握Matplotlib绘制图表建议采用讲授法、演示6序号项目/章节课程内容授课形式学时知识点能力要求常用方法;数据可视化分类;可视化的表现形式;的常用方法了解seaborn的基本使用表现形式;了解bokeh的基本使用法、项目任务驱动相结合的授课方法7时间序列分析会创建时间序列对象;大数据的安全;数据防护技术;了解什么是时间序列,会创建时间序列对象会使用时间戳索引和切片选取子集学会创建固定频率的时间序列,能够调整时间序列的频率掌握Period(时期),转换时期的频率掌握重采样,实现降采样和升采样熟悉滑动窗口的使用建议采用讲授法、演示法、项目任务驱动相

7、结合的授课方法68文本数据分析大数据应用案例分析了解文本分析的工具NLTK与jieba,会安装和使用这些工具掌握文本预处理的流程掌握文本情感分析,可以用NLTK分析情感倾向掌握文本相似度,可以结合NLTK与余弦相似度实现相似度分析掌握文本分类,可以结合NLTK与算法对文本进行分建议采用讲授法、演示法、项目任务驱动相结合的授课方法6序号项目/章节课程内容授课形式学时知识点能力要求类9数据分析实战北京租房数据统计分析大数据应用案例分析掌握数据预处理的方法掌握使用MatPlotIib绘制图像的方法了解百度地图APl的使用会基于数据进行独立分析建议采用讲授法、演示法、项目任务驱动相结合的授课方法2五、

8、实施建议1.教材选用与编写(1)Python数据分析与应用黑马程序员主编中国铁道出版社(2)大数据技术全解:基础、设计、开发与实践杨巨龙主编电子工业出版社(3)大数据技术原理与应用林子雨主编人民邮电出版社2 .教学方法与手段课程安排要系统性和灵活性相结合,根据学生的实际情况因材施教,鼓励学生进行有益探索。采用边讲边练的教学方法:做到教学过程与工作过程一体化、知识学习与技能训练一体化、设计任务与创意要求一体化。3 .教学条件(包括课程教学团队和校内外实践条件)(1)课程教学团队本课程要求具有讲师及其以上职称的教师担任,要求教师有项目开发经验。(2)校内外实习实训条件实训主要在机房内完成,要求计算机安装谷歌浏览器以及“Anaconda”大数据分析平台,并且接入互联网。六、教学评价本课程的考核成绩以技能成绩为主,采用上机考查。平时上机实验技能应有严格的记录,根据各种实验的要求来计算成绩。平时考勤占10%,平时实训占30%,期末上机考查占60%的比例综合评定该门课程总成绩。

展开阅读全文
相关资源
猜你喜欢
相关搜索

当前位置:首页 > IT计算机 > 数据结构与算法

copyright@ 2008-2023 1wenmi网站版权所有

经营许可证编号:宁ICP备2022001189号-1

本站为文档C2C交易模式,即用户上传的文档直接被用户下载,本站只是中间服务平台,本站所有文档下载所得的收益归上传人(含作者)所有。第壹文秘仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对上载内容本身不做任何修改或编辑。若文档所含内容侵犯了您的版权或隐私,请立即通知第壹文秘网,我们立即给予删除!