Python数据分析与挖掘实战教学大纲教案

《Python数据分析与挖掘实战》教学大纲
教案
课程名称：Python数据分析与挖掘实战
课程类别：必修
适用专业：大数据技术类相关专业
先修课程：Python编程基础
总学时：64学时（其中理论28学时，实验36学时）
总学分：4.0学分
一、课程的性质
随着云时代的来临，大数据技术将具有越来越重要的战略意义。

大数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产要素，人们对于海量数据的运用将预示着新一轮生产率增长和消费者盈余浪潮的到来。

大数据分析技术将帮助企业用户在合理时间内攫取、管理、处理、整理海量数据，为企业经营决策提供积极的帮助。

大数据分析作为数据存储和挖掘分析的前沿技术，广泛应用于物联网、云计算、移动互联网等战略性新兴产业。

虽然大数据目前在国内还处于初级阶段，但是其商业价值已经显现出来，特别是有实践经验的大数据分析人才更是各企业争夺的热门。

为了满足日益增长的大数据分析人才需求，特开设Python数据分析与挖掘实战课程。

二、课程的任务
理论上，要求学生掌握Python数据挖掘编程基础、数据探索、数据预处理、数据挖掘算法基础等数据分析与挖掘的主要方法。

技能上，结合服装店服装销售、沐浴露销售、景区人流量、服装企业贡献率、餐饮系统等现实场景，使学生学会使用Python语言进行数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等操作，并从信用卡、餐饮企业、金融服务、O2O优惠劵、电商产品等贴近学生生活的场景案例，进行知识点和真实案例相结
合，使学生进一步掌握数据分析与数据挖掘的流程和技能。

思政上，将落实立德树人的根本任务，将育人元素揉入教学中，引导学生的环保理念，增强学生法律意识，培养学生的工匠精神、安全生产、职业道德、技能宝贵、科学探索、独立思考、思辨能力等。

三、教学条件
Python 3.8.5+ Anaconda3 2020.11+ scikit-learn 0.22+PyMySQL 0.10.0+SciPy 1.4.1+ XGBoost 1.2.1+statsmodels.api 0.11.0
四、课程学时分配
五、教学内容及学时安排
1.理论教学
2.实验教学
六、考核方式
突出学生解决实际问题的能力，加强过程性考核。

课程考核的成绩构成= 平时作业（10%）+ 课堂参与（20%）+ 期末考核（70%），期末考试建议采用开卷形式，试题应包括基本概念、数据探索、数据预处理、分类与预测、聚类分析、时序预测、关联规则挖掘、智能推荐、偏差检测等部分，题型可采用判断题、选择、简答、应用题等方式。

七、教材
1.教材
翟世臣，张良均．Python数据分析与挖掘实战[M]．北京：人民邮电出版社．2022．
2.参考资料
[1]黄红梅，张良均．Python数据分析与应用[M]．北京：人民邮电出版社．2018．
[2]张良均，谭立云．Python数据分析与挖掘实战（第2版）[M]．北京：机械工业出版社．2019．
[3]张健，张良均．Python编程基础[M]．北京：人民邮电出版社．2018．。