数据分析与挖掘课程教学大纲.pdf

一、课程基本信息

数据分析与挖掘

课程代码课程性质必修
开课院部数学与计算科学学院课程负责人

授课学期5学分/学时3.5/56

理论学时40实验学时实训（含上机）16
课内学时56
实习0其他0

适用专业数据科学与大数据技术

授课语言中文
对先修的要求具备一定的编程能力，己修《概率论与数理统计》、《python程序设计》、《多元
统计分析》课程
对后续的支撑学会数据分析的预处理、可视化、回归模型、预测算法等，作为在后续课程《数据
分析与挖掘课程设计》必要的理论和实践基础。
通过在教学中讲授数据科学的分析和挖掘理论和算法，培养学生要具有专业数据
课程思政设计的敏感性，以及务实进取、爱好科学和技术的良好态度，为国家和社会的进一步发
展做出贡献。
在大数据时代，数据无处不在，在课程教学中，结合时代对数据分析与挖掘的人才
创新创业教
需求，在教学中贯穿培养创新思维和创新创业能力，从具体实例中启发和教育学
育设计
生的创新思维，以及结合专业技术寻找创新创业设计。
课程定位：数据分析与挖掘是数据科学与大数据技术专业在学习高等数学、线性
代数和概率论与数理统计等课程之后的一门学科必修课，为后续的数据分析与挖
掘课程设计提供数据模型、分析理论与分析技术等能力的支撑。

主要学习内容：该课程主要通过数据分析软件使用，讲授数据的收集、整理数据描
述、统计图形与可视化技术、线性回归与回归模型的估计和预测等内容，让学生具
备对数据进行基本分析能力，掌握必备的数据模型以及对数据进行深度挖掘的技
能，达到将数学、统计知识应用到实际问题中建立合适的模型并设计合适算法解
课程简介决实际问题的能力。

核心学习结果：使学生获得以下能力与素养：1）用数学、统计的知识、方法
来理解数据、建立数据模型；2）会借助软件调用模型、算法对数据进行挖掘分析，
也能自己设计算法解决数据的建模和求解问题，提升数据分析或数据挖掘的能力
和素质。

主要教学方法：本课程主要采取理论与实践教学相结合，通过先讲授理论，
再进行上机实验，并结合具体案例实践让学生提高分析和解决实际问题

序号课程目标支撑毕业要求指标点毕业要求

目标1：学会理解3.问题分析：能够应用数学、自然科
数据，学会用统计、学和数据科学与大数据技术的基本
3.2能够通过数据采集、数据
数学的思想来分析理论和方法，通过数据采集、数据存
存储、数据预处理、数据分析
数据，学会建立数储、数据预处理、数据分析和数据挖
和数据挖掘、数据的可视化，
据模型，掌握数据掘、数据的可视化，分析、研究、解
分析、研究和解决大数据科学
分析与挖掘的主要决信息科学和数据科学领域复杂问
领域复杂问题。
步骤和具体实现方题，并通过实践来验证解决方案的准
法。确性和合理性，获得有效结论。

43利用信息科学和数据科学的4.建模与问题求解：能够设计合理有
目标2：使学生能专业知识、针对实际问题的具效的数据模型以满足特定问题，通过
设计数据分析与挖体情况、结合文献资料对模型数据挖掘获得有效信息，能使用先进
2掘算法，培养学生进行分析，采用恰当的方法、的仪器设备、数据分析软件并结合文
应用理论知识解决仪器设备、数据分析软件对特献资料对信息科学和数据科学领域
实际问题的能力。定问题的数据模型进行算法优复杂问题进行算法优化、实践和设计
化，并能够写出规范的分析报新的算法模型，并能够在设计新的算
告和解决方案。法模型中体现创新意识。

6.使用现代工具：能够针对大数据领
目标3：具备在数
6.2能够针对复杂大数据工程域复杂的工程问题，开发或选择适
据分析实践经验，
问题，开发与使用恰当的技当的技术、资源、现代仪器设备和
对研究热点问题有
3术、资源、现代工程工具和信信息技术工具，并能使用现代的仪
敏锐性，能快速跟
息技术工具，对复杂工程问题器设备和数据分析软件对免杂工程
踪相关技术的发展
进行预测和模拟。问题进行预测及模拟，并能够理解
方向。
其局限性。

三、教学内容及进度安排
学生学习课内教学方支撑
序号教学内容
预期成果学时式课程目标
数据分析软件介绍重了解数据分析的集中常用
点:anaconda简介难点：软件，如Sas、Spss、R、讲授、自
Jupyternotebook数据分析平台EviewsxPythOn等，掌握2学、创新目标1、2
的使用创新创业教育：使用JupterNotebook的基本使用创业教育
专业技术设计个性化数据分方法。
析软件

数据的收集与整理
理解数据按尺度、时间的两
重点：数据类型、收集、讲授、自
2种分类特点，掌握横向与纵6目标1、2
管理学、上机
向数据的收集方法、以及数
难点：PythOn数据管理
据的管理方法。

Python数据分析编程重点：
掌握一维、二维数组的操作讲授