Python數(shù)據(jù)分析與挖掘算法從入門到機(jī)器學(xué)習(xí)PPT教學(xué)大綱理論24+實驗24

Python數(shù)據(jù)挖掘大綱編號:一、課程信息課程編號：課程名稱：數(shù)據(jù)挖掘課程類別：專業(yè)方向課學(xué)分：2.5學(xué)時：48課堂講授：24上機(jī)實驗：24適用范圍：計算機(jī)類專業(yè)，相關(guān)專業(yè)任選課預(yù)修課程：Python編程二、課程的性質(zhì)與任務(wù)1．課程性質(zhì)：選修課2．課程任務(wù)：學(xué)習(xí)基于Python的常用的數(shù)據(jù)挖掘算法的應(yīng)用。修完本課程的學(xué)生應(yīng)達(dá)到如下要求：(1)能夠掌握利用Python作為數(shù)據(jù)挖掘工具的基本方法。(2)能熟練地應(yīng)用數(shù)據(jù)挖掘的常用經(jīng)典算法。三、課程內(nèi)容、基本要求與學(xué)時分配章節(jié)內(nèi)容與基本要求課時安排授課實驗第一章數(shù)據(jù)分析與挖掘概述第二章爬蟲第三章Scrapy爬蟲框架（選學(xué)）理解：數(shù)據(jù)分析與挖掘的應(yīng)用領(lǐng)域掌握：數(shù)據(jù)挖掘的流程、爬蟲的用法22第四章NumPy基本用法掌握：Numpy的基本用法22第五章Pandas基本用法掌握：Pandas的基本用法22第六章Matplotlib基本用法掌握：數(shù)據(jù)可視化常用方法22第七章線性回歸、嶺回歸、Lasso回歸掌握：線性回歸、嶺回歸與Lasso回歸的原理與應(yīng)用22第八章Logistic回歸分類模型第九章決策樹與隨機(jī)森林掌握：Logistic回歸分類模型的原理與應(yīng)用；決策樹與隨機(jī)森林的原理與應(yīng)用22第十章KNN模型第十一章樸素貝葉斯模型掌握：KNN模型的原理與應(yīng)用；樸素貝葉斯模型的原理與應(yīng)用22第十二章SVM模型第十三章K-means聚類掌握：SVM模型的原理與應(yīng)用；K-means聚類的原理與應(yīng)用22第十四章關(guān)聯(lián)規(guī)則—Apriori算法第十五章數(shù)據(jù)分析與挖掘項目實戰(zhàn)掌握：關(guān)聯(lián)規(guī)則—Apriori算法的原理與應(yīng)用；數(shù)據(jù)分析與挖掘項目實戰(zhàn)的案例22第十六章主成分分析法（PCA）第十七章集成學(xué)習(xí)掌握：主成分分析法（PCA）的原理與應(yīng)用；集成學(xué)習(xí)的原理與應(yīng)用22第十八章模型評估第十九章初識深度學(xué)習(xí)框架Keras掌握：模型評估；深度學(xué)習(xí)框架Keras的原理與應(yīng)用22復(fù)習(xí)、實驗考試22合計2424四、推薦教材及參考書目1．教材：《Python數(shù)據(jù)分析與挖掘從入門到機(jī)器學(xué)習(xí)》，張坤著，清華大學(xué)出版社2.參考書目：《從零開始學(xué)Python數(shù)據(jù)分析與挖掘》，劉順祥著，清華大學(xué)出版社五、授課方式1．理論授課采用板書和投影相結(jié)合。2．實驗（上機(jī)）采用任務(wù)驅(qū)動、教師集中指導(dǎo)、學(xué)生分組練習(xí)的方式進(jìn)行。六、考核辦法1．平時成績：100分折合為總成績的30%100分=考勤20分（至少5次，每次4分）+實驗80分（6次實驗成績，每次10分，一次實驗考試20分）2．期末成績：100分折合為總成績的70%100分=大作業(yè)