职称：教师
大数据分析与建模
主讲教师：梁诗敏
教师团队：共2位
- 梁诗敏
- 何友全
| 学校： | 广东科技学院 |
| 开课院系： | 计算机学院 |
| 专业大类： | 数据科学与大数据技术 |
| 开课专业： | 数据科学与大数据技术 |
| 课程英文名称： | Data Mining |
| 学分： | 4 |
| 课时： | 64 |
课程介绍
本课程内容涵盖了Python数据分析、机器学习与实现、数据预处理、描述分析、因子分析、聚类分析、线性回归分析、逻辑回归分析等多种常用分析方法的原理和实现技术。通过本课程的实验教学，使学生具备下列能力：（1）全面而深入地掌握大数据分析的基本概念以及数据分析的流程（2）深入地掌握使用Python进行数据分析和数据基础管理（3）通过学习经营分析、营销策划的思想最终实现数据分析的核心价值，从而能使学生掌握大数据分析与建模的完整知识体系。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。以“培养专业系统能力”为核心，落实“以学为中心”的教育理念，以能力培养为主，让学生具备用面向对象方法分析、设计编码和评价能力；掌握专业思维方式和高效学习方法，能自主拓展新新知识。
教师团队
职称：教师
课程章节
7
5
8
教学方法
教师采用多种信息化教学手段，并贯穿教学准备环节（课前）、课堂交互环 节（课中）和课后提升环节（课后）整个教学过程，逐级达到教学目标。课前“前 置预学"“学情诊断”，课中“明确目标”“探究学习”“ 解决问题”“成果展示” “深化巩固” ，课后“反思分享”“拓展提升”三个环节九个步骤。教学活动充 分体现线上线下混合特征，具体来说线上活动主要包括“发布任务，推送资源” “课前预学、 诊断学情”“可视调查，确定问题”等，线下活动主要包括“联系 实际，回忆旧知”“创设情境， 明确目标”“小组交流，协作探究”等。课程讲 授过程中不仅注重学生知识的掌握、能力的提升，还要重点关注学生思想品德品 质的塑造，帮助学生认清自己肩负着的重大历史使命和时代责任，通过课程内容 中涉及到的标准、规范、政策等有意识地引导学生正确理解组织纪律与规章制度，增强学生的自律能力，最终落实立德树人根本任务，培养德智体美劳全面发展的 社会主义建设者与接班人。 学生成绩采用多种成绩加权求和的方式，其中课程考试成绩占 60%，主要考 核学生对所学知识的掌握程度；平时成绩占 40%，包括出勤率、课堂表现、平时 作业、阶段测试、综合实践、大作业、小组汇报等占比30%；实验成绩占 10%，主要根据 学生的动手能力及实验报告质量进行评分。 传统对于教学的评价单一，不能客观、全面地映射出存在于教学问题背后的 深层原因。本课程强调融合创新，采用自评、互评、教师评价等多方式，从教学 目标达成、师生交流互动、课堂教学容量等多视角进行评价。如运用新型信息技 术，对教师教学过程、教师日常活动数据、学生学习过程和学习行为进行记录、 分析，从而更为科学、准确的反映教学的真实情况。
教学资源
| 课程章节 | | 文件类型 | | 修改时间 | | 大小 | | 备注 | |
| 1.1 教学大纲 |
文档
.docx
|
2024-08-28 | 39.12KB | ||
|
文档
.docx
|
2024-08-28 | 24.70KB | |||
| 1.2 授课计划 |
文档
.doc
|
2024-08-28 | 132.00KB | ||
| 1.3 课内实训指导书 |
文档
.doc
|
2024-08-28 | 102.14KB | ||
| 2.1 数据挖掘的概念和任务 |
文档
.pptx
|
2024-08-28 | 3.17MB | ||
| 2.2 十大经典数据挖掘算法 |
文档
.pptx
|
2024-08-28 | 2.46MB | ||
| 2.3 开放数据获取来源-数据挖掘常见误区 |
文档
.pptx
|
2024-08-28 | 1.77MB | ||
|
视频
.mp4
|
2024-08-28 | 218.79MB | |||
| 2.4 数据挖掘中的隐私保护 |
文档
.pptx
|
2024-08-28 | 438.01KB | ||
|
视频
.mp4
|
2024-08-28 | 107.86MB | |||
| 3.1 数据对象和数据属性 |
文档
.ppt
|
2024-08-28 | 852.50KB | ||
|
视频
.mp4
|
2024-08-28 | 258.37MB | |||
| 3.2 数据的统计描述 |
文档
.pptx
|
2024-08-28 | 1.19MB | ||
|
视频
.mp4
|
2024-08-28 | 152.21MB | |||
| 3.3 数据可视化 |
文档
.ppt
|
2024-08-28 | 4.32MB | ||
|
视频
.mp4
|
2024-08-28 | 269.91MB | |||
| 3.4 数据相似性度量 |
文档
.ppt
|
2024-08-28 | 568.00KB | ||
|
视频
.mp4
|
2024-08-28 | 176.34MB | |||
| 3.5 数据可视化案例综合应用 |
文档
.pptx
|
2024-08-28 | 5.13MB | ||
|
视频
.mp4
|
2024-08-28 | 1.10GB | |||
|
视频
.mp4
|
2024-08-28 | 1.08GB | |||
| 4.1 数据清洗 |
文档
.ppt
|
2024-08-28 | 261.00KB | ||
|
视频
.mp4
|
2024-08-28 | 242.50MB | |||
| 4.2 数据集成与数据规约 |
文档
.ppt
|
2024-08-28 | 832.50KB | ||
| 4.3 数据离散化与概念分层 |
文档
.ppt
|
2024-08-28 | 389.00KB | ||
| 5.1 分类与预测：基本概念 |
文档
.pptx
|
2024-08-28 | 815.82KB | ||
|
视频
.mp4
|
2024-08-28 | 223.68MB | |||
| 5.2 决策树分类 |
文档
.pptx
|
2024-08-28 | 1.64MB | ||
|
视频
.mp4
|
2024-08-28 | 533.02MB | |||
| 5.3 朴素贝叶斯分类 |
文档
.pptx
|
2024-08-28 | 1.62MB | ||
|
视频
.mp4
|
2024-08-28 | 394.67MB | |||
| 5.4 决策树方法的分析比较 |
文档
.pptx
|
2024-08-28 | 534.38KB | ||
|
视频
.mp4
|
2024-08-28 | 324.34MB | |||
| 5.5 KNN分类算法 |
文档
.pptx
|
2024-08-28 | 820.81KB | ||
|
视频
.mp4
|
2024-08-28 | 93.88MB | |||
| 5.6 分类与预测算法的性能评价方法 |
文档
.pptx
|
2024-08-28 | 292.94KB | ||
|
视频
.mp4
|
2024-08-28 | 324.29MB | |||
| 5.7 高级分类算法 |
文档
.pptx
|
2024-08-28 | 831.48KB | ||
| 6.1 基本概念 |
文档
.pptx
|
2024-08-28 | 806.83KB | ||
| 6.2 线性回归编程案例 |
文档
.pptx
|
2024-08-28 | 1.38MB | ||
|
视频
.mp4
|
2024-08-28 | 140.87MB | |||
| 6.3 逻辑回归 |
文档
.pptx
|
2024-08-28 | 2.26MB | ||
|
视频
.mp4
|
2024-08-28 | 77.97MB | |||
| 6.4 岭回归 |
文档
.ppt
|
2024-08-28 | 649.77KB | ||
| 6.5 CART分类回归树 |
文档
.pptx
|
2024-08-28 | 799.64KB | ||
| 6.6 从线性回归到神经网络 |
文档
.pptx
|
2024-08-28 | 1.54MB | ||
| 6.7 神经网络训练&神经网络设计原则 |
文档
.pptx
|
2024-08-28 | 752.80KB | ||
| 6.8 过拟合与正则化 |
文档
.pptx
|
2024-08-28 | 692.18KB | ||
| 7.1 基本概念 |
文档
.pptx
|
2024-08-28 | 1.15MB | ||
|
文档
.docx
|
2024-08-28 | 310.40KB | |||
|
附件
.
|
2024-08-28 | 5.71GB | |||
| 7.2 闭项集和极大频繁项 |
文档
.pptx
|
2024-08-28 | 199.14KB | ||
|
视频
.mp4
|
2024-08-28 | 85.22MB | |||
| 7.3 Apriori算法及其应用 |
文档
.ppt
|
2024-08-28 | 666.50KB | ||
|
视频
.mp4
|
2024-08-28 | 287.37MB | |||
| 7.4 关联挖掘的常见误区 |
文档
.pptx
|
2024-08-28 | 475.88KB | ||
|
视频
.mp4
|
2024-08-28 | 91.73MB | |||
| 7.5 FP树及软件实践 |
文档
.ppt
|
2024-08-28 | 346.00KB | ||
| 7.6 课堂实录 Apriori基础与算法 |
文档
.pptx
|
2024-08-28 | 2.46MB | ||
|
视频
.mp4
|
2024-08-28 | 1.01GB | |||
| 7.7 课堂实录 Apriori算法分析与案例应用 |
视频
.mp4
|
2024-08-28 | 1.04GB | ||
| 8.1 聚类概述 |
文档
.ppt
|
2024-08-28 | 2.89MB | ||
|
视频
.mp4
|
2024-08-28 | 84.20MB | |||
| 8.2 聚类的划分方法 |
文档
.pptx
|
2024-08-28 | 1.17MB | ||
|
视频
.mp4
|
2024-08-28 | 217.97MB | |||
| 8.3 聚类的层次方法 |
文档
.ppt
|
2024-08-28 | 2.68MB | ||
|
视频
.mp4
|
2024-08-28 | 294.29MB | |||
| 8.4 聚类的密度方法 |
文档
.pptx
|
2024-08-28 | 1.14MB | ||
|
视频
.mp4
|
2024-08-28 | 209.04MB | |||
| 8.5 孤立点分析 |
文档
.ppt
|
2024-08-28 | 211.50KB | ||
| 8.6 Kmeans简单实战 |
视频
.mp4
|
2024-08-28 | 75.54MB | ||
| 8.7 Kmeans常见错误解析 |
视频
.mp4
|
2024-08-28 | 83.40MB | ||
| 8.8 Kmeans实现数据无监督分类 |
视频
.mp4
|
2024-08-28 | 35.46MB | ||
| 9.1 scikitlearn安装与配置 |
视频
.mp4
|
2024-08-28 | 132.34MB | ||
| 9.2 KNN预测男女 |
视频
.mp4
|
2024-08-28 | 76.47MB | ||
| 9.3 KNN测试自带数据评分对比以及绘图 |
视频
.mp4
|
2024-08-28 | 216.42MB | ||
| 9.4 KNN用于分类 |
视频
.mp4
|
2024-08-28 | 245.07MB | ||
| 9.5 KNN用于数据回归预测 |
视频
.mp4
|
2024-08-28 | 75.11MB | ||
| 9.6 KNN基于历史数据预测未来 |
视频
.mp4
|
2024-08-28 | 198.32MB | ||
| 10.2 实验二：数据规范化实践 |
表格
.xls
|
2024-08-28 | 22.00KB | ||
| 10.3 实验三：朴素贝叶斯分类与预测 |
视频
.mp4
|
2024-08-28 | 26.69MB | ||
|
附件
.${file.extension}
|
2024-08-28 | -- | |||
|
附件
.${file.extension}
|
2024-08-28 | -- | |||
| 10.4 实验四：决策树分类及可视化 |
视频
.mp4
|
2024-08-28 | 66.40MB | ||
| 10.5 实验五：关联规则挖掘 |
表格
.xls
|
2024-08-28 | 25.00KB | ||
| 10.6 实验六：Kmeans聚类 |
视频
.mp4
|
2024-08-28 | 50.52MB | ||
| 10.7 实验七：密度聚类 |
视频
.mp4
|
2024-08-28 | 32.33MB | ||
| 11.1 函数练习 |
视频
.wmv
|
2024-08-28 | 33.37MB | ||
| 11.2 函数编程 |
视频
.wmv
|
2024-08-28 | 65.98MB | ||
| 11.3 可视化编程 |
视频
.mp4
|
2024-08-28 | 227.57MB | ||
| 11.4 机器学习库的基本编程 |
视频
.mp4
|
2024-08-28 | 171.43MB |
文档