还剩2页未读,继续阅读
文本内容:
《Python数据分析与实践》课程教学大纲课程编号XXXXXXXX课程名称Python数据分析与实践英文名称Python Dataanalysis andPractice课程类型专业课课程要求选修学时/学分48/3(讲课学时32上机学时16)适用专业信息管理与信息系统、电子商务、计算机科学与技术
一、课程性质与任务Python是信管、电子商务、计算机科学与技术专业学生进行数据分析所需要掌握基础性语言和分析工具,是未来学生掌握大数据分析技术的学习基础本课程在教学内容方面着重以Python语言讲解及Python语言数据分析工具包应用为主通过一系列的Python语言数据分析训练项目,培养学生具有一定的Python语言数据分析理解和应用实践能力
二、课程与其他课程的联系本课程的先修课程为Java语言,后续课程为大数据技术导论和Hadoop在大数据中应用Java语言是Python语言学习的基础,Python数据分析知识为后续的大数据技术导论和Hadoop在大数据中的应用奠定基础
三、课程教学目标
1.学习Python基本编程语言知识,了解Python在互联网和智能商务分析中的应用
2.掌握Python机器学习基础库,具有应用Python语言解决数据分析中实际问题能力
3.掌握网络数据抓取技术,Python数据库应用开发,实现Python数据可视化操作,提高数据收集和数据分析能力
4.掌握Python数据分析能力,具有应用Python解决数据分析项目的实践能力
5.应用Python编程技术进行电子商务企业运营、信息技术创新创业提供技能准备
四、教学内容、基本要求与学时分配教学方序号教学内容教学要求学时式第一章、Python概述
1.了解Python语言特点
11.Python语言的发展史及特点;
2.掌握Python语言的交互方
2.Python的交互方式代码文件方式讲授/2+1实验
3.了解Python语言的相关模式块
3.Python的集成开发环境
4.Python的模块第二章、Python语言基础知识
21.掌握Python的输入与输出方
1.输入与输出法讲授/2+
12.标识符与变量
2.掌握数据类型及运算实验
3.数据类型及运算
3.掌握分支结构控制语句和选
4.分支结构控制语句择结构嵌套语句
5.选择结构嵌套语句
3.了解Python函数
6.常见的Python函数实验Python基本语句练习第三章、数据结构与函数设计
31.掌握序列中列表与元祖转换
1.序列
2.掌握字典中列表、元组与字讲授/实验
2.字典典之间的转换2+
13.掌握集合算法
3.集合
4.了解函数的定义
4.函数的定义实验数据结构与函数设计练习第四章、类与对象
41.掌握类的属性、方法
1.类的属性
2.掌握面向对象和面向过程的讲授/实验
2.类的方法编程2+
13.面向对象和面向过程的编程
3.了解累的继承和组合
4.类的继承和组合实验面向类和对象的编程5第四章、类的异常处理
1.了解Python的异常处理讲授/
1.类异常实验
2.捕获与处理异常的方法
2.Python中的异常类2+
13.断言处理、异常捕获与处理
3.捕获与处理异常
4.自定义异常类
5.with语句、断言实验类的异常编程第五章、Python库介绍
61.熟悉Python的NumPy、SciPy
1.NumPy库Pandas和Matplotlib各种程序
2.Pandas库库,使其在数据分析领域的广泛讲授/2+1应用实验
3.Matplotlib库
4.SciPy库
5.Scikit-learn库第六早、网络数据获取
71.了解网页数据的组织形式
1.网页数据的组织形式
2.掌握利用urllib处理HTTP讲授/2+
12.利用urllib处理HTTP协议协议实验
3.利用BeautifulSoup4解析HTML
3.掌握利用BeautifulSoup4解文档析HTML文档第七章、Python文件操作
81.掌握文件读写方法
1.打开与关闭文件
2.掌握文件对话框构建方法讲授/2+12•读写文件实验
3.文件对话框第八章、Python数据可视化
91.掌握数据可视化概念框架
1.数据可视化概念框架
2.掌握绘制图表方法讲授/实验
2.绘制图表3,了解高级图表及定制图表操3+
23.更多高级图表及定制作
4.3D可视化图表实验数据可视化操作
101.了解Python的数据库第九章、数据库应用开发讲授/
1.Python数据库
2.掌握关系型数据库实验
2.基于Python的关系型数据库
3.掌握菲关系型数据库3+
23.基于Python的非关系型数据库
4.本地数据库sqlite实验数据库操作第十章、Python机器学习一有监督
1.Python有监督机器学习11学习算法
2.Scikit-Learn核心程序库L线性回归算法的设计和实现
3.SVM支持向量机算法
2.Logistic回归分类器的使用
4.常用KNN算法讲授/3+
23.朴素贝叶斯分类器算法
5.决策树分析类算法的使用实验
4.SVM支持向量机算法
5.常用KNN算法
6.决策树分析类算法的使用
7.“生物多样性”的应用案例12第十一章、机器学习无监督学习
1.了解无监督机器学习原理算法
2.了解聚类相关算法和运用
1.了解无监督机器学习原理
3.了解关联规则相关算法运用讲授/
2.DBSCAN算法3+2实验
3.K-Means算法
4.Apriori算法
5.FP-growth算法
6.“美丽乡村建设”的应用案例13第十二章、房价数据分析项目实践L理解数据分析项目基本步骤
1.了解数据分析项目的基本步骤
2.数据探索和可视化
2.学会观察数据和预处理
3.选择和训练模型讲授/3+2实验
3.数据探索和可视化
4.模型调参和评估
4.基于回归方法的房价模型
5.学区特征影响因素分析和评估
五、其他教学环节(课外教学环节、要求、目标)
1.案例分析针对教学内容,本课程选取具体商业数据作为案例,完成相应的Python语言编程操作,更好的理解知识点
2.上机实验针对教学中Python基本语句练习、面向对象编程、网络数据抓取、文本文件操作、数据库操作、数据可视化操作、Python机器学习一有监督学习算法与无监督学习算法、Python数据分析项目实践进行上机实验,分次计算上机成绩
六、教学方法
1.以课堂讲授为主,课堂讨论、学生PPT展示以及启发式的教学方法
2.加强互动教学,采用多媒体教学方式,学生参与案例讨论相结合,提高学生解决实际问题的能力
七、考核及成绩评定方式最终成绩由平时作业成绩、平时测验成绩、期末成绩和小论文成绩等组合而成各部分所占比例如下平时作业成绩20%以出勤率及课堂情况,主要考核对每堂课核心知识点的理解掌握程度上机成绩30%o主要考核数据处理分析能力,以小组作业或个人作业为考核依据期末考试成绩50%主要考核Python数据分析基本理论,Python机器学习数据分析算法、Python0数据库技术、数据可视化技术等书面考试形式题型为
1、填空题,
2、选择题,
3、判断题,
4、简答题,
5、程序设计题等
八、教材及参考书目
1.教材
[1]Python数据分析与实践(二版)[M].柳毅、毛峰、刘铁桥主编.清华大学出版社,
2023.
52.参考书目
[1]Python数据分析基础基].余本国编著.清华大学出版社,
2017.
8.
[2]Python数据分析[M],Ivan Idris著,韩波译,人民邮电出版社,2016
[3]Python程序设计教程[M].杨年华、柳青、郑戟明主编.清华大学出版社,
2017.10。