大数据分析方法与应用 教学大纲

课程教学大纲课程名称（中英文）大数据分析方法与应用BigDataAnalysisMethodsandApplications学时36学分2开课对象适合于本科生高年级学生和研究生学习课程简介随着大数据的到来，大数据分析应运而生。大数据分析可以充分实现数据的价值，为商业活动、生产生活提供决策依据。该课程通过介绍数据回归和预测方法、数据关联分析和挖掘方法、文本处理、推荐系统、深度学习等方法，让学生掌握大数据分析处理方法。通过案例分析和学术论文研读，让学生掌握科学问题提炼和发现技巧，提高理论联系实践的能力，以及解决实际问题的能力。课程思政设计课程在在教学内容设计中深度挖掘本课程蕴含或涉及的课程思政元素，融入先进思想、传统文化和时代主体，结合专业、行业与学科，形成以爱国情怀、社会责任、职业道德等思政元素，在课中结合专业知识深入开展“课程思政”教育。在教学过程中逐步完成以下课程思政内容：培养和激发学生报效祖国的爱国情怀；培养学生严谨务实的学习态度，以及社会责任感和职业道德；培养学生的科学思维和严谨态度；培养学生精益求精的工匠精神；培养学生的探索意识和创新精神；培养学生主动思考、主动实践的能力；培养学生的社会主义核心价值观，为学生树立初步的职业规范和职业道德；引导学生思考在技术应用过程中需要关注的社会伦理问题，培养学生良好的社会责任感和伦理意识；培养学生在技术开发和应用中做出伦理决策的能力，确保技术的公平性和公正性；培养学生的环境保护意识。教学目标与要求第一章（4学时）目的与要求：要求了解大数据的产生、背景及应用，掌握大数据的特点及大数据分析方法。1.主要内容：1.1大数据的相关概念1.1.1何为大数据1.1.2大数据的定义1.2大数据的产生与发展1.2.1大数据的产生1.2.2国内外大数据产业发展现状1.3大数据的处理1.4大数据的应用1.4.1大数据应用场景1.4.2大数据应用案例（阿里云）。2. 教学重点：大数据的相关概念、定义和基本理解，大数据的产生以及国内外大数据产业的发展现状。3. 教学难点：大数据的处理技术和的应用，大数据分析技术架构，Pytorch环境的搭建。4. 课程思政：培养和激发学生报效祖国的爱国情怀。第二章（4学时）目的与要求：要求了解数据处理方法，掌握数据在excel中的处理方法。1.主要内容：2.1数据的类型与分布2.1.1总体和样本2.1.2定性和定量数据2.1.3截面数据和时间序列数据2.2变量之间的关系2.2.1协方差2.2.2相关系数2.3数据的可视化——基于Excel的应用2.3.1散点图2.3.2折线图等2.3.3数据透视表2. 教学重点：数据的类型与分布，变量之间的关系，数据集的划分方式与目的。3. 教学难点：基于Excel的数据可视化应用。4. 课程思政：培养学生严谨务实的学习态度，以及社会责任感和职业道德。第三章回归分析（4学时）目的与要求：要求了解回归分析的应用场景，掌握常见的回归分析方法，并能进行应用。1.主要内容：3.1简单线性和非线性回归3.1.1线性回归及其Excel中的实现3.1.2最小二乘回归3.1.3非线性回归及其Excel中的实现3.2多元回归3.2.1多元回归及其Excel中的实现3.2.2多重共线性3.2.3多元回归及其SPSS中的实现3.2.4居民存款影响因素回归案例分析3.3岭回归3.3.1岭回归的概念3.3.2岭回归及其SPSS中的实现3.3.3居民存款影响因素回归案例分析3.4LASSO回归3.4.1LASSO回归的概念3.4.2LASSO回归及其SPSS中的实现3.4.3居民存款影响因素回归案例分析2. 教学重点：常见回归分析方法，多元回归的应用、多重共线性问题及其在Excel和SPSS中的应用。3. 教学难点：岭回归和LASSO回归的概念及其在SPSS中的实现。。4. 课程思政：培养学生的科学思维和严谨态度；培养学生精益求精的工匠精神。第四章聚类算法（4学时）目的与要求：要求了解聚类的思想和应用，掌握常见的聚类分析方法，并能进行应用。1.主要内容：4.1聚类的原理4.2K-means聚类4.2.1K-means聚类算法的原理4.2.2K-means聚类算法在Matlab中的实现4.2.3用户群体聚类案例分析4.3K最近邻算法4.3.1K最近邻算法的原理4.3.2K最近邻算法在Matlab中的实现4.3.3植物分类案例分析4.4模糊C-均值算法4.4.1模糊c均值算法的原理4.4.2模糊c均值算法在Matlab中的实现4.4.3故障聚类案例分析2. 教学重点：介绍K-means聚类、K最近邻算法和模糊C-均值算法等方法的原理。3. 教学难点：K-means聚类、K最近邻算法和模糊C-均值算法在Matlab中的实现及案例分析。4. 课程思政：培养学生的探索意识和创新精神；培养学生主动思考、主动实践的能力。第五章推荐算法（4学时）目的与要求：要求了解推荐系统的思想和应用，掌握常见的推荐算法，并能进行应用。1.主要内容：5.1协同过滤推荐算法5.1.1基于用户的推荐5.1.2基于内容的推荐5.1.3二手汽车交易平台推荐案例分析5.2协同过滤算法常见的问题及对策5.2.1冷启动问题5.2.2稀疏性问题5.3基于模型的推荐算法2. 教学重点：介绍协同过滤推荐算法，分析二手汽车交易平台的推荐案例。3. 教学难点：探讨协同过滤算法中的常见问题及其对策。4. 课程思政：帮助学生思考在技术应用过程中需要关注的社会伦理问题，培养学生良好的社会责任感和伦理意识。第六章文本挖掘（4学时）目的与要求：要求了解自然语言处理的思想和应用，掌握常见的自然语言处理方法，并能进行应用。1.主要内容：6.1自然语言处理的应用价值6.2文本挖掘的流程6.2.1文本挖掘的关键技术6.2.2文档收集方法6.2.3分词技术6.3LDA主题模型6.3.1LDA主题模型介绍6.3.2吉布斯采样6.3.3LDA主题模型训练过程6.4基于LDA主题模型的客户需求挖掘案例分析2. 教学重点：词向量与语言模型。3. 教学难点：自然语言处理的应用价值，文本挖掘的流程及其关键技术，包括文档收集、分词技术。讲解LDA主题模型的概念、吉布斯采样方法以及模型的训练过程。4. 课程思政：培养学生在技术开发和应用中做出伦理决策的能力，确保技术的公平性和公正性。第七章启发式算法（4学时）目的与要求：要求了解启发式算法的思想和应用，掌握常见的启发式算法，并能进行应用。1.主要内容：7.1启发式算法的原理7.2启发式算法的类型7.2.1仿动物类7.2.2仿植物类7.3遗传算法及其实现7.3.1遗传算法的原理7.3.2遗传算法的步骤7.3.3遗传算法的计算机实现7.4粒子群算法及其实现7.4.1粒子群算法的原理7.4.2粒子群算法的步骤7.4.3粒子群算法的计算机实现7.5物流配送中心选址案例分析2. 教学重点：介绍启发式算法的基本原理及其不同类型。3. 教学难点：讲解遗传算法的原理、步骤及其在计算机上的实现，探讨粒子群算法的原理、步骤及其计算机实现；通过物流配送中心选址案例进行具体应用分析。4. 课程思政：培养学生的环境保护意识和社会责任感。第八章支持向量机（4学时）目的与要求：要求了解支持向量机的思想和应用，掌握支持向量机经典算法，并能进行应用。1.主要内容：8.1支持向量机的原理8.2支持向量机算法8.2.1核函数8.2.2惩罚因子8.2.3支持向量机算法的计算机实现8.3支持向量机算法参数优化8.3.1基于粒子群优化的支持向量机8.3.2基于量子粒子群优化的支持向量机8.4产品方案设计案例分析2. 教学重点：支持向量机原理。3. 教学难点：支持向量机的计算机实验及其参数优化。4. 课程思政：培养学生技术应用中的社会责任感和伦理意识。第九章神经网络和深度学习（4学时）目的与要求：要求了解神经网络的思想和应用，掌握经典的神经网络算法，并能进行应用。1.主要内容：第9章神经网络9.1神经网络的概念与发展历程9.1.1神经网络的提出9.1.2神经网络的发展历程9.2神经网络的分类9.2.1全连接神经网络9.2.2卷积神经网络9.2.2循环神经网络9.3典型神经网络的机理9.3.1梯度下降9.3.2BP神经网络的原理9.3.3BP神经网络的应用案例9.3.4神经网络工具箱9.4卷积神经网络的机理9.4.1卷积9.4.2池化9.4.3卷积神经网络的结构9.5LSTM神经网络的机理9.5.1LSTM的层次结构9.5.2LSTM的计算机实现9.6卷积神经网络用于情感分析的案例分析2. 教学重点：高维数据处理问题；卷积；卷积神经网络的组成；反卷积。3. 教学难点：卷积神经网络的特征学习；经典卷积神经网络模型；卷积神经网络的应用。4. 课程思政：培养学生技术应用中的社会责任感和伦理意识。主要章节和学时分配序号章节及名称学时分配学时备注理论教学实验教学…1绪论442数据分析基础443回归分析444聚类分析445推荐算法2246文本挖掘2247启发式算法2248支持向量机2249神经网络224合计261036所用教材（正式出版教材要求注明教材名称、作者姓名、出版社、是否自编教材；自编教材要求注明是否成册、编写者姓名、编写者职称、字数等）自编教材：大数据分析方法与应用，更秀丽编，教授，5万字，已成册教学参考书目（至少列三部国内外有影响的教学参考书目）《大数据应用分析技术与方法》，刘汝焯等编著，清华大学出版社。《大数据教程——数据分析原理和方法》，林正炎等著，科学出版社。蒋绍忠，《数据、模型与决策——基于Excel的建模和商务应用(第2版)》，北京大学出版社，2013课程负责人签名：年月日学院负责人审批意见：