《数据挖掘应用》课程标准

《数据挖掘应用》课程标准课程名称：数据挖掘应用学分：4计划学时：72适用专业：大数据技术1.前言1.1课程性质《数据挖掘应用》课程是大数据技术专业的专业核心课，在整个专业课程体系中占有极为重要的地位。其前导课程为其前导课程为《程序设计基础》、《大数据编程技术提高》、《数据采集与预处理》及《大数据分析技术应用》。本课程的定位是使学生掌握数据分析、数据挖掘及机器学习相关方法，培养学生使用Python进行数据获取、数据清洗、数据处理、数据挖掘和数据智能应用的能力。通过上机实践掌握对不同领域、不同来源、不同类型数据的分析、挖掘与应用的能力，为今后数据分析与挖掘工作打下坚实的基础。1.2设计思路传统的方法类课程的教学只是针对数据分析工具的操作方法进行讲授，理论知识点讲完后，学生进行数据分析与挖掘工具的操作实验以及完成课后练习，知识点多而散，到最后一学期下来，学生只会编写简单的分析语言以及机器学习算法的基本使用，不会灵活的综合各知识点进行数据开发实践，无法真正将所学的知识应用到实际的分析过程中。在信息时代，提倡把“知识”放在问题中，放到现实中，让学生通过收集信息、分析信息、处理信息和运用信息，主动地探索、发现、体验和解决问题，从而培养获取新知识和利用知识进行创新的能力。为了提高学生的技能和改变以前的教学情况，大数据技术教研室经过多年的教学模式研究以及培养方案探索，根据“以实践为导向，以能力为本位”和“项目教学法”的教学思想，制定相应的项目教学方案，养学生成为面向社会的实践型人才。主要设计思路如下：（1）理解和记忆算法基本结构：在整个课程所涉及的教学内容的学习过程中都按照“算法基本结构的理解和记忆-简单Python程序算法设计-上机调试程序技能训练-实际应用”这条主线来进行。也就是说对数据挖掘的各种算法主要内容的学习，以理解加记忆为主，通过上机调试程序加深理解和记忆；要求学生熟记常用的典型算法。（2）熟练上机调试技能，灵活掌握编程技巧：本课程安排有多媒体理论课和上机实践课，理论课力求让学生掌握编程基本思想；上机课通过编辑程序、运行程序、查看程序结果，改正程序错误再运行、观察结果等方法掌握编程技能。本课程是一个实践操作很强的课程，要求学生熟练根据各种错误信息提示迅速解决程序中出现的各种错误。加强编程逻辑思维能力的锻炼，力求让学生能够掌握灵活的编程技巧。（3）以赛促学：建议学生在学习完本课程后参加各类大数据技术相关的技能大赛，通过这种方式起到“以赛促学”的目的。（4）“活动导向设计”的教学方法：在课程教学中融入案例教学法、启发教学法、互动式教学法等多种教学方法的组合。适时选用提问、讨论等生动花样的形式，营造师生互动、生生互动的学习氛围。（5）注重过程考核。考核方式突出“四个注重”。考核内容“注重”能力，考核形式“注重”多样化，考核评价“注重”过程，考核机制“注重”多种奖励。注重过程考核，坚持全面评价，强调知行统一，对学生掌握知识起到积极作用。2.课程目标通过本课程的学习和训练，使学生掌握数据挖掘技术的基本原理；了解机器学习和知识发现等目前人工智能的主要研究领域的原理、方法和技术；增强学生的逻辑思维与实验能力，为今后在各自领域开拓高水平的数据挖掘应用奠定基础。2.1总体目标通过任务引领型的项目活动，旨在使学生掌握数据挖掘的基本知识和综合实践技能，包括数据准备、数据清洗、数据分析、数据挖掘、数据智能应用等内容；还包括第三方工具包的使用，主要有数据分析包(NumPy、Pandas)、绘图包(Matplotlib)、机器学习包(Sklearn、Keras包)，以及Tensorflow框架。最终通过一个个简化的仿真项目，使学生在认知和实际操作上，对数据挖掘核心技术有一个整体的认识和理解，并掌握使用Python语言技能。倡导学生在“做中学”，为提高学生的职业能力奠定良好的基础。2.2具体目标通过理论和实践教学，使学生掌握Python在数据分析与挖掘中的常用工具和方法，并培养良好的人工智能技术应用能力。2.2.1知识目标（1）数据描述性统计分析模块掌握特征工程、数据分析描述性统计方法；熟悉数据分组分析方法、数据结构分析及组成分析方法、数据相关分析方法。（2）数据挖掘与预测应用模块了解连续数据推断分析方法，包括回归分析基本概念及方法应用；掌握离散数据分类分析，包括分类分析基本概念及方法应用；了解关联规则挖掘分析，涉及关联规则基本概念及方法应用；掌握离散数据聚类分析，包括聚类分析基本概念及方法应用。（3）综合应用拓展模块了解模式识别应用与发展趋势、自然语言处理应用与发展趋势分析、语音识别基本概念及其应用；掌握机器学习在智能生产线上的应用。2.2.2能力目标能从实际需要出发，能从不同的途径获取大数据，并掌握对数据进行清洗、筛选、分析、挖掘与预测应用，能对大数据的结果进行分析与评估，最终学会使用相关方法在大数据、人工智能领域进行应用。2.2.3素质目标具备刻苦钻研精神、创新能力、举一反三与学以治用的能力。具备集体协作能力，实事求是的学风、严谨的学习态度。具备对数据挖掘核心工作岗位的严谨工作作风和职业素养。3.课程内容与要求序号教学模块教学任务课程内容及教学要求教学设计参考学时1数据描述性统计分析模块数据描述性统计分析方法1、了解数据、数据科学、特征工程的基本概念与特点理论讲授、上机实训、应用巩固、总结提高62、掌握数据统计分析基本流程3、掌握数据描述性统计分析方法4、熟练掌握常用的数据可视化工具2数据分析基本方法1、了解数据相关性及规律发现的基本方法理论讲授、上机实训、应用巩固、总结提高42、了解异常数据的发现及处理方法3、掌握常用的数据分析方法4、学会应用分组分析、结构分析、相关分析等方法3数据挖掘与预测应用模块回归分析1、了解机器学习方法的基本概念，掌握线性回归方法的原理及其应用理论讲授、上机实训、应用巩固、总结提高92、理解多项式回归方法的原理及其应用3、掌握sklearn中线性回归方法的实现与应用4、掌握sklearn中多项式特征PolynomialFeatures的构建与使用4分类分析1、掌握分类分析的基本概念及主要方法理论讲授、上机实训、应用巩固、总结提高102、掌握逻辑回归分类方法及其在sklearn中的实现3、学会使用支持向量机分类方法及其在sklearn中的实现4、掌握决策树及随机森林分类方法及其在sklearn中的实现5、掌握神经网络分类方法及其在sklearn中的实现5关联规则挖掘1、掌握关联规则、关联模式、购物篮模型的基本概念理论讲授、上机实训、应用巩固、总结提高62、理解频繁模式和关联规则的基本概念、定义及应用；3、掌握关联规则发现的基本方法及其应用；4、会使用Python编程工具实现常用关联规则发现算法，并会应用关联规则。6聚类分析1、掌握主要的聚类分析方法及其应用理论讲授、上机实训、应用巩固、总结提高62、学会使用K-均值聚类方法解决问题3、了解衡量距离的方法4、掌握使用sklearn包解决聚类问题7人工智能技术拓展应用模块模式识别与应用1、掌握人工智能技术相关基本概念与核心理论体系理论讲授、上机实训、应用巩固、总结提高32、了解人工智能技术的应用，特别是模式识别的应用3、掌握机器学习方法在模式识别领域的应用8自然语言处理与应用1、了解自然语言、文本数据的基本特征理论讲授、上机实训、应用巩固、总结提高32、掌握文本操作函数的基本使用3、了解文本数据的标记与处理4、了解机器学习方法在自然语言处理中的应用9语音识别与应用1、了解语音、音频的基本概念理论讲授、上机实训、应用巩固、总结提高32、掌握音频操作函数的基本使用3、了解对音频数据进行处理与应用4、了解机器学习方法在语音识别领域的应用10智能生产线应用1、了解人工智能技术在智能制造行业的应用理论讲授、上机实训、应用巩固、总结提高62、掌握图像数据增强方法与应用3、了解视觉检测分类及图像识别的应用4、了解人工智能技术在智能生产线的应用，如误差补偿等11综合实训综合应用数据挖掘相关知识与技能上机实训16合计72=SUM(ABOVE)注：“课程内容及要求”中，要分别体现技能内容及要求、知识内容及要求。4．实施建议4.1教材选用和编写建议教材选用。应依据高职学生特点与本着实用性、应用性原则考虑教材的选用。本课程采用自编教材《Python与机器学习（第2版）（微课版）》，电子工业出版社，陈清华主编。该教材采用项目化设计与任务驱动，让学生能够深刻体会到机器学习应用的效果，同时该书还通过大量的实训操作来帮助读者巩固相关的知识点。编写建议。必须依据本课程标准编写教材。教材应充分体现任务引领、能力培养为导向的课程设计思想。教材以完成项目驱动，通过课内项目和课后拓展作业等多种手段，采用递进和并列相结合的方式来组织编写，使学生实施任务的过程掌握技能，并进行知识的归纳与拓展。教材应突出实际性，应避免把职业能力简单理解为纯粹的技能操作，同时要具有前瞻性。应将本课程中所用到的项目管理的其他知识纳入其中，并要有思想方法的传授。教材应以学生为本，文字表述要简明扼要，内容展现应图文并茂、突出重点，重在提高学生学习的主动性和积极性。教材中的任务具有可阅读、可扩展性。4.2教学建议（1）课程教学模式：以学生为主体，以能力为本位，以项目为驱动。学生为主体是前提，能力为本位是目标，项目为驱动是手段。（2）教学方法教师讲授：教师讲授以本课程标准为指南，结合教材和电子教案，通过讲解、答疑等方式培养学生独立思考、解决问题的能力。学生自学：自学内容包括阅读教材，查找资料，以及独立完成作业、小论文；除此之外，还有自我练习（含答案）题库和推荐学习参考书目，供学生自我提高。习题教学：习题教学是检验、巩固、应用所学知识的重要手段。在教学过程中，教师结合教学进度、教学重点和难点，安排适当的习题训练，并对习题中的问题进行指导。实践教学：通过课堂讨论、案例分析、课程论文设计、社会调研等方式进行。在每章教学过程中都给学生进行案例分析和现实问题课堂讨论，学习可事先上网查寻有关题目和参考资料。4.3教学考核评价建议本课程期末考试形式为上机开卷考查。期末课程结束，统一出题，统一考查。评分标准：满分100分，其中平时成绩占60%。平时成绩的记载内容包括出勤、课堂表现、作业、在线学习表现等；实训成绩：成绩评定自评与他评相结合、过程与结果相结合。期末考查：采用课内考查的形式，统一出题，学生上机完成设计内容，根据成果评分。此外，依据人工智能学院《三课堂融通项目实施管理办法》，学生的技能竞赛、职业资格认证、创新创业、社会服务、企业顶岗实践、专业志愿者服务等六类项目均可进行第一课堂成绩转换，认定标准及实施过程以文件为准。4.4课程资源的开发与利用随着新课改的逐步深入，只有充分重视开发课程资源，丰富课程内容，有效地发挥教师的潜能，有利于教师的不断成长，课改才有实质性意义。教师应创造性地利用一切可用的资源，为学生的学习、实践服务。也就是说课程资源的开发和利用会加强课程内容与学生生活以及现代社会和科技发展的联系，而且学生的经验、疑问、情感、态度等也是课程资源的有机组成，关注了学生的学习兴趣和经验，有利于学生对课程内容的理解，有利于学生的发展。课程资源的开发和利用可促进教师专业成长，课程资源开发也促进教师专业化发展，这也是课程资源开发的价值体现之一。课程资源的开发对教师提出了新的专业能力要求，即课程开发的专业素养和能力。教师应该成为学生利用课程资源的引导者、开发者。教师必须具备根据具体的教学目的和内容开发与选择课程资源的能力，充分挖掘各种资源的潜力和深层次价值。4.5教学条件配备建议本课程的实施必须依赖于一定的教学条件配备，如计算机机房，OFFICEWord2010软件、Python、PyCharm等必备的软件平台。实践教学环境：利用现有学校教学设备，引导学生学习专业知识，构建系统性的教学内容体系。学校拥有实验教学计算机房，可进行开放性实验。教学实