Py数据基础及实战12

打造基于产教融合的就业育人综合服务平台打造基于产教融合的就业育人综合服务平台第10章基于TipDM大数据挖掘建模平台实现金融服务机构资金流量预测教案课程名称：Python数据分析与挖掘实战课程类别：必修（专业核心课）适用专业：数据科学与大数据技术、人工智能、计算机科学与技术、统计学、信息管理与信息系统等相关专业总学时：64学时（其中理论28学时，实验36学时）总学分：4.0学分本章学时：3学时（实验3学时）材料清单《Python数据分析与挖掘实战（第2版）（微课版）》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标本章介绍如何在TipDM大数据挖掘建模平台上实现金融服务机构资金流量预测任务。以第8章的Python代码实现为参照，演示平台上的数据源配置、分组聚合、数据筛选、周期性差分、序列检验、ARIMA模型定阶与检验、模型评价等全流程操作。使学生了解大数据挖掘建模平台的流程化、去编程化特点，掌握以拖曳式组件构建数据分析流程的方法。基本要求了解TipDM大数据挖掘建模平台的特点。熟悉使用TipDM平台实现资金流量预测任务的总体流程。掌握使用TipDM平台进行数据探索与预处理的方法。掌握使用TipDM平台进行ARIMA模型构建与评价的方法。引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题、理解并掌握知识、发展各种能力和提高思想觉悟。TipDM大数据挖掘建模平台与传统的Python编程方式相比，有哪些优势和特点？在TipDM平台上，数据探索与预处理主要使用了哪些组件？各自完成什么功能？周期性差分的目的是什么？在TipDM平台上如何设置差分周期？在TipDM平台上如何确定ARIMA模型的p、q参数？BIC准则的输出结果如何解读？模型评价中，平均绝对误差、均方根误差和平均绝对百分比误差分别衡量了什么？探究性问题探究性问题需教师在深入钻研教材的基础上精心设计，从重点、难点问题切入进行插入式提问，或对引导性提问中尚未涉及但重要的内容加以设问。TipDM平台的分组聚合组件与pandas的groupby方法在功能上有何异同？各自的适用场景是什么？在TipDM平台上构建的数据分析流程是否可以复用？如何将本章的流程迁移到其他时间序列预测任务中？低代码或无代码的数据分析平台在未来数据科学领域可能带来哪些变革和挑战？拓展性问题拓展性问题需教师深刻理解教材意义、掌握学生学习动态后，根据不同学习层次提出切实可行的、关乎实际应用的操作问题，亦可提供拓展资料供学生研习探讨。除了TipDM，还有哪些主流的大数据挖掘建模平台？请调研并比较它们的功能和适用场景。在TipDM平台上能否实现深度学习模型的构建？如果可以，请设计一个简单的流程。对于没有编程基础的业务人员，如何使用类似TipDM的平台进行自助式数据分析？主要知识点、重点与难点主要知识点TipDM平台的总体流程与操作特点。数据探索与预处理的方法。模型构建与评价的方法。重点数据探索与预处理的方法。模型构建与评价的方法。难点数据探索与预处理的方法。模型构建与评价的方法。教学过程设计理论教学过程构建金融服务机构资金流量预测模型的流程。数据探索与预处理。分析与建模。实验教学过程构建ARIMA模型预测航空公司乘客量数据。教材与参考资料教材翟世臣，张良均．Python数据分析与挖掘实战（第2版）（微课版）[M]．北京：人民邮电出版社，2026．参考资料张良均，王路，谭立云，