Python数据分析与挖掘实战（第2版）（微课版）-教学进度表

学院课程教学进度计划表（20～20学年第二学期） 课程名称Python数据分析与挖掘实战 授课学时64 参与教学教师 授课班级/人数 专业（教研室） 填表时间教务处编印年月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泰迪智能科技官网：/联系方式：4006840020泰迪智能科技官网：/联系方式：4006840020课程教学目的随着“大数据”时代的到来，数据分析与挖掘技术在金融、零售、医疗、互联网、交通物流、制造等行业的需求与日俱增。本课程以应用为导向，贯彻理论与实战相结合的教学理念，使学生系统掌握Python数据分析与挖掘的基本理论与常用方法，熟悉围绕数据挖掘流程（数据获取与处理、可视化呈现、分析与建模、模型评价）开展工作的基本思路。课程以知识点为主线，将常用技术与基于项目的真实案例相结合，引导学生运用分类、聚类、关联规则、时间序列、智能推荐等方法解决实际问题，培养其数据思维与运用所学知识解决业务问题的工程实践能力，为今后从事数据分析、数据挖掘及相关领域的工作与研究奠定坚实基础。教学方法及手段本课程采用理论与实践相结合的教学方法。在理论上，围绕数据挖掘标准流程（目标分析、数据抽样、数据探索、数据预处理、分析与建模、模型评价），通过任务驱动与案例教学引入各环节的概念、原理与方法。在实践上，充分利用现有硬件资源，发挥学生主观能动性，通过10个配套实验项目与课后实训任务，指导学生完成从数据探索、数据预处理、模型构建到模型评价的完整数据挖掘流程。同时结合多个综合案例（商超客户价值分析、餐饮企业菜品关联分析、金融服务机构资金流量预测、O2O优惠券使用预测等），引导学生将所学知识与企业实际需求相结合。要求学生自己动手分析实例，学习基本理论和方法，适当组织讨论，充分调动学生的主观能动性，以达到本课程的教学目的。课程考核方法突出学生运用数据分析与挖掘技术解决实际问题的能力，强化过程性考核。课程考核成绩=平时成绩（10%）+实验与实训成绩（20%）+期末考核（70%）。期末考核建议采用开卷形式，试题应涵盖数据挖掘基本概念、数据探索与预处理、模型构建与调优、模型评价等内容，题型可采用判断题、选择题、简答题与应用题等方式。

《Python数据分析与挖掘实战》教学日历周次学时授课内容作业要求备注13第1章数据挖掘基础（1）第2章Python数据挖掘编程基础（1）第1章课后习题25第2章Python数据挖掘编程基础（2）第2章实训，课后习题33第2章Python数据挖掘编程基础（3）第3章数据探索（1）第2章实训45第3章数据探索（2）第4章数据预处理（1）第3章实训，课后习题53第4章数据预处理（2）第4章选择题65第4章数据预处理（3）第5章数据挖掘算法基础（1）第4章实训，操作题73第5章数据挖掘算法基础（2）第5章课后习题85第5章数据挖掘算法基础（3）第6章商超客户价值分析（1）第5章实训93第6章商超客户价值分析（2）第6章选择题105第6章商超客户价值分析（3）第7章餐饮企业菜品关联分析（1）第6章实训，操作题113第7章餐饮企业菜品关联分析（2）第7章选择题125第7章餐饮企业菜品关联分析（3）第8章金融服务机构资金流量预测（1）第7章实训133第8章金融服务机构资金流量预测（2）第8章课后习题145第8章金融服务机构资金流量预测（3）第9章O2O优惠券使用预测（1）第8章实训153第9章O2O优惠券使用预测（2）第9章选择题165第9章O2O优惠券使用预测（3）第10章基于TipDM大数据挖掘建模平台实