Python数据挖掘项目化教程（微课版）教案全套 陈清华

《数据挖掘应用》课程教案第05讲基础分析模块：观影数据分析与预测（线性回归）一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次6授课形式理实一体授课地点知行楼103授课课次5教学目标知识目标理解回归分析的基本概念、原理及其优劣势；（阿里云大数据分析与应用职业技能等级标准中级5.1.2）掌握线性回归（LinearRegression）的基本实现方法；（重点）掌握数据预处理的方法，特别是归一化处理、数值化处理等；掌握数据集的切分方法，以及训练集、测试集与验证集的基本概念。能力目标会使用sklearn中的线性模型实现对电影数据的回归分析；（重点）会使用sklearn中的范围缩放实现数据的归一化处理；（大数据工程技术人员国家职业技术技能标准4.2.4）会使用sklearn中的标记映射实现对文本数据的数值化处理。素质目标强化精益求精的品质意识，进一步提升岗位职业素养；善于细致地分析数据，发现不同因素间的关系，增强学生的使命感与责任感；强化数据驱动的大数据行业价值观和职业精神。学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成可视化数据分析方法技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据的统计与可视化分析，掌握了基本的可视化分析方法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点掌握线性回归（LinearRegression）的基本实现方法会使用sklearn中的线性模型实现对电影数据的回归分析教学难点会使用sklearn中的线性模型实现对电影数据的回归分析教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（5min）知识回顾：Python哪些工具包数据统计与分析过程柱状图名称、属性理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生数据洞察的能力、严密的逻辑思维能力，同时让学生能够树立数据安全意识知识讲授（5min）知识讲授：机器学习基本概念思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。内容讲解（15min）知识讲授：回归、回归分析、一元线性回归项目介绍：Sklearn.linear_model.linearregression认真思考学生参与思考，会提出问题。总结记录学生总结记录，加深理解。知识讲授（5min）知识讲授：机器学习过程应用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（10min）知识讲授：文件数据读取与数据整理思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（5min）布置练习：数据读取与清洗动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（10min）知识讲授：数据分析与预测、可视化思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（15min）布置练习：数据分析与预测、可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：异常值思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（10min）布置练习：异常值处理动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：数据集切分思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（15min）布置练习：模型评估动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（5min）总结提高：知识点回顾，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“观影数据分析与预测（线性回归）”课程中，整体教学设计合理，但在实际执行过程中，仍有几个方面可以进行反思与改进：反思：理论与实践的结合度：虽然课程中设置了多个上机练习环节，但在实际教学中，理论讲授与实践操作之间的衔接不够流畅，导致学生在实践时遇到了一些困难。学生参与度：虽然使用了任务驱动法，但在部分环节，学生的参与度仍有待提高，尤其是讨论和提问环节，部分学生表现得较为被动。课程节奏的把握：部分环节的时间分配不够合理，导致一些重要内容的讲解和练习时间略显紧张。改进：优化理论与实践的结合：在理论讲授后，立即安排相关的上机练习，确保学生能够及时将所学知识应用于实践中。增加一些引导性的问题，帮助学生在实践之前先思考，明确实践的目标和步骤。提高学生参与度：在讨论和提问环节，设置一些更具吸引力和挑战性的问题，激发学生的兴趣和参与度。鼓励学生在实践中积极尝试和探索，即使出现错误也给予正面的反馈和引导。调整课程节奏与时间分配：对课程时间进行更细致的划分，确保每个环节都有充足的时间进行深入的讲解和充分的练习。考虑在课前导学环节增加一些预习任务，以减轻课堂时间压力，确保重点环节有足够的时间进行深入。强化思政元素的融入：在讲解数据分析与预测的应用时，结合实际案例，强调数据在行业发展和社会进步中的重要性，培养学生的责任感和使命感。在课后延学环节，鼓励学生将所学知识应用于实际生活中，如分析家庭用电数据、预测个人消费等，培养他们的实践能力和社会责任感。综上所述，通过对理论与实践结合度的优化、学生参与度的提高、课程节奏的调整以及思政元素的强化融入，可以进一步提升课程的教学效果和学习体验。《数据挖掘应用》课程教案第06讲基础分析模块：观影数据分析与预测（多项式回归）一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次6授课形式理实一体授课地点知行楼103授课课次6教学目标知识目标深刻理解回归分析的基本概念、原理及其优劣势；（阿里云大数据分析与应用职业技能等级标准中级5.1.2）掌握多项式回归的基本实现方法。能力目标会使用sklearn中的线性模型实现对电影数据的回归分析；（重点）会使用sklearn中的标记映射实现对文本数据的数值化处理。素质目标强化精益求精的品质意识，进一步提升岗位职业素养；善于细致地分析数据，发现不同因素间的关系，增强学生的使命感与责任感；强化数据驱动的大数据行业价值观和职业精神。学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成回归分析技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据的一元线性回归分析，掌握了基本的回归分析方法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点多项式回归标签映射的处理教学难点字符串的处理（数据准备）教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：回归、分类、一元线性回归、奇异点理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生举一反三的能力，并进一步具备爱钻研的精神知识讲授（8min）知识讲授：数据可视化应用实例：一元线性回归可视化思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示讲解（7min）操作演示：数据集切分应用实例：数据集切分的使用认真思考学生参与思考，会提出问题。总结记录学生总结记录，加深理解。上机练习（15min）布置练习：数据可视化与数据集的切分练习动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，掌握重点。知识讲授（15min）知识讲授：多项式回归解析思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。上机练习（25min）布置练习：多项式回归分析应用动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（15min）知识讲授：多元线性回归分析思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：多元线性回归分析应用动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（5min）总结提高：知识点回顾，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“观影数据分析与预测（多项式回归）”课程中，整体教学流程顺畅，但仍存在几个方面可以进行反思与改进：反思：理论与实践的深度融合：虽然课程中设置了多个上机练习环节，但部分学生反映，在实践过程中对于如何将理论知识灵活运用到实际操作中仍感困惑。学生参与度与互动性：虽然采用了任务驱动法，但在部分教学环节中，学生的参与度与互动性有待提升，尤其是讨论和提问环节。教学节奏的把控：部分环节的时间分配不够精细，导致一些重要内容的讲解和练习时间略显紧张，影响了教学效果。改进：深化理论与实践的融合：在理论讲授后，增加一些引导性的实例分析，帮助学生更好地理解理论知识如何应用于实际操作。设计更具针对性的上机练习，确保学生能够在实践中充分应用和巩固所学知识。提升学生参与度与互动性：在讨论和提问环节，设置更多具有挑战性和启发性的问题，激发学生的兴趣和参与度。鼓励学生之间的互助合作，通过小组合作的形式完成任务，提升互动性。精细把控教学节奏：对课程时间进行更细致的划分，确保每个环节都有充足的时间进行深入的讲解和充分的练习。考虑在课前导学环节增加一些预习任务，以减轻课堂时间压力，确保重点环节有足够的时间进行深入。强化思政元素的融入与体现：在讲解多项式回归的应用时，结合实际案例，强调数据分析在行业发展和社会进步中的重要性，培养学生的责任感和使命感。在课后延学环节，鼓励学生将所学知识应用于实际生活中，如分析家庭用电数据、预测个人消费等，培养他们的实践能力和社会责任感，进一步体现思政元素的融入。综上所述，通过对理论与实践融合度的深化、学生参与度与互动性的提升、教学节奏的精细把控以及思政元素的强化融入，可以进一步提升课程的教学效果和学习体验。《数据挖掘应用实践》课程教案第01讲数据应用模块：项目综合实训（一）一、教学设计授课对象大数据2402班授课课时4课时（160分钟）授课周次17授课形式理实一体授课地点知行楼103授课课次1教学目标知识目标掌握数据统计分析的基本流程；（重点：阿里云大数据分析与应用中级1.2.1）了解数据获取的主要途径及读取方法；掌握爬虫的基本概念及实现方法；掌握正则表达式的应用。能力目标会使用urlib2访问网页会对字符串进行处理会从网络上数据数据会使用BeautifulSoup实现爬虫素质目标强化懂流程、会操作、善分析的劳动意识；在庞杂、散碎的信息中确保数据真实、可靠的重要性，强化大数据行业价值观；深刻理解社会主义集中力量办大事的制度优越性；强化学生的四个自信，提升民族自豪感和爱国精神。学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成数据分析与数据挖掘，能会使用机器学习方法解决数据分析与挖掘应用问题。技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据分析应用，掌握了基本数据分析、挖掘方法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点定时数据抓取方法网页数据解析教学难点网页数据解析与提取正则表达式教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：网络数据获取方法什么是爬虫爬虫的种类网络数据获取的实现（BeautifulSoup）理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（5min）知识讲授：网络数据获取方法网络数据一次抓取抓取电影数据房产数据抓取思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。演示讲解（5min）布置练习：项目介绍主题准备提交要求上机练习（15min）分段任务：分组确定任务确定主题分工合作上机练习（20min）分段任务：爬取网络数据：爬虫设计、确定URL管理器巡回指导：知识讲授（10min）知识讲授：网页解析工具：beautifulsoup实例思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）分段任务：爬取网络数据：实现网页解析器动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。上机练习（15min）分段任务：爬取网络数据：定时抓取网络页面数据上机练习（15min）分段任务：爬取网络数据：分析出所需要的数据字段上机练习（15min）分段任务：爬取网络数据：格式化，保存为本地文件动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。上机练习（25min）分段任务：爬取网络数据：分工合作，抓取200条有用数据，并保存为一个文件动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。归纳小结（5min）点评提高：巩固所学（归纳式教学法）动手实践上机练习，自主完成数据采集作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在上机练习环节，出现学生能力的差异，能力强的同学做得很快，能力弱的同学做得很慢，导致整体速度变慢；后续教师可以通过学生助教机制，引导能力强的学生帮助能力弱的同学，增强班级凝聚力、协作能力和积极性。《数据挖掘应用实践》课程教案第02讲数据应用模块：项目综合实训（二）一、教学设计授课对象大数据2402班授课课时4课时（160分钟）授课周次17授课形式理实一体授课地点知行楼103授课课次2教学目标知识目标进一步掌握数据分析流程及Python数据分析工具的使用方法；掌握常用的数据分析方法，包括分组分析、分布分析、交叉分析、结构分析、相关分析等；（重点：阿里云大数据分析与应用中级4.2.1、大数据技术工程人员国家职业标准初级5.2.2）了解不同数据分析方法的适用情境及其应用；了解不同图表的适用情境及其应用。能力目标会使用Pandas第三方包读取CSV、Excel文件中的数据；会熟练使用Pandas第三方包实现分组分析、结构分析、相关分析、可视化化分析；（重难点：阿里云大数据分析与应用中级5.1.2）会选择适当的图表类型展现数据分析结果；（大数据技术工程人员国家职业标准中级6.4.1）能使用Matplotlib、Seaborn等展现数据分析结果。（难点）素质目标熟悉数据分析师岗位工作任务，培养学生逐步养成勤奋自律的自学习惯和一定的数据思维进一步培养学生的团队协作能力进一步提升学生严谨细致的工匠精神学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成数据分析与数据挖掘，能会使用机器学习方法解决人工智能应用问题。技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了人工智能的应用，掌握了基本数据分析、挖掘方法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点统计与分析函数常用图形的画法教学难点应用扩展热力图的实现与解析教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：统计函数可视化图型的选择柱状图、直方图、箱形图、散点图、气泡图理解思考针对老师抛出的问题，积极思考，带着问题进入实训。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（10min）知识讲授：统计与分析过程统计函数可视化图形的选择思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。演示讲解（7min）布置练习：项目要求确定分析对象上机练习（18min）分段任务：分组确定任务确定分工上机练习（20min）分段任务：主题1：确定分析对象1统计实现可视化展现巡回指导：上机练习（20min）分段任务：主题2：确定分析对象2统计实现可视化展现巡回指导：知识讲授（10min）知识讲授：统计分析实例讲解思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（17min）分段任务：主题3：确定分析对象3统计实现可视化展现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。上机练习（18min）分段任务：主题4：确定分析对象4统计实现可视化展现上机练习（25min）分段任务：小结与分析保存实验报告归纳小结（5min）点评提高：巩固所学（归纳式教学法）动手实践上机练习，自主完成数据采集作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查阅资料查阅相关资料，了解更多专业知识。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在上机练习环节，出现学生能力的差异，能力强的同学做得很快，能力弱的同学做得很慢，导致整体速度变慢；后续教师可以通过学生助教机制，引导能力强的学生帮助能力弱的同学，增强班级凝聚力、协作能力和积极性。《数据挖掘应用实践》课程教案第03讲数据应用模块：项目综合实训（三）一、教学设计授课对象大数据2402班授课课时4课时（160分钟）授课周次18授课形式理实一体授课地点知行楼103授课课次3教学目标知识目标掌握机器学习、监督学习、回归与分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握回归、朴素贝叶斯等分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法LogisticRegression、GaussianNB等实现回归分析与分类分析；（重点：阿里云“1+X”大数据分析与应用中级5.3.2）会调整回归与分类模型的参数实现效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成数据分析与数据挖掘，能会使用机器学习方法解决数据挖掘应用问题。技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了数据挖掘的应用，掌握了基本数据分析、挖掘方法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点应用场景的分析机器学习方法的选择教学难点应用扩展学习结果的可视化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：机器学习方法回归：线性回归等聚类：K-Means等分类：SVM等理解思考针对老师抛出的问题，积极思考，带着问题进入实训。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（10min）知识讲授：机器学习方法的应用过程思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。演示讲解（20min）布置练习：分析并确定任务确定分工知识讲授：回归回归相应的方法与应用步骤上机练习（20min）分段任务：主题1：确定分析对象1回归方法的实现可视化展现上机练习（15min）分段任务：主题2：确定分析对象2回归方法的实现可视化展现巡回指导：知识讲授（15min）知识讲授：分类器分类相应的方法与应用步骤思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）分段任务：主题3：确定分析对象33分类器的实现可视化展现动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。上机练习（15min）分段任务：主题4：确定分析对象4分类器的实现可视化展现知识讲解（10min）知识讲解：聚类聚类相应的方法与应用步骤理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。回顾通过演示，掌握重点。上机练习（25min）小结分析：小结与分析保存实验报告动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。归纳小结（5min）点评提高：巩固所学（归纳式教学法）动手实践上机练习，自主完成数据分析任务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查阅资料查阅相关资料，了解更多专业知识。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在上机练习环节，出现学生能力的差异，能力强的同学做得很快，能力弱的同学做得很慢，导致整体速度变慢；后续教师可以通过学生助教机制，引导能力强的学生帮助能力弱的同学，增强班级凝聚力、协作能力和积极性。《数据挖掘应用实践》课程教案第04讲数据应用模块：项目综合实训（四）一、教学设计授课对象大数据2402班授课课时4课时（160分钟）授课周次18授课形式理实一体授课地点知行楼103授课课次4教学目标知识目标理解无监督学习、聚类的基本原理和基本概念了解常用的聚类方法及其适用性（阿里云大数据分析与应用中级5.1.2）掌握sklearn包中常见聚类实现DBSCAN、KMeans的使用（重点）进一步掌握数据分析与挖掘常用包NumPy、Pandas、sklearn、Matplotlib的使用方法能力目标会使用sklearn包中的DBSCAN、KMeans类实现聚类应用（重点：阿里云“1+X”大数据分析与应用中级5.2.3）会调整聚类分析模型的参数实现分类效果的优化（难点：大数据工程技术人员国家职业技能标准中级6.3.2）会使用Matplotlib、seaborn等包实现聚类效果的可视化素质目标物以类聚，人以群分，引导学生向最好的学习，做更好的自己，缩小和优秀同学间的差异不断迭代，寻求最优聚类质心，引导学生在学习中不断探索，培养精益求精的工匠精神分析聚类算法的优缺点，培养学生的辩证思维，更全面地认识、解决问题学情分析知识水平通过前面学习，同学已基本理解了数据分析的基本流程，会使用编程工具完成数据分析与数据挖掘，能会使用机器学习方法解决回归与分类问题技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了人工智能的应用，掌握了基本数据分析、挖掘方法和常用的机器学习回归与分类算法学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点机器学习方法应用流程模型分析与进阶教学难点应用扩展总结与汇报教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段超星网络学习平台、学习通APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习，陈清华主编，电子工业出版社，2020年03月第1版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。超星学习通《Excel数据分析技术》课程，网址：/course/222867836.html二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划超星网络学习平台教师使用超星网络学习平台，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：各类机器学习方法理解思考针对老师抛出的问题，积极思考，带着问题进入实训。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。学习通APP学生利用手机或者平板进入学习通APP签到，记录考勤。超星网络学习平台教师使用超星网络学习平台，发布问题进行抢答。移动设备学生利用移动设备进入超星学习通APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（5min）知识讲授：机器学习方法的应用过程思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。演示讲解（15min）布置练习：分析并确定任务确定分工分析点的选择与应用上机练习（15min）分段任务：主题1：确定分析对象1模型的训练与评估模型的应用上机练习（15min）分段任务：主题2：确定分析对象2模型的训练与评估模型的应用巡回指导：上机练习（15min）分段任务：主题3：确定分析对象3模型的训练与评估模型的应用巡回指导：上机练习（15min）分段任务：主题4：确定分析对象5模型的训练与评估模型的应用巡回指导：上机练习（20min）内容讲解实验报告要求汇报要求分段任务：整理实验报告巡回指导：上机练习（20min）分段任务：布置任务：设计、制作汇报PPT，并进行汇报动手实践上机练习，完成汇报PPT。讨论提问操作难点讨论，举手提问，解决问题。上交作品按要求提交作品。总结通过汇报PPT，总结作品特色与亮点，突破难点。上机练习（20min）分段任务：布置任务：修改、整理汇报PPT并进行汇报作品整理（5min）发布任务：发布作品上交任务。归纳小结（5min）点评提高：巩固所学（归纳式教学法）查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在超星网络学习平台发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收超星平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在超星网络学习平台中上传作业。超星网络学习平台通过在超星网络学习平台发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过超星网络学习通平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在上机练习环节，出现学生能力的差异，能力强的同学做得很快，能力弱的同学做得很慢，导致整体速度变慢；后续教师可以通过学生助教机制，引导能力强的学生帮助能力弱的同学，增强班级凝聚力、协作能力和积极性。《数据挖掘应用》课程教案第08讲智能分析模块：身高与体重数据分析（分类器）I一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次8授课形式理实一体授课地点知行楼103授课课次8教学目标知识目标掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握逻辑回归、朴素贝叶斯分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法LogisticRegression、GaussianNB实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的算法LogisticRegression、GaussianNB实现分类分析；教学难点掌握逻辑回归、朴素贝叶斯分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：数据源的获取数据统计与分析过程什么是机器学习？有哪些方法？理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生精益求精、开拓创新的工匠精神；提升团队协作能力、沟通能力上机练习（10min）布置练习：数据读取与可视化解答疑问：动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机练习（10min）布置练习：数据可视化：格式化解答疑问：知识讲授（10min）知识讲授：介绍有监督学习与分类、逻辑回归思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。演示讲解（15min）操作演示：Sklearn.linear_model.LogisticRegression的使用步骤讲解：代码填写与可视化展示上机练习（15min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（20min）知识讲授：朴素贝叶斯原理介绍操作演示：朴素贝叶斯的使用的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：朴素贝叶斯方法使用、模型建立与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）”课程中，整体教学设计与实践环节均较为完善，但仍存在一些可以进一步优化与改进的空间，以下是针对此次课程的反思与改进建议：反思：理论与实践的结合度：虽然课程采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的衔接可能不够紧密，导致学生在实践环节中对理论知识的应用存在困惑。学生参与度与互动性：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度不高，可能影响了教学效果和学生的学习体验。作业布置的针对性与反馈：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，且作业反馈的及时性和详细程度有待提升。改进：增强理论与实践的结合度：在理论讲解后，立即安排相关的上机练习，使学生能够及时将理论知识应用于实践中。设计一些引导性的问题，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与互动性：采用小组讨论、角色扮演等多样化的教学方法，增加学生之间的互动和合作。设计一些具有挑战性的任务，激发学生的学习兴趣和参与度。优化作业布置与反馈机制：根据学生的实际情况和学习需求，设计更具针对性的课后作业。加快作业批改的速度，并及时向学生提供详细的反馈和建议，以便他们能够及时了解自己的学习成果和不足。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）”课程的教学效果和学生的学习体验，确保学生能够扎实地掌握所学知识和技能。《数据挖掘应用》课程教案第09讲智能分析模块：身高与体重数据分析（分类器）II一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次9授课形式理实一体授课地点知行楼103授课课次9教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握决策树、随机森林分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据分析的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等。能力目标会使用sklearn中的算法DecisionTreeClassifier、RandomTree实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的算法DecisionTreeClassifier、SVC实现分类分析；教学难点掌握决策树、随机森林分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。培养学生精益求精、开拓创新的工匠精神；提升团队协作能力、沟通能力知识讲授（10min）知识讲授：介绍有监督学习与分类决策树的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示通过演示，初步掌握重点。演示讲解（15min）操作演示：DecisionTreeClassifier的使用步骤讲解：代码填写与可视化展示上机练习（15min）布置练习：模型使用数据可视化展示动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（15min）知识讲授：随机森林的原理介绍操作演示：随机森林分类器的使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（20min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。知识讲授（10min）知识讲授：SVC线性分类器进阶使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。演示知识讲解，结合演示，初步掌握重点。上机练习（15min）布置练习：模型应用与可视化动手实践上机练习，记录操作错点。讨论提问操作难点讨论，举手提问，解决问题。上机通过练习，逐步突破难点。总结应用（10min）总结提高：知识点回顾，不同方法的异同，并巩固所学（归纳式教学法）四个分类器的区别与联系作业布置：实验报告动手实践上机练习，自主完成数据分析作务。查漏补缺总结所有编程任务中出现的错误和问题，并提炼课堂学习的关注点。经验总结通过总结，提示易错点，巩固难点。上机通过练习，逐步突破难点、巩固重点。课后管理教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课后延学发放作业根据授课重点与技能要求，设计任务，并在智慧职教发放作业，明确任务要求。评阅反馈及时批改学生作业与重点反馈。线上解惑分阶段解决学生在学习过程中的疑问。查收作业查收平台小组作业，明确任务，做好分工。查阅资料查阅相关资料，了解更多专业知识。提交作业在智慧职教中上传作业。智慧职教通过在智慧职教发贴的形式分享所学，同学可互动讨论、深入探讨。拓展学习通过网络智慧职教+平台，温故而知新；通过查找图书与网络资料，了解更多新知识。思政元素进一步培养学生自主学习、独立思考的能力。三、反思改进反思改进在本次“身高与体重数据分析（分类器）II”课程中，教学设计与实践环节均较为完善，但仍有一些细节可以进一步优化以提升教学效果。以下是对此次课程的反思与改进建议：反思：理论与实践的融合度：虽然采用了理实一体的授课形式，但在实际教学过程中，理论讲解与上机练习之间的过渡有时不够流畅，导致学生在实践环节中对理论知识的应用存在些许困惑。学生参与度与课堂互动：虽然设计了讨论和提问环节，但部分学生在课堂上的参与度仍有待提高，这可能影响了整体的教学氛围和学生的学习体验。作业设计的针对性与反馈机制：课后作业的布置虽然与授课重点相关，但可能缺乏足够的针对性，且作业反馈的及时性和详细程度有待进一步提升。改进：增强理论与实践的融合度：在理论讲解后，立即安排相关的上机练习，确保学生能够及时将理论知识应用于实践中。设计一些引导性的问题或案例，帮助学生在实践环节中回顾和巩固理论知识。提高学生参与度与课堂互动：引入更多的小组讨论、角色扮演等互动环节，增加学生之间的交流与合作。设计一些具有挑战性的任务或竞赛，激发学生的学习兴趣和参与度。优化作业设计与反馈机制：根据学生的实际情况和学习需求，设计更具针对性和层次性的课后作业。加快作业批改的速度，并及时向学生提供详细的反馈和建议，以便他们能够及时了解自己的学习成果和不足。通过这些反思与改进，可以进一步提升“身高与体重数据分析（分类器）II”课程的教学效果和学生的学习体验，确保学生能够更加扎实地掌握所学知识和技能。

《数据挖掘应用》课程教案第10讲智能分析模块：身高与体重数据分析（分类器）III一、教学设计授课对象大数据2301班授课课时3课时（120分钟）授课周次9授课形式理实一体授课地点知行楼103授课课次10教学目标知识目标进一步掌握机器学习、监督学习、分类的基本概念；（阿里云大数据分析与应用中级5.1.1、5.1.2）掌握支持向量机、神经网络分类分析方法及相关参数的意义；（难点：大数据技术工程人员国家职业标准高级6.2.2）进一步掌握数据挖掘的流程，加深对模型建立与分析过程的理解；进一步掌握数据分析与挖掘常用包的使用，如NumPy、Pandas、sklearn、Matplotlib等；掌握模型评估报告的生成方法并理解各具体指标的含义。能力目标会使用sklearn中的支持向量机、神经网络算法等实现分类分析；（重点：阿里云大数据分析与应用中级5.3.2）会调整分类模型的参数实现分类效果的优化；（难点：大数据技术工程人员国家职业标准中级6.3.3）会使用散点图、折线图展现不同因素间的关系。素质目标尊重两性差异，结合“三观”教育促进学生自由、全面和谐发展；帮助两性建立性别自信和完善人格，提供更宽广的社会角色发展方向和职业规划；引入行业名人的事迹，通过榜样力量激发科技报国之心。学情分析知识水平通过前面学习，同学已基本理解了数据分析与挖掘的基本流程，会使用编程工具完成基本的数据分析任务技能水平经过前期学习，学生对大数据分析应用场景和职业素养有了一定的认知积累，完成了观影数据回归分析，掌握了基本数据预测方法与应用学生特点对新技术的应用接受程度比较高，也通过网络等各种手段查询相关知识点，可在教学中设计挑战环节，顺应学生心理教学重点会使用sklearn中的支持向量机、神经网络算法实现分类分析；教学难点掌握神支持向量机、神经网络分类分析方法及相关参数的意义会调整分类模型的参数实现分类效果的优化教学方法1.知识讲授法：通过形象生动的语言讲解，帮助学生更好理解知识点2.任务驱动法：通过课内实训任务，帮助学生更好掌握知识和技能点教学手段智慧职教、智慧职教+APP、案例库、编程软件JupyterNoteBook、智慧教室所选教材Python与机器学习（第2版）（微课版），陈清华主编，电子工业出版社，2024年06月第2版参考资源《利用Python进行数据分析(第二版)》，韦斯麦金尼（WesMcKinney），机械工业出版社；《Python数据分析基础教程：NumPy学习指南（第2版）》，伊德里斯，人民邮电出版社；《Python机器学习经典实例》，克里斯·阿尔本编，东南大学出版社；《Python机器学习实践指南》，AlexanderT.Combs，人民邮电出版社。智慧职教资源库课程《数据挖掘应用》，网址：/courseDetailed?id=egoaywwdidkayhzuegy8q&openCourse=53a1c09b-8246-4068-ac26-adb073d10062二、教学实施课前导学教学环节教师活动学生活动信息化教学手段设计意图思政元素融入课前自学发布作务：构建网络教学平台教学内容，辅助学生后续课程自主学习；发布课前学习任务。查收任务：登陆平台，查看课前任务，并做好计划智慧职教教师使用智慧职教，发布视频和相关资料，学生自学；利用平台的数据，了解学生学习现状学习平台构建构建网络学习空间，推动翻转课堂、远程协助。学情分析学情分析：分析学生课后作业的完成情况，了解班级课前准备情况完成查看：完成课前学习任务，要对课堂学习内容有个初步了解学情分析有利于因材施教。课堂学练教学环节教师活动学生活动信息化教学手段设计意图思政元素融入知识回顾（10min）知识回顾：复习：什么是机器学习？有哪些方法？有监督学习与分类方法回顾LogisticRegression的使用朴素贝叶斯的使用决策树的应用理解思考针对老师抛出的问题，积极思考，带着问题进入新课。积极做答独立思考，积极参与问题回答。总结记录针对所学内容，进行小结与记录，以便理解与后续复习。智慧职教+APP学生利用手机或者平板进入智慧职教+APP签到，记录考勤。智慧职教教师使用智慧职教，发布问题进行抢答。移动设备学生利用移动设备进入智慧职教+APP抢答。智慧教室使用智慧教室的功能，完成知识讲解。问题引入设置问题，根据具体应用场景明确学习任务，激发学习兴趣，使学生在课堂中保持积极心态去探索新知识。思政元素融入做人做事的道理。养学生求卓越、精益求精的创新精神；一步提升沟通能力、自我学习能力。知识讲授（15min）知识讲授：试题讲解各类方法的实现步骤SVM支持向量机的原理介绍核函数胡使用思考讨论学生参与思考、讨论并回答，层层递进。总结记录学生总结记录，加深理解。讨论提问操作难点讨论，举手提问，解决问题。演示通过演示，初步掌握重点。上机通过练习，逐步突破难点。上机练习（15min）布置练习：模型使用数据可视化展示演示讲解（20n）操作演示：多维特征的分类应用演示步骤讲解：性别、体重、身高三项数据判定肥胖上机练习（20min）布