《Python大數據分析與挖掘案例實戰(zhàn)》教學大綱

《python大數據分析與挖掘案例實戰(zhàn)》課程教學大綱課程代碼：學分：6學時：96（其中：講課學時：71實踐或實驗學時：25）先修課程：數學分析、高等代數、概率統(tǒng)計、金融基礎知識、Python程序設計基礎、Python大數據分析與挖掘基礎適用專業(yè)：信息與計算科學建議教材：黃恒秋主編.Python大數據分析與挖掘實戰(zhàn)(微課版)[M].北京：人民郵電出版社.2019.開課系部：數學與計算機科學學院一、課程的性質與任務課程性質：專業(yè)方向選修課。課程任務：大數據時代，數據成為決策最為重要的參考之一，數據分析行業(yè)邁入了一個全新的階段。通過學習本課程，使得學生在掌握Python科學計算、數據處理、數據可視化、挖掘建模、機器學習與深度學習等基本技能基礎上，進一步地擴展應用到金融、地理信息、交通、文本、圖像、GUI應用開發(fā)等實際問題或具體領域。本課程為Python在大數據常見領域的具體應用，也是Python在職業(yè)技能的重要組成部分，從而使得學生具備一定的行業(yè)應用背景及就業(yè)技能。二、課程的基本內容及要求本課程教學時數為96學時，6學分；實驗25學時,1.56學分。第7章基于財務與交易數據的量化投資分析1.課程教學內容：（1）上市公司綜合評價、優(yōu)質股票選擇、量化投資等基本概念；（2）基于總體規(guī)模與效率指標的主成分分析綜合評價方法；（3）股票技術指標分析及程序計算（4）數據預處理及訓練、測試樣本劃分、邏輯回歸模型應用（5）量化投資策略設計實現(xiàn)及結果分析。2.課程的重點、難點：（1）重點：業(yè)務數據理解、指標數據的選擇、預處理、程序實現(xiàn)；（2）難點：業(yè)務數據理解、模型的理解、場景應用。3.課程教學要求：（1）了解上市公司綜合評價的基本概念及模型、股票技術分析指標概念及計算方法；（2）理解業(yè)務數據、指標數據選取、預處理、量化投資設計的基本原理、原則及流程；

（3）掌握指標數據選取、預處理、程序實現(xiàn)、量化投資策略設計實現(xiàn)的全部流程。第8章眾包任務定價優(yōu)化方案1.課程教學內容：（1）經緯度坐標數據可視化等基本概念及計算實現(xiàn)方法；（2）指標的設計原理和計算公式；（3）數據獲取及指標計算；（4）主成分分析、神經網絡、支持向量機模型的具體應用場景及程序實現(xiàn)；（5）方案評價指標設計及實現(xiàn)。2.課程的重點、難點：（1）重點：地理信息數據可視化，指標設計原理、公式和程序實現(xiàn)，主成分分析、神經網絡和支持向量機模型的具體應用場景；（2）難點：指標設計原理、公式和程序實現(xiàn)。3.課程教學要求：（1）了解地理信息數據處理的基本概念、方法和可視化；（2）根據具體業(yè)務場景，設計指標及程序實現(xiàn)；

（3）掌握眾包任務定價特征指標的設計、計算、程序實現(xiàn)及模型應用。第9章地鐵站點日客流量預測1.課程教學內容：（1）地鐵刷卡數據的理解；（2）刷卡數據日期排序及二分法數據處理思想；（3）基于二分法思想快速查找出每日的刷卡數據，并匯總統(tǒng)計進站和出站客流。（4）設計影響地鐵客流量的天氣、星期、節(jié)假日等因素指標，并進行計算及特征分析；（5）構建基于神經網絡的地鐵日客流量預測模型。2.課程的重點、難點：（1）重點：二分法思想及數據快速查找，日進站和出站客流統(tǒng)計，天氣、星期、節(jié)假日影響因素指標設計和計算，神經網絡預測模型構建及程序實現(xiàn)。（2）難點：二分法思想及數據快速查找程序代碼，日進、出站客流計算。3.課程教學要求：（1）了解地鐵刷卡數據及數據處理、二分法快速查找數據的方法；（2）理解二分法快速查找數據并進行數據處理的程序實現(xiàn)思路；

（3）掌握基于二分法思想的數據處理方法、程序實現(xiàn)及匯總統(tǒng)計進站和出站客流，天氣、星期、節(jié)假日影響因素指標設計和程序計算方法，神經網絡預測模型構建及程序實現(xiàn)。第10章微博文本情感分析1.課程教學內容：（1）文本數據的預處理，包括分詞、去掉停用詞、特征詞向量化、訓練和測試集劃分；（2）支持向量機分類模型及實現(xiàn)；（3）LSTM深度學習模型及實現(xiàn)；2.課程的重點、難點：（1）重點：數據預處理、LSTM深度實習模型及程序實現(xiàn)；（2）難點：LSTM深度學習模型原理及程序實現(xiàn)。3.課程教學要求：（1）了解文本數據預處理的基本技能，包括分詞、去停用詞、特征詞向量化；（2）理解文本數據預處理的程序實現(xiàn)思路和訓練、測試集劃分；

（3）掌握文本數據預處理基本技能及支持向量機、LSTM深度學習模型程序實現(xiàn)。第11章基于水色圖像的水質評價1.課程教學內容：（1）圖像的讀取、圖像數據處理，圖像顏色特征提取與計算方法；（2）基于支持向量機的圖像識別方法及程序實現(xiàn)；（3）基于卷積神經網絡的圖像識別方法和程序實現(xiàn)；2.課程的重點、難點：（1）重點：圖像數據處理和顏色特征提取、計算和程序實現(xiàn)，針對灰圖和彩圖的卷積神經網絡圖像識別模型與程序實現(xiàn)；（2）難點：卷積神經網絡模型原理及程序實現(xiàn)。3.課程教學要求：（1）了解圖像讀取、數據處理、顏色特征提取與計算的基本方法；（2）理解利用支持向量機模型與卷積神經網絡模型進行圖像識別的基本思路、流程和方法；

（3）掌握圖像讀取、數據處理和顏色特征提取、支持向量機模型和卷積神經網絡模型的程序實現(xiàn)方法。第12章GUI可視化應用開發(fā)1.課程教學內容：（1）pycharm安裝及在pycharm中部署anaconda下的界面設計師（Designer）工具；（2）PyQt5基本使用方法及UI界面和PyQt5程序的轉換；（3）掌握界面設計師（Designer）工具的基本使用方法（4）水色圖像水質評價系統(tǒng)的設計及程序實現(xiàn)（5）上市公司綜合評價系統(tǒng)的設計及程序實現(xiàn)2.課程的重點、難點：（1）重點：GUI開發(fā)環(huán)境部署、系統(tǒng)設計與程序交互的思想、界面設計及程序開發(fā)；（2）難點：系統(tǒng)設計與程序交互思想的理解、界面設計及程序開發(fā)具體實現(xiàn)。3.課程教學要求：（1）了解界面設計師工具的基本使用方法；（2）理解系統(tǒng)設計與程序交互實現(xiàn)思想，界面設計與程序開發(fā)的基本流程和方法。（3）掌握GUI開發(fā)環(huán)境部署，界面設計及程序開發(fā)具體實現(xiàn)方法，水色圖像水質評價系統(tǒng)和上市公司綜合評價系統(tǒng)的設計與實現(xiàn)方法。三、實踐教學要求Python大數據分析與挖掘案例實戰(zhàn)是一門交叉復合型課程，涉及金融、地理信息、交通、圖像、文本、GUI可視化應用開發(fā)、數據挖掘模型與算法、計算機編程技能等，同時也是一門實踐性極強的課程。本課程要求學生掌握基本數據分析技能基礎上，拓展應用到主流行業(yè)領域中。本課程要求使用Python作為編程工具，建議使用Python的集成開發(fā)平臺進行程序編寫及教學，比如Anaconda、pycharm等。四、課程學時分配序號教學內容理論教學學時實驗學時實驗（實踐）內容課外實驗1第7章基于財務與交易數據的量化投資分析155本章練習2第8章眾包任務定價優(yōu)化方案115本章練習3第9章地鐵站點日客流量預測155本章練習4第10章微博文本情感分析95本章練習5第11章基于水色圖像的水質評價95本章練習6第12章GUI可視化應用開發(fā)125本章練習合計7125五、大綱說明1.教學手段：（1）理論與實踐相結合，多媒體機房上課，帶黑板（方便板書及推導）；（2）講授課程結束后即開展實驗，在機房進行。2.考核方式建議：（1）課程論文或者課程設計作品或者參加學科競賽作品（70%）（2）實驗報告（15%）和實驗結果（15%）進行評分3.教材：黃恒秋主編.Python大數據分析與挖掘實戰(zhàn)(微課版)[M].北京：人民郵電出版社.2020.；六、參考書目[1]張良均.Python數據分析與挖掘實戰(zhàn)[M].北京：機械工業(yè)出版社.2