大數(shù)據(jù)分析教學(xué)大綱

1、大數(shù)據(jù)分析一、課程說明課程編號： 160212Z10課程名稱：大數(shù)據(jù)分析/Big data analysis課程類別：專業(yè)課學(xué)時/學(xué)分：32/2先修課程：數(shù)理統(tǒng)計，數(shù)據(jù)挖掘或商務(wù)智能，計算機(jī)程序設(shè)計適用專業(yè)：信息管理與信息系統(tǒng)、電子商務(wù)教材、教學(xué)參考書：1. 王星等著.大數(shù)據(jù)分析:方法與應(yīng)用.清華大學(xué)出版社.2. 張俊妮著.數(shù)據(jù)挖掘與應(yīng)用.北京大學(xué)出版社.3. 吳喜之著.復(fù)雜數(shù)據(jù)統(tǒng)計方法: 基于R的應(yīng)用.中國人民大學(xué)出版社. 4. Mehmed Kantardzic 著, 王曉海, 吳剛 譯.數(shù)據(jù)挖掘:概念、模型、方法和算法.清華大學(xué)出版社.5. 林子雨 著.大數(shù)據(jù)技術(shù)原理與應(yīng)用:概念、存儲、

2、處理、分析與應(yīng)用. 人民郵電出版社.二、課程設(shè)置的目的意義本課程的目標(biāo)是使學(xué)生掌握復(fù)雜數(shù)據(jù)的分析與建模方法，學(xué)習(xí)數(shù)據(jù)分析的計算機(jī)語言，具備按照實證研究規(guī)范使用數(shù)據(jù)挖掘工具進(jìn)行大數(shù)據(jù)分析的能力。三、課程的基本要求1.專業(yè)知識掌握大數(shù)據(jù)分析的基本概念和原理；掌握數(shù)據(jù)分析的基本流程，了解數(shù)據(jù)清洗和準(zhǔn)備過程的基本方法，大數(shù)據(jù)分析的常見方法和工具，以及不同方法的優(yōu)劣和適用場合等專業(yè)知識。2.專業(yè)能力培養(yǎng)信息管理與信息系統(tǒng)專業(yè)學(xué)生根據(jù)具體應(yīng)用情境，綜合利用所學(xué)工具方法進(jìn)行復(fù)雜數(shù)據(jù)的建模分析，挖掘有用信息的能力。3.專業(yè)素質(zhì)通過本課程的理論教學(xué)和上機(jī)練習(xí)，培養(yǎng)學(xué)生從海量數(shù)據(jù)中挖掘信息的能力，以及理論結(jié)合實際

3、的能力。四、教學(xué)內(nèi)容、重點難點及教學(xué)設(shè)計章節(jié)教學(xué)內(nèi)容總學(xué)時學(xué)時分配教學(xué)重點教學(xué)難點教學(xué)方案設(shè)計（含教學(xué)方法、教學(xué)手段）講課(含研討)實踐第1章大數(shù)據(jù)與數(shù)據(jù)挖掘簡介220大數(shù)據(jù)的特征，數(shù)據(jù)挖掘的基本原理和流程無教學(xué)思路：通過“啤酒與尿布”、精準(zhǔn)廣告投放等實際案例引入大數(shù)據(jù)的概念，讓學(xué)生了解數(shù)據(jù)挖掘的產(chǎn)生背景和作用。然后簡介數(shù)據(jù)挖掘基本流程，幫助學(xué)生理解后續(xù)內(nèi)容在整個流程中的位置。第2章離群點發(fā)現(xiàn)321離群點檢測算法檢測算法的實現(xiàn)先講為什么要識別離群點，應(yīng)用場景是怎樣的，然后介紹基于統(tǒng)計的、基于距離的和局部離群點檢測算法，再利用上機(jī)實驗讓學(xué)生自己動手，更深入的理解算法第3章有指導(dǎo)的學(xué)習(xí)422決策樹

4、和人工神經(jīng)網(wǎng)絡(luò)理解不同方法的優(yōu)缺點和適用場合講解有指導(dǎo)的學(xué)習(xí)方法的概念和特征，介紹K近鄰、決策樹、人工神經(jīng)網(wǎng)絡(luò)和其他算法，利用上機(jī)實驗讓學(xué)生自己動手實現(xiàn)，加深理解第4章無指導(dǎo)的學(xué)習(xí)642關(guān)聯(lián)規(guī)則、聚類分析聚類分析方法的 實現(xiàn)講解無指導(dǎo)的學(xué)習(xí)方法的概念和特征，介紹關(guān)聯(lián)規(guī)則、聚類分析、基于預(yù)測強(qiáng)度的聚類方法，引導(dǎo)學(xué)生討論聚類問題的變量選擇問題，利用上機(jī)實驗加深學(xué)生理解第5章貝葉斯分類和因果學(xué)習(xí)642貝葉斯分類、貝葉斯網(wǎng)絡(luò)貝葉斯網(wǎng)絡(luò)的構(gòu)建講解貝葉斯分類、決策論與統(tǒng)計決策論、線性判別函數(shù)和二次判別函數(shù)、樸素貝葉斯分類、貝葉斯網(wǎng)絡(luò)等內(nèi)容，結(jié)合上機(jī)實驗加深理解第6章高級分析方法550高維線性回歸模型和圖模

5、型理解所介紹方法的優(yōu)勢和局限，以及適用場合講解高維線性回歸（概述、模型選擇、廣義線性模型、高維回歸系數(shù)壓縮）和圖模型（基本概念和性質(zhì)、協(xié)方差選擇、指數(shù)族圖模型、譜聚類）的相關(guān)內(nèi)容，具體算法僅作概述，主要是讓學(xué)生理解這些分析方法的基本概念、分析流程、特點比較和應(yīng)用場合第7章大數(shù)據(jù)分析應(yīng)用舉例660讓學(xué)生理解如何將大數(shù)據(jù)分析方法應(yīng)用于實際對各種分析方法的綜合運用講解在客戶關(guān)系管理、社會網(wǎng)絡(luò)分析和自然語言處理三種情境下如何綜合里大數(shù)據(jù)分析方法實現(xiàn)管理功能，以此為示范鼓勵有余力的學(xué)生自行選擇應(yīng)用場景做小型項目，并讓學(xué)生介紹自己開發(fā)的經(jīng)驗和教訓(xùn)。注：實踐包括實驗、上機(jī)等五、實踐教學(xué)內(nèi)容和基本要求本課程要

6、求學(xué)生編程實現(xiàn)課堂講授的數(shù)據(jù)挖掘算法，采用R語言作為主要實驗語言，在聚類和回歸分析中允許使用SPSS軟件作為分析工具。實驗的內(nèi)容和要求如下：1離群點檢測實驗：通過實例實現(xiàn)基于統(tǒng)計和基于距離的離群點檢測算法；2神經(jīng)網(wǎng)絡(luò)構(gòu)建實驗：通過實例實現(xiàn)神經(jīng)網(wǎng)絡(luò)的感知器算法、LMS算法和反向傳播算法；3關(guān)聯(lián)規(guī)則挖掘?qū)嶒灒和ㄟ^實例實現(xiàn)靜態(tài)關(guān)聯(lián)規(guī)則算法（Apriori算法）、動態(tài)關(guān)聯(lián)規(guī)則算法（Carma算法）和序列規(guī)則挖掘算法；4 聚類分析實驗：通過實例實現(xiàn)基于劃分的方法(k-平均，k-中心點算法和CLARA算法)、基于層次的方法(AGNES和DIANA方法)和基于密度的方法(DBSCAN)；5. 分類和預(yù)測實驗：實現(xiàn)決策樹分類、貝葉斯分類和BP神經(jīng)網(wǎng)絡(luò)分類的實例六、考核方式及成績評定考核方式考核內(nèi)容成績比例（%）