《Python數(shù)據(jù)分析與機器學習》教學大綱

《Python數(shù)據(jù)分析與機器學習》課程教學大綱一、課程基本信息課程名稱：Python數(shù)據(jù)分析與機器學習學分：2、3、4課時：32、48、64二、課程目標本課程采用理論與實踐相結合的教學方式，通過學習Python語法基礎、numpy數(shù)據(jù)處理、matplotlib數(shù)據(jù)可視化技術、pandas數(shù)據(jù)預處理與分析技術、sklearn機器學習等內容，培養(yǎng)學生數(shù)據(jù)處理的能力，掌握機器學習的基本流程，并能夠利用機器學習的方法挖掘數(shù)據(jù)中的有用價值，使學生更好地適應大數(shù)據(jù)和人工智能時代的工作與學習。三、先修課程無四、教材楊年華，Python數(shù)據(jù)分析與機器學習，清華大學出版社，2022年9月五、課程內容1、Python語言與開發(fā)環(huán)境概述（2課時）（1）Python語言的特點、下載與安裝、交互與文件兩種使用方式。（1課時）（2）代碼的風格、模塊的概念及其導入方式、幫助的使用、Anaconda環(huán)境的安裝與使用（1課時）2、Python語言基礎（8課時）（1）控制臺的輸入與輸出、標識符、變量、賦值語句（1課時）（2）常用數(shù)據(jù)類型、運算符、表達式（1課時）（3）分支結構（2課時）（4）循環(huán)結構（1課時）（5）常用組合類型（列表、元組、字符串、字典、集合）（2課時）（6）推導式、用于組合類型的常用內置函數(shù)、正則表達式（1課時）3、函數(shù)（5課時）（1）函數(shù)的定義、調用、函數(shù)的返回值、位置參數(shù)與關鍵參數(shù)（2課時）（2）默認參數(shù)、個數(shù)可變的參數(shù)、參數(shù)與返回值類型注解（2課時）（3）lambda表達式、函數(shù)式編程的常用類與函數(shù)（1課時）4、自定義類與對象（3課時）（1）Python中的對象與方法、類的定義與對象的創(chuàng)建（1課時）（2）類的繼承（2課時）5、numpy數(shù)據(jù)處理基礎（6課時）（1）numpy數(shù)據(jù)結構、數(shù)據(jù)的準備、數(shù)組的索引與切片（2課時）（2）改變數(shù)組的形狀、對角線上元素的替換、插入維度、數(shù)組的基本運算、數(shù)組的排序、數(shù)組的組合、數(shù)組的分割（2課時）（3）隨機打亂數(shù)組中的元素順序、多維數(shù)組的展開、其他適用于數(shù)組的函數(shù)與對象、利用numpy進行統(tǒng)計分析、數(shù)組在其他文件中的存?。?課時）6、matplotlib數(shù)據(jù)可視化基礎（6課時）（1）繪制基本圖形、繪制多軸圖（2課時）（2）坐標軸的刻度標簽、主次刻度、網(wǎng)格設置、移動坐標軸、文字說明和注釋、顯示圖片、日期作為橫坐標（2課時）（3）繪制橫線與豎線、繪制其他二維圖表、繪制三維圖表（2課時）7、pandas數(shù)據(jù)處理與分析（6課時）（1）數(shù)據(jù)結構與基本操作、文件與數(shù)據(jù)庫中存取DataFrame對象（2課時）（2）常用函數(shù)與方法（1課時）（3）DataFrame數(shù)據(jù)清洗與處理、時間處理（2課時）（4）移動數(shù)據(jù)與時間索引、統(tǒng)計分析、pandas中的繪圖方法（1課時）8、機器學習方法概述與數(shù)據(jù)加載（5課時）（1）機器學習概述、sklearn簡介與安裝（1課時）（2）加載數(shù)據(jù)、劃分訓練集與測試集（2課時）sklearn中機器學習的基本步驟示例、sklearn編程接口風格（2課時）9、數(shù)據(jù)預處理（3課時）（1）特征的離散化（1課時）（2）識別與處理異常值、特征的Min-Max縮放（1課時）（3）特征值的標準化、特征值的魯棒縮放、無序分類數(shù)據(jù)的熱編碼、有序分類數(shù)據(jù)的編碼、每個樣本特征值的正則化（1課時）10、模型評估與軌道（4課時）（1）泛華、過擬合、欠擬合的概念；模型評估指標（2課時）（2）交叉驗證（1課時）（3）軌道的創(chuàng)建與使用（1課時）11、有監(jiān)督學習之分類與回歸（6課時）（1）分類與回歸概述、線性回歸（2課時）（2）邏輯回歸與嶺回歸實現(xiàn)線性分類、支持向量機用于分類和回歸（2課時）（3）樸素貝葉斯分類、決策樹用于分類和回歸（2課時）12、集成學習（4課時）（1）投票法集成、bagging/pasting集成（2課時）（2）提升法集成、堆疊法集成（2課時）13、無監(jiān)督學習之聚類與降維（4課時）（1）用k-均值基于相似性聚類、層次聚類、基于密度的聚類（2課時）（2）聚類性能評估、無監(jiān)督的降維（2課時）14、超參數(shù)調優(yōu)與模型選擇（4課時）（1）基于循環(huán)語句的網(wǎng)格搜索、劃分驗證集避免過擬合、帶交叉驗證的網(wǎng)格搜索、帶交叉驗證的隨機搜索（2課時）（2）搜索多個不同特征的空間、對軌道中的超參數(shù)進行搜索、搜索算法和超參數(shù)（2課時）

六、不同學分的課時與教學內容安排建議序號章節(jié)名稱2學分課時規(guī)劃2學分課時規(guī)劃3學分課時規(guī)劃3學分課時規(guī)劃4學分課時規(guī)劃1Python語言與開發(fā)環(huán)境概述2222Python語言基礎8683函數(shù)5554自定義類與對象3335Numpy數(shù)據(jù)處理基礎436356Matplotlib數(shù)據(jù)可視化基礎436357Pandas數(shù)據(jù)處理與分析646468機器學習方法概述與數(shù)