《Python数据分析与机器学习》教学大纲.docx

《《Python数据分析与机器学习》教学大纲.docx》由会员分享，可在线阅读，更多相关《《Python数据分析与机器学习》教学大纲.docx（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、Python数据分析与机器学习课程教学大纲一、课程基本信息课程名称：Python数据分析与机器学习学分：2、3、4课时：32、48、64二、课程目标本课程采用理论与实践相结合的教学方式，通过学习Python语法 基础、numpy数据处理、matplotlib数据可视化技术、pandas数据预处 理与分析技术、sklearn机器学习等内容，培养学生数据处理的能力， 掌握机器学习的基本流程，并能够利用机器学习的方法挖掘数据中的 有用价值，使学生更好地适应大数据和人工智能时代的工作与学习。三、先修课程无四、教材 杨年华，Python数据分析与机器学习，清华大学出版社，2022年9月五、课程内容1、P

2、ython语言与开发环境概述（2课时）（1）Python语言的特点、下载与安装、交互与文件两种使用方式。（1课时）（2）代码的风格、模块的概念及其导入方式、帮助的使用、Anaconda环境的安装与使用（1课时）2、Python语言基础（8课时）（1）控制台的输入与输出、标识符、变量、赋值语句（1课时）（2）常用数据类型、运算符、表达式（1课时）（3）分支结构（2课时）（4）循环结构（1课时）（5）常用组合类型（列表、元组、字符串、字典、集合）（2课时）（6）推导式、用于组合类型的常用内置函数、正则表达式（1课时）3、函数（5课时）（1）函数的定义、调用、函数的返回值、位置参数与关键参数（2课

3、时）（2）默认参数、个数可变的参数、参数与返回值类型注解（2课时）（3） lambda表达式、函数式编程的常用类与函数（1课时）4、自定义类与对象（3课时）（1） Python中的对象与方法、类的定义与对象的创建（1课时）（2）类的继承（2课时）5、numpy数据处理基础（6课时）（1）numpy数据结构、数据的准备、数组的索引与切片（2课时）（2）改变数组的形状、对角线上元素的替换、插入维度、数组的基本运算、数组的排序、数组的组合、数组的分割（2课时）（3）随机打乱数组中的元素顺序、多维数组的展开、其他适用于数组 的函数与对象、利用numpy进行统计分析、数组在其他文件中的存取（2课时）6、

4、matplotlib数据可视化基础（6课时）（1）绘制基本图形、绘制多轴图（2课时）（2）坐标轴的刻度标签、主次刻度、网格设置、移动坐标轴、文字说 明和注释、显示图片、日期作为横坐标（2课时）（3）绘制横线与竖线、绘制其他二维图表、绘制三维图表（2课时）7、pandas数据处理与分析（6课时）（1）数据结构与基本操作、文件与数据库中存取DataFrame对象（2 课时）（2）常用函数与方法（1课时）（3） DataFrame数据清洗与处理、时间处理（2课时）（4）移动数据与时间索引、统计分析、pandas中的绘图方法（1课 时）8、机器学习方法概述与数据加载（5课时）（1）机器学习概述、skl

5、earn简介与安装（1课时）（2）加载数据、划分训练集与测试集（2课时）（3） sklearn中机器学习的基本步骤示例、sklearn编程接口风格（2课时）9、数据预处理（3课时）（1）特征的离散化（1课时）（2）识别与处理异常值、特征的Min-Max缩放（1课时）（3）特征值的标准化、特征值的鲁棒缩放、无序分类数据的热编码、有序分类数据的编码、每个样本特征值的正则化（1课时）10、模型评估与轨道（4课时）（1）泛华、过拟合、欠拟合的概念；模型评估指标（2课时）（2）交叉验证（1课时）（3）轨道的创建与使用（1课时）11、有监督学习之分类与回归（6课时）（1）分类与回归概述、线性回归（2课时）

6、（2）逻辑回归与岭回归实现线性分类、支持向量机用于分类和回归（2课时）（3）朴素贝叶斯分类、决策树用于分类和回归（2课时）12、集成学习（4课时）（1）投票法集成、bagging/pasting集成（2课时）（2）提升法集成、堆叠法集成（2课时）13、无监督学习之聚类与降维（4课时）（1）用k-均值基于相似性聚类、层次聚类、基于密度的聚类（2课时）（2）聚类性能评估、无监督的降维（2课时）14、超参数调优与模型选择（4课时）（1）基于循环语句的网格搜索、划分验证集避免过拟合、带交叉验证的网格搜索、带交叉验证的随机搜索（2课时）（2）搜索多个不同特征的空间、对轨道中的超参数进行搜索、搜索算法和超

7、参数（2课时）六、不同学分的课时与教学内容安排建议序 号章节名称2学分 课时规 划2学分 课时规 划3学分 课时规 划3学分 课时规 划4学分课 时规划1Python语言与开发环境概 述2222Python语言基础8683函数5554自定义类与对象3335Numpy数据处理基础436356Matplotlib数据可视化基 础436357Pandas数据处理与分析646468机器学习方法概述与数据 加载45459数据预处理232310模型评估与轨道343411有监督学习之分类与回归565612集成学习343413无监督学习之聚类与降维242414超参数调优与模型选择3434合计课时3232484864