《Python大数据分析实验》教学大纲
一、基本概况
环节名称 | Python大数据分析实验 | 实践环节代码 | 400105046 |
英文名称 | Python Big DataAnalysis Experiments | 周数/学分 | 2/2 |
环节类别 | 实践 | 考核方式 | 考查 |
先修课程 | Python程序设计/数据分析/数据挖掘 | 适用专业 | 大数据管理与应用 |
实习指导书 | 开设院系 | 商学院物流与大数据管理系 | |
大纲执笔人 | 胡乐炜/官淑琪 | 审核人 | 邓国华 |
二、课程简介
《Python大数据分析实验》是大数据管理与应用专业的必修实验课程，本课程聚焦于大数据分析的研究和实践热点，利用当前热门的Python工具，沿着数据可视化到数据分析，再到数据挖掘的架构主线，系统教授实现基于Python的大数据分析的各主要功能、算法和应用。同时，结合实验中的案例数据进行探索分析，使学生能更加深入地理解和掌握常用的大数据分析模型在日常工作、科学研究等情景中的运作范式，为将来从事有关大数据的分析和挖掘的研究和工作奠定基础。
"PythonBig Data Analysis Experiment" is a compulsory practical coursefor big data management and application majors. This course focuseson the research and practice hotspots of big data analysis, using thecurrent popular Python tools, along the main line of datavisualization to data analysis, and then to data mining, tosystematically teach the main functions and algorithms of big dataanalysis. At the same time, the exploratory analysis combined withthe case data in practice enables students to have a deeperunderstanding and master the operation paradigm of commonly used bigdata analysis models in daily work, scientific research and otherscenarios. This lays the foundation for future research and work onthe analysis and mining of big data.
三、课程目标
课程目标1：应用Python完成网络数据的采集；
课程目标2：应用Python完成数据的清洗、抽取、拆分、合并等处理工作，实现数据的统计分析；
课程目标3：能够根据现实生活中的具体问题，结合实际业务需求与场景，自主探索并应用不同领域的Python 扩展模块，实现数据处理、数据可视化和数据分析；
课程目标4：理解数据挖掘的基本任务和建模过程。掌握基于Python的分类与预测、聚类、关联规则、神经网络、集成学习、深度学习中常用的建模算法。
本课程目标与毕业要求指标点的对应关系如下表所示：
毕业要求及指标点 | 课程 目标1 | 课程 目标2 | 课程 目标3 | 课程 目标4 | |
毕业要求1 | 指标点3.1：能够使用专业先进技术和信息技术工具。 | √ | √ | ||
毕业要求2 | 指标点3.2：能够使用计算机和统计分析软件对数据进行综合分析并发现规律，为专业决策提供依据。 | √ | |||
毕业要求3 | 指标点7.2：具备自主学习的能力，包括对专业技术知识和问题的理解能力，归纳总结能力和提出问题的能力等。掌握自主学习的方法，了解拓展知识和能力的途径。 | √ | |||
四、实习内容与要求
实习内容：
1.电商平台销售数据分析与预测；
2.基于客户数据的价值分析；
3.超市购物篮数据的关联分析；
4.企业产品数据的分类分析。
实习要求：
课程成绩可由过程考核成绩和课程结业考试成绩两大部分组成，权重可以按课程自身特点进行设置，无故旷课，累计时间超过课程学时数的1/3或实验报告完成量少于规定的2/3者，课程成绩为不及格。
五、建议教学安排
序号 | 主要内容 | 完成时间（天） | 课程目标 | 教学方式 | 考核方式 |
1 | （1）获取京东或淘宝等电商平台某品牌的销售数据； （2）对数据进行清洗、处理； （3）对数据进行可视化分析； （4）对数据进行预测分析。 | 1 | 综合运用所学的数据采集与网络爬虫、Python数据分析基础、数据挖掘等相关知识，完成销售数据分析与预测 | 演示示范、案例分析 | 实验报告 |
2 | （1）数据进行清洗、处理； （2）基于K-means的客户分类； （3）基于线性回归的客户价值预测。 | 1 | 运用Python完成回归分析和聚类分析，完成客户价值分析 | 演示示范、案例分析 | 实验报告 |
3 | （1）对购物篮数据进行清洗和预处理； （2）对购物篮数据进行热销商品和商品结构进行探索性分析； （3）构建关联分析模型； （4）找出商品的关联规则。 | 1 | 运用Python进行数据的清洗和探索性分析； 构建关联分析模型找到数据的关联规则。 | 演示示范、案例分析 | 实验报告 |
4 | （1）对鳄梨的销售数据进行探索性分析； （2）使用逻辑回归模型区分鳄梨种类； （3）使用决策树模型区分鳄梨种类； （4）使用随机森林区分鳄梨种类； （5）通过模型的性能指标对比分析分类效果。 | 1 | 运用Python的可视化工具，对大数据样本特征进行分析； 构建各种类型的分类器对大数据样本集进行分类分析； 对比分析各类型分类器的性能。 | 演示示范、案例分析 | 实验报告 |
六、实习成绩评定
（一）过程考核成绩包括实验操作、实验报告及教学过程的参与度与学习态度等，以下内容可以根据实际情况进行增删调整。
1.内容分解
序号 | 观测点（权重） | 细化的观测点 | 权重 | 得分 | 分项得分 |
1 | 实验参与度 （0.2） | 教学过程的参与度与学习态度 | 1.0 | ||
2 | 实验实施 （0.5） | 实验完成度 | 0.5 | ||
协作精神 | 0.5 | ||||
3 | 实验报告 （0.3） | 实验报告撰写质量 | 0.5 | ||
实验数据处理及分析能力 | 0.5 | ||||
合计： | |||||
2.评分标准
序号 | 观测点（权重） | 细化的观测点 | 优秀标准 | 良好标准 | 合格标准 | 不合格标准 |
1 | 实验参与度 （0.2） | 实验态度及参与程度 | 按时参加实验，具有较强的主观能动性，勤于提问，积极思考 | 按时参加实验，具有一定的主观能动性，勤于提问 | 按时参加实验，需在指导和督促下开展基本实验 | 实验迟到，被动参与实验，实验过程不深入仔细，实验大部分时间做与实验内容无关的事情 |
2 | 实验实施 （0.5） | 实验完成度度 | 按时参加实验，具有较强的主观能动性，勤于提问，积极思考 | 按时参加实验，具有一定的主观能动性，勤于提问 | 按时参加实验，需在指导和督促下开展基本实验 | 实验迟到，被动参与实验，实验过程不深入仔细，实验大部分时间做与实验内容无关的事情 |
协作精神 | 推进团队计划实施，主动组号分配任务，并能协调同组成员 | 推进团队计划实施，完成分配任务，能与小组成员配合 | 实验实施困难与问题较多，团队协作体现不足 | 被动参与实验吗，未完成团队协作所要求的内容 | ||
3 | 实验报告 （0.3） | 实验报告撰写质量 | 报告撰写及实验数据整理规范，单元实验工艺设备流程图准确，计算结果正确，能综合分析实验数据等规律，结论正确 | 报告撰写及实验数据整理规范，有基本的单元实验工艺设备流程图，计算结果及结论基本正确，报告中包含一定实验综合分析内容 | 实验报告结构完整，规范化不足，完成质量一般 | 实验报告不完整，无数据整理结果，结论错误混乱，无关键问题、实验现象和规律的分析 |
课程结业考试可以采用试卷笔答、实验综合实操或课程设计等方式，需要详细说明考核方式的组织形式、考核内容、达成目标及评分标准。
（1）课程结业考试形式：
采取“实验综合实操”
（2）考核要求：
要求学生根据考核题目的要求，4-6人一组完成实操任务，并提交实验报告。
考核内容：数据采集、数据处理、建模、数据分析与数据可视化
-数据采集：爬取淘宝、京东、天猫等电商平台上这类产品（多个品牌）的销售数据
-数据处理：清洗和整理原始数据，筛选出有效数据
-数据建模：构建销售预测模型，预测未来一年的销售趋势
-数据分析与可视化：
1.分析出较受欢迎的品类和不同型号不同品牌产品的市场占比市场趋势：
2.了解哪些品牌正在增长，哪些可能已经达到市场饱和
3.分析不同价格点对销售的影响。
提交的内容与评分标准：提交完整的代码文件（.py或者.ipynb）：用markdown模式添加标题，关键代码要添加注释；提交数据分析word文档：包含背景介绍（简要介绍项目的背景和目的）、数据采集过程介绍、数据概况、数据处理、建模、数据分析与可视化、结论。
七、教材、参考文献与其他教学资源
王宇韬，钱妍竹，《大数据分析与机器学习商业案例实战》.机械工业出版社，2022.7
邓立国著.Python大数据分析算法与实例.北京.清华大学出版社，2020
张良均.Python数据分析与挖掘实战(第二版).北京.机械工业出版社，2021
唐宇迪.跟着迪哥学Python：数据分析与机器学习实战.北京.人民邮电出版社，2020
执笔团队（人）：胡乐炜/官淑琪 审核人：邓国华