《数据挖掘与分析A》教学大纲

《数据挖掘与分析A》教学大纲适用范围：202X版本科人才培养方案课程代码：10140152课程性质：专业必修课程学分：3学分学时：48学时（实践48学时）先修课程：管理统计学、市场调查与预测A等后续课程：毕业设计适用专业：物流管理开课单位：管理学院一、课程说明《数据挖掘与分析A》是物流管理专业的实践课程，系统实践了数据挖掘与分析的完整流程，结合相关实例，详细阐述基础数据分析方法和常用工具。通过本实践课程的学习，使学生掌握物流数据分析的基本理论、方法以及常用的数据分析工具，并具备面向物流实际问题的数据准备与处理、数据分析、数据可视化以及撰写数据分析报告的能力。同时，培养学生数据分析和挖掘的实践能力和创新思维，为未来的物流管理相关工作打下坚实的基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：使学生掌握物流管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决物流管理问题的能力和创新思维。课程目标2：培养学生在物流管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生采取适当的措施，评估和监控数据质量，确保数据的准确性，保障物流行业的分析结果真实有效。三、课程目标与毕业要求《数据挖掘与分析A》课程教学目标对物流管理专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度2.问题分析2.1能运用相关科学原理，识别和判断物流管理问题的关键环节。课程目标1：使学生掌握物流管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决物流管理问题的能力和创新思维。M4.研究4.3能够根据可行方案建模，科学并正确地采集数据，能对数据结果进行分析和解释，并通过信息处理得到合理有效的结论。课程目标1：使学生掌握物流管理领域的数据挖掘和分析的基础知识，掌握数据分析的主要步骤，能够针对不同问题选择合适的分析方法，提高解决物流管理问题的能力和创新思维。课程目标2：培养学生在物流管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。H5.使用现代工具5.2能够选择与使用恰当的工具、方法和软件，对物流问题进行分析、计算与设计。课程目标2：培养学生在物流管理中应用数据挖掘和分析技术的能力，运用分析算法进行聚类、分类与预测，具备初步使用数据分析工具进行问题求解的综合应用能力。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生的实践能力，通过数据分析实践，提高学生自主学习以及解决问题能力。M12.终身学习12.1能认识持续学习的必要性，具有终身学习的意识，掌握自主学习的方法。课程目标3：培养学生的数据伦理意识和隐私保护意识，引导学生关注社会责任和公共利益；培养学生的实践能力，通过数据分析实践，提高学生自主学习以及解决问题能力。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配实践部分的教学内容、基本要求与学时分配见表2。表2实践项目、实践内容与学时实践项目实践内容和要求实践学时对应的课程目标1.数据分析基础与评价指标1.1数据分析基础理论1.2数据分析岗位的职业发展1.3数据分析常用指标及术语实践内容：数据分析的基础知识和流程,数据分析常用指标。实践要求：了解数据分析的基础知识,熟悉数据分析常用指标,掌握数据分析的流程，能够综合运用统计指标对总体进行分析。101、32.数据准备与处理2.1数据准备2.2数据处理实践内容：数据收集的常用方法、重复值的处理、缺失数据的处理方法、异常值的处理方法、数据加工。实践要求：了解数据准备的内容,了解数据处理的内容,掌握数据录入方法,掌握数据处理的常用方法,掌握数据处理常用的Excel函数。81、2、33.数据分析的常用方法3.1常用数据分析方法论3.2数据分析法3.3常用数据分析工具3.4SPSS数据分析工具实践内容：常用数据分析方法的应用实践要求：了解常用数据方法论基础概念,了解数据分析法基础概念,掌握数据分析法使用方法，掌握SPSS的主要功能，能够进行简单的数据分析。161、2、34.数据可视化与专业化4.1通过图表展现数据4.2通过表格展现数据实践内容：数据可视化的实际应用。实践要求：掌握常用图表类型的适用场景,掌握如何通过数据关系选择合适的图表,掌握统计图的绘制流程,掌握通过表格展现数据的方法。825.撰写数据分析报告5.1初步认识数据分析报告5.2数据分析报告的准备与撰写流程5.3数据分析报告的结构5.4撰写数据分析报告的注意事项实践内容：编写物流相关数据分析报告。实践要求：掌握数据分析报告的写作原则,掌握数据分析报告的撰写流程,掌握数据分析报告的结构,掌握撰写物流相关数据分析报告的注意事项。61、2、3合计48五、教学方法及手段《数据挖掘与分析A》是一门实践课程，根据现有的条件，重视实践技术研究，实践项目选择、实践方案设计，推行学生自主式、启发式、合作式、研究式、个性化的学习方式，注重启迪学生的创造思维。运用项目驱动法，以实际案例为导向，组织实践内容，从而强化各知识点的运用。六、课程资源1.推荐教材黑马程序员.数据分析思维与可视化[M].北京:清华大学出版社,2019.2.参考书（1）喻梅等.数据分析与数据挖掘[M].北京:清华大学出版社,2018．（2）陈红波等.数据分析从入门到进阶[M].北京:机械工业出版社,2019．（3）Goodfellow（伊恩·古德费洛）等.深度学习[M].北京:人民邮电出版社,2017．（4）周志华.机器学习[M].北京:清华大学出版社,2016．3.期刊（1）中国流通经济,北京物资学院（2）中国物流与采购,中国物流与采购联合会（3）计算机学报,中国计算机学会、中国科学院计算技术研究所（4）计算机应用研究,四川省计算机研究院4.网络资源（1）国家统计局,（2）UCIMachineLearningRepository,/ml/index.php（3）wind经济数据库,/NewSite/edb.html（4）CSMAR经济金融数据库,七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现10（1）根据课堂回答、互动、考勤情况进行考核，满分100分；（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√442实践20（1）根据每个实践的实践操作完成情况和实践报告质量单独评分，满分100分；（2）每次实践单独评分，取各次实践成绩的平均值作为此环节的最终成绩；（3）以实践成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√20阶段测试20（1）对课程章节情况进行考核，各个满分100分；（2）每次阶段测试单独评分，按照章节课时分布情况，计算各次成绩的加权平均值，并作为此环节的最终成绩；（3）以阶段测试成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√√155期末考核50（1）期末考核总成绩为100分，以成绩乘以其在总评成绩中所占的比例计入课程总评成绩；（2）主要考核数据准备与处理、数据分析常用方法、常用数据分析工具、数据可视化、数据图表专业化、撰写数据分析报告等内容；（3）考查形式可采用课程小论文或综述报告（调查报告）或大作业等。√√√202010合计：100分八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、实践、作业、期末大作业等方式对学生进行考核评价。考核基本要求：总成绩由期末考核和过程性考核成绩组成。其中：期末考核成绩为100分（权重50%），可采用课程小论文或综述报告（调查报告）或大作业设计等方式；课堂表现、作业、章节测试等过程性考核成绩为100分（权重50%）；过程性考核和期末考核分值分配应与教学大纲各章节的学时基本成比例。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、