Python与数据分析实务课程大纲
▇课程名称: Python与数据分析实务
▇英文名称：Python and Data Analysis Practice
▇学时学分: 36课时，2学分
▇适用专业学位类别（领域）: 图情专业、情报学、工商管理
▇课程简介: Python编程语言本身简洁，优美,跨平台，功能超级强大，是人工智能时代最流行的编程语言，也是美国主流大学最受欢迎入门编程语言。美计算机科学系Top10中有8家Top39中24家，在编程入门课程中教授Python。三家最大的 MOOC网络课程服务商edX、Coursera和Udacity也全都提供了Python入门编程语言。《Python与数据分析实务》课程以实践应用任务为导向，全面实践数据分析与数据挖掘的流程与python数据分析库的应用。内容涵盖python编程基础、python数据科学生态系统的numpy数值计算、pandas数据预处理与数据分析、matplotlib数据可视化、使用scikit-learn构建基本数据挖掘模型、python中文文本处理（分词、词频统计、词云）、文本情感分析等。
▇教学目标:
（一）教学目的
1、掌握python编程基础。
2、掌握python数据科学生态系统包的应用：numpy、pandas、matplotlib等。
3、掌握scikit-learn构建基本的数据挖掘模型。
4、掌握python中文文本挖掘的理论与技术。
（二）能力目标
1、基本的编程能力，能够使用python进行基本的数据采集与处理。
2、基本的数据采集处理、数据分析能力，能够使用python来解决实际的数据分析问题。
3、基本的数据挖掘能力，能够使用python实现决策树模型、最近邻、贝叶斯、神经网络、集成学习模型等基本的数据挖掘任务。
4、基本的中文文本挖掘能力，能够使用python进行中文文本特征提取、分类、聚类、情感分析与观点挖掘等任务。
▇教学方式: 采用上机讲授与实验教学相结合; 以教师知识讲解、案例教学、学生讨论和上机实验相结合的教学方式。
▇考核方式: 本课程的考核采用考查方式，成绩采用百分制，成绩的评定包含平时成绩和期末成绩。平时成绩以课堂发言、平时作业判定，占总成绩的40%；期末考试主要采用重点知识考试、案例分析和实践项目的形式，占总成绩的60%。
▇教材及参考文献：
- 《Python数据分析与应用》，黄红梅、张良均，（北京）人民邮电出版社，出版时间: 2018年04月。
- 《Python与数据科学》，王仁武，（上海）华东师范大学出版社，出版时间:2016年03月。
- 《Python数据挖掘：概念、方法与实践》，[美] 梅甘·斯夸尔，（北京）机械工业出版社，出版时间:2017年05月。
▇任课教师:*（36课时）
▇主要章节内容：
1、Python基础知识（8课时）
常量、变量、字符串处理、列表/元组/字典、编程语法、函数、模块
2、IPython基础：numpy、matplotlib、pandas（10课时）
Numpy数值计算、matplotlib数据可视化
Pandas数据预处理、pandas数据分析
3、python数据采集（6课时）
网络爬虫基础、request、bs4、lxml、xpath、selenium、正则表达式等。
4、scikit-learn分类预测（4课时）
Scikit-learn、C5.0/CART决策树、KNN分类器、贝叶斯分类器、ANN、集成学习、分类各类评估方法。
5、python文本应用（4课时）
中文分词、词云、词向量、情感分析等。
6、综合应用与案例分析（4课时）
小组项目汇报与讨论分析
▇大纲撰写人: *
泰裤辣