3023D06021-数据科学导引-2023版人才培养方案课程教学大纲.docxVIP

PAGE5

ADDINCNKISM.UserStyle《数据科学导引》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

3023D06021

开课单位

国际学院

课程名称

（中文）数据科学导引

（英文）GuidancetoDataScience

课程性质

选修

考核类型

考查

课程学分

2

课程学时

34

课程类别

学科基础课程（学科拓展课）

先修课程

程序语言设计、数据结构、离散数学

适用专业（类）

软件工程

二、课程描述及目标

（一）课程简介

“数据科学导引”是软件工程大数据方向专业、数据科学与大数据技术专业的学科拓展课。《数据科学导引》课程内容包括：绪论、数据预处理、回归模型、分类模型、集成模型、聚类模型、关联规则挖掘、降维、特征选择、深度学习等。

通过本课程的学习，旨在使学生系统地掌握数据科学的基础知识、理论、及技术。

（二）教学目标

通过本课程的学习，掌握数据科学的基础知识、理论、及技术，包括面向大数据应用的数学、统计，计算机等学科基础知识，数据建模、高效分析与处理，统计学推断的基本理论、基本方法和基本技能。对自然科学和社会科学等应用领域中大数据的了解，能胜任数据分析与挖掘算法研究和大数据系统开发的研究型和技术型人才。

课程目标1：掌握数据科学的基础知识、理论、及技术。；

课程目标2：掌握文献检索的方法，并能够进行文献分析，了解本学科的发展热点和趋势。

课程目标3：培养学生的终身学习能力、创新意识和创新能力以及职业和专业素养。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-1：软件工程基础理论知识；

课程目标1

0.6

1-2：软件项目管理与开发知识；3-3：职业素养

课程目标2

0.2

2-2：工程实践能力；3-4：专业素养；2-5：创新能力；3-2：创新意识；

课程目标3

0.2

四、教学方式与方法

教学方式：课堂讲授、课堂讨论、实验验证等。

教学方法：充分发挥多媒体教学法的优势，通过图表展示、动画演示等直观地演示硬件工作过程及相关设计过程与实现方法；选择一到两个授课内容，尝试进行启发式教学和案例式教学；结合实验课教学内容，将理论知识通过实践操作加以印证，深化对知识的理解程度。

理论知识以课堂讲授为主，辅以适当的课堂提问、课堂讨论。所学理论知识必须与实践相结合。在基本分析和设计方法指导下，以分析和设计一个数据库应用软件作为教学任务和目标，用阶段性的任务和目标来引导学习，使其贯穿整个教学过程。通过完成阶段性的任务，使学生掌握数据库的基本概念、基本原理和设计原则，循序渐进的引导学生掌握数据库知识，培养学生对数据库的理解和应用能力。

五、教学重点与难点

（一）教学重点

数据预处理，分类聚类模型，特征选择算法，EM算法

（二）教学难点

文本分析、深度学习、分布式计算思想。

六、教学内容、基本要求与学时分配

序号

教学内容

基本要求

学时

教学

方式

对应课程目标

1

第1章绪论

了解数据科学的基本内容，对学科发展的影响，对科学研究的影响，数据科学的课程体系

2

讲授

课程目标1

课程目标3

2

第2章数据预处理

掌握特征编码，数据标准化，特征离散化，离群值检测等其他预处理方法

2

讲授

课程目标1

课程目标3

3

第3章回归模型

掌握线性回归，线性回归正则化，非线性回归

2

讲授

课程目标1

课程目标3

4

第4章分类模型

掌握逻辑回归，K近邻、决策树、朴素贝叶斯、支持向量机

4

演示

课程目标1

课程目标2

5

第5章集成模型

掌握集成方法，随机森林、AdaBoost算法

2

讲授

课程目标1

课程目标2

6

第6章聚类模型

掌握K-means聚类，层次聚类，谱聚类，基于密度的聚类

3

讲授

课程目标1

课程目标2

7

第7章关联规则挖掘

了解关联规则，Apriori算法，FP-Growth算法

2

讲授

课程目标2

课程目标3

8

第8章降维

了解主成分分析，线性判别分析，多维尺度变换，局部线性嵌入，其他降维方法

3

讲授

课程目标1

课程目标3

9

第9章特征选择

了解特征选择的一般过程，特征选择常用的方法，无监督特征选择

2

讲授

课程目标1

课程目标2

10

第11章概率图模型

掌握概率图模型概述，隐马尔可夫模型，条件随机场

2

讲授

课程目标1

课程目标3

11

第12章文本分析

了解文本表示模型，主题模型，情感分析

3

讲授

课程目标2

课程目标3

12

第13章图与网络分析

了解图与网络分析的基本概念，几何特征，链接分析，社区发现，知识图谱

3

讲授

课程目标1

课程目标3

13

第14章深度学习

掌握多层感知机，深度学习模型的优化，卷积神经网络，循环神经网络

4

讲授

课程目标2

课程目标3

合计