本书为高等职业教育计算机类课程新形态一体化教材,是人工智能与大数据技术系列教材之一。本书分为基础篇、实战篇和提高篇。基础篇设置两个学习项目,通过基于数据分析与挖掘岗位工作的模拟操作,帮助学生掌握基础知识与技能;实战篇通过5个数据挖掘项目分别讲授分类、预测、聚类、关联规则、时间序列5类数据挖掘算法,培养学生应用数据分析与挖掘技术解决实际问题的能力;提高篇采用深度学习技术路线,围绕两个综合性数据挖掘项目案例展开,培养学生运用深度学习技术完成较为复杂的数据分析与挖掘的能力。
本书配有微课视频、PPT课件、源代码等丰富的数字化学习资源,与本书配套的数字课程“Python数据分析与挖掘”在“智慧职教”平台(www.icve.com.cn)上线,学习者可登录平台在线学习,授课教师可调用本课程构建符合自身教学特色的SPOC课程,详见“智慧职教”服务指南。教师也可发邮件至编辑邮箱1548103297@qq.com获取相关教学资源。
本书可作为高等职业院校人工智能技术应用、大数据技术等专业Python数据分析类课程的教材,也可作为Python数据分析与挖掘技术学习者的自学参考书。
- 前辅文
- 基础篇
- 项目1 数据分析与挖掘基础知识
- 学习目标
- 1-1 数据挖掘技术的产生与发展
- 1-2 数据挖掘研究的理论基础
- 1-3 数据分析与挖掘应用行业
- 1-4 数据分析与挖掘工具
- 学习评价
- 项目2 数据分析与挖掘技术
- 学习目标
- 2-1 数据挖掘工作流程
- 2-2 数据采样
- 2-3 数据探索及分析
- 2-4 数据预处理
- 2-5 模型及模型训练
- 2-6 模型评估及参数调优
- 2-7 模型应用
- 学习评价
- 实战篇
- 项目3 基于分类的垃圾邮件筛选
- 学习目标
- 项目背景
- 工作流程
- 3-1 数据分析及预处理
- 3-2 模型构建
- 3-3 模型应用
- 学习评价
- 项目4 基于回归的区域房屋出租价格评估
- 学习目标
- 项目背景
- 工作流程
- 4-1 数据分析及预处理
- 4-2 模型构建
- 4-3 模型应用
- 学习评价
- 项目5 基于聚类的供电站供电特征识别
- 学习目标
- 项目背景
- 工作流程
- 5-1 数据分析及预处理
- 5-2 模型构建
- 5-3 模型应用
- 学习评价
- 项目6 基于关联规则的数码产品关联性分析
- 学习目标
- 项目背景
- 工作流程
- 6-1 数据分析及预处理
- 6-2 关联规则挖掘
- 6-3 关联规则解读、评估及应用
- 学习评价
- 项目7 基于时间序列的生鲜农产品销量预测
- 学习目标
- 项目背景
- 工作流程
- 7-1 数据分析及预处理
- 7-2 模型构建
- 7-3 预测及评估
- 学习评价
- 提高篇
- 项目8 基于Text-CNN的电影推荐系统
- 学习目标
- 项目背景
- 工作流程
- 8-1 数据分析及预处理
- 8-2 模型构建及训练
- 8-3 模型应用
- 学习评价
- 项目9 基于ResNet的垃圾分类
- 学习目标
- 项目背景
- 工作流程
- 9-1 数据分析及预处理
- 9-2 模型构建及训练
- 9-3 模型测试
- 学习评价
- 参考文献