![](http://bos.cfnet.org.cn/img/20200414/1586852785-308711-94229.jpg?v=1725761973)
2020-大数据分析与挖掘
本课程围绕数据挖掘的常见问题,结合实际生活中遇到的问题设计教学案例,利用数据挖掘软件PMT对案例进行研究,旨在培养学生的数据分析与挖掘能力。
建议课时:36课时·任务数:8个·综合评分:9.50
模块化实训 > 2020-大数据分析与挖掘
课程概述
《大数据分析与挖掘》是一门实战型大数据分析课程。课程通过真实项目案例的讲解与练习,加深对数据挖掘理论的理解,学会对聚类、关联规则、分类预测和回归预测类算法的运用,其目的在于培养学生的大数据分析能力,助力学生达到高素质管理类人才的职业能力要求,成为数据科学时代最需要的人才。
课程围绕数据挖掘的分类预测、回归预测、聚类分析和关联规则问题,结合实际生活中遇到的问题设计教学案例,细化为36学时的实验任务。课程资源内容新颖、结合理论与实践,以学员为中心采用“教、学、练、评”一体化的教学模式,通过在线视频教学、结合实际操作手册,调动学员的学习积极性和主动性,帮助学员强化专业知识,培养数据思维,提升分析决策能力,同时也能满足专业教学改革的需要。
授课目标
了解数据挖掘的理论知识;
掌握数据挖掘的常见方法;
掌握数据挖掘软件的使用操作;
提高自身对数据挖掘的认知。
- 模块一:大数据分析与挖掘基础
- 项目一:大数据分析与挖掘基础 建议学时:8学时 点击进入
- 模块二:大数据分析与挖掘实战
- 项目一:基于时间序列的分仓商品需求预测 建议学时:4学时 点击进入
- 项目二:基于聚类分析(K-means)的快递企业客户群识别 建议学时:4学时 点击进入
- 项目三:基于关联规则的超市顾客购物行为分析 建议学时:4学时 点击进入
- 项目四:基于决策树的电信流失客户预警与分析 建议学时:4学时 点击进入
- 项目五:基于神经网络算法的共享单车需求预测 建议学时:4学时 点击进入
- 项目六:基于逻辑回归算法的信用风险预测 建议学时:4学时 点击进入
- 项目七:深度学习在图像识别及图像分类领域中的应用 建议学时:4学时 点击进入
大数据挖掘平台
![](http://bos.cfnet.org.cn/img/2019/11/01/cjrh-6023031b4c9f48b42f9ebc90f82b4376.png)
PMT(Python Mining Tool)是一款基于Python语言开发的数据挖掘分析工具,具有适合不同用户群体的多层架构,从无经验的数据挖掘初学者到喜欢通过其脚本界面访问该工具的程序员都将会有一个良好的使用体验。
PMT封装了包括机器学习,数据预处理和数据可视化等算法,目标是以一种最为简约的方式来解决具体业务场景中的问题,该工具的重点在于数据分析与挖掘,例如,安装库中的机器学习算法包含梯度下降法、朴素贝叶斯分类器、k近邻、决策树、随机森林、CN2规则、支持向量机、神经网络、Adaboost、线性回归和逻辑回归等。同时,将实现不同功能的算法封装在组件(节点)中,以方便用户的调用,并专注于业务分析。本门课程借助PMT实现数据分析和挖掘,解决不同物流场景中的问题。