机器学习算法/数据分析与挖掘
机器学习算法/数据分析与挖掘
1000+ 人选课
更新日期:2025/10/13
开课平台学银在线
开课高校福建商学院
开课教师陈圣群施海柳李静谭睿璞
学科专业工学计算机类
开课时间2025/09/17 - 2026/01/11
课程周期17 周
开课状态开课中
每周学时-
课程简介

这门课会讲什么?

    百度CEO李彦宏说,智能会像今天的电流一样平静地环绕、支持着我们,在一切环节提供养料,彻底改变人类经济、政治、社会、生活的形态。数据分析与挖掘作为人工智能的一个核心技术,学习显得尤其重要。在这门课程中,老师将逐步讲解数据挖掘的概念、结构、分析、设计、开发及实现等相关知识,让学生掌握各种挖掘类型的理论与方法,如回归分析、决策树、人工神经网络等;了解数据挖掘的研究现状、应用领域和未来的应用前景。

    着重培养学生具备针对实际问题的特点准确选择合理的数据挖掘技术与方法,并熟练应用Pyhton语言数据处理工具对问题进行模拟、仿真的思维能力和操作能力,具备比较、分析、综合和解决针对实际问题的综合能力。除此以外培养学生具有科学的思维方式、严谨的工作态度和实事求是的工作作风,具有创新意识和团结合作精神。


    师资优势:全部由四名博士团队主讲,其中三名博士均已破格教授,且获得国家自科或国家社科课题。


你将收获什么?

通过学习本门课程,你将提升对管理数据科学与大数据技术的认识,能够多方面、多层次地思考问题。在应用和实践数据挖掘过程中,掌握各种挖掘类型的理论与数据挖掘技术方法,培养出自身创新精神和实践能力。

适合什么人学习?

本门课程适合对数据分析感兴趣的学生学习,为学生未来的生活、职场提供帮助。该课程的适用对象可以针对计算机、自动化、电子信息和数据科学与大数据技术等理工类专业的大学生,也可以是经济学、统计学和金融等文科类专业的大学生。

课程大纲

课程章节

  • 导读:数据与智能之认识
  • 数据挖掘基本概念
  • 数据分析编程基础
  • 模型评估与选择
  • 回归分析
  • 朴素贝叶斯
  • 决策树
  • 最近邻算法(KNN)
  • 聚类分析
  • 神经网络
  • 支持向量机
  • 学生优秀成果展示
  • 兴趣与扩展:身边的智能
  • 资源下载区

导读:数据与智能之认识

1.1 AI到底是什么?

1.2 AI复活之路

1.3 测试题1

1.4 大数据,AI的基石

1.5 大数据,我们要便捷还是隐私?

1.6 测试题2

数据挖掘基本概念

2.1 引言

2.2 基本术语

2.3 假设空间&归纳偏好

2.4 测试题

2.5 本章资料下载

数据分析编程基础

3.1 Python软件安装

3.2 Numpy基本操作之一

3.3 Numpy基本操作之二

3.4 pandas基本操作

3.5 测试题

3.6 本章资料下载

模型评估与选择

4.1 经验误差与过拟合

4.2 评估方法

4.3 性能评估

4.4 测试题

4.5 本章资源下载

回归分析

5.1 线性模型

5.2 线性回归模型代码实现

5.3 波士顿房价预测案例

5.4 逻辑回归

5.5 研究生入学录取预测案例

5.6 测试题

5.7 本章资源下载

朴素贝叶斯

6.1 朴素贝叶斯算法

6.2 朴素贝叶斯算例

6.3 鸢尾花分类代码实现

6.4 垃圾邮件文本分类案例(上)

6.5 垃圾邮件文本分类案例(下)

6.6 测试题

6.7 本章资源下载

决策树

7.1 ID3决策树

7.2 C4.5和CART决策树

7.3 随机森林

7.4 泰坦尼克号生还者预测—数据预处理

7.5 泰坦尼克号生还者预测—模型构建

7.6 泰坦尼克号生还者预测—可视化

7.7 测试题

7.8 本章资源下载

最近邻算法(KNN)

8.1 最近邻算法原理

8.2 如何快速找到最近邻居

8.3 KNN模型参数

8.4 KNN鸢尾花分类问题

8.5 测试题

8.6 本章资源下载

聚类分析

9.1 聚类分析概述

9.2 相似性度量

9.3 Kmeans

9.4 性能评价

9.5 Kmedoids

9.6 DBCAN理论与实现

9.7 层次聚类理论与实现

9.8 航空公司客户价值分析-数据预处理

9.9 航空公司客户价值分析-特征构建

9.10 航空公司客户价值分析-可视化

9.11 测试题

9.12 本章资源下载

神经网络

10.1 人工神经网络概述

10.2 BP神经网络

10.3 卷积神经网络

10.4 回归预测案例

10.5 手写识别案例-理论介绍

10.6 手写识别案例-代码实现

10.7 测试题

10.8 本章资源下载

支持向量机

11.1 SVM间隔与支持向量

11.2 SVM对偶问题

11.3 SVM核函数与软间隔

11.4 测试题

11.5 本章资源下载

学生优秀成果展示

12.1 基于数据挖掘的信访问题分拣与可视化分析—理论分析

12.2 基于数据挖掘的信访问题分拣与可视化分析-操作代码

12.3 基于机器学习的说话人识别系统—理论分析

12.4 基于机器学习的说话人识别系统—操作代码

12.5 在线心理健康社区文本主题分析

兴趣与扩展:身边的智能

13.1 AI真的来了吗?

13.2 AI会毁灭人类吗

13.3 AI伦理问题?

13.4 测试题

13.5 智能游戏

13.6 智能语音

13.7 智能手机

13.8 测试题1

13.9 测试题2

资源下载区

14.1 电子参考教材

14.2 课程PPT

14.3 课程案例数据与代码

14.4 习题集

14.5 软件安装工具

14.6 截图小软件