课程简介
《数据科学基础（MATLAB）》课程是一门以Matlab工具为手段，以数据分析挖掘数据价值为目标的入门课程。课程以数据分析流程为主线，通过对数据科学中数学基础、数据的探索性分析、数据的可视化以及包含分类、聚类、回归等机器学习方法的学习，带领同学们开启数据分析与应用的大门！
数据不仅限于计算机科学和电子学领域，各个领域的应用在某种程度上使用并产生了数据。在当今数字经济时代，数据就是生产力，数据分析对企业和整个社会的作用越发重要。数据人才也成为了社会急需的紧缺人才。数据科学通过对数据源进行系统地研究和分析，理解数据的含义，并运用数据作为工具实现有效的决策制定和问题求解。课程涵盖的知识模块包括数据科学概述、数据科学中的数学基础、Matlab基础程序、数据可视化、数据分析专题五大模块。通过课程学习，掌握数据分析的基本流程与基本方法。
课程内容以模块化案例教学开展，课程内容结合理工类专业学科特点，以Matlab软件为工具，从数据、任务、领域三个维度构建案例，在讲解案例或实践案例中，引入多种类型的数据，针对分类、聚类、关联规则、数据异常检测和可视化等五大分析任务分别展开，各有侧重有相互融合。
课程大纲
数据科学概论
1.1 信息文明与数据简史
1.2 应用案例与价值
1.3 数据驱动的问题求解过程
数据科学中的数学基础
2.1 主要数学对象编辑教学内容
2.2 数学对象的基本运算
2.3 数学对象的属性
2.4 函数特性与推广
2.5 概率与统计
Matlab程序设计基础
3.1 Matlab脚本文件
3.2 程序控制结构之顺序结构
3.3 程序控制结构之选择结构
3.4 程序控制结构之循环结构
3.5 Matlab中的函数
3.6 向量化编程
Matlab数据可视化
4.1 数据可视化概论
4.2 Matlab绘图模型
4.3 二维空间中的数据可视化
4.4 三维空间中的数据可视化
4.5 三维绘图中的视角、光照
4.6 动画
数据探索性分析
5.1 数据分析的流程
5.2 探索性分析
5.3 探索性分析案例
数据分类
6.1 分类问题概述编辑教学内容
6.2 KNN分类
6.3 分类器的比较和评估
6.4 支持向量机分类
6.5 分类工具箱
数据回归
7.1 相关与回归概述
7.2 一元线性回归
7.3 多元线性回归与多项式回归
7.4 非线性回归与模型选择
7.5 回归工具箱
数据聚类
8.1聚类概述
8.2谱系聚类
8.3K-Means聚类
8.4聚类的有效性
关联规则分析
9.1关联规则概述
9.2关联规则算法-Apriori
9.3关联规则应用案例-新闻推荐