课程名称 |
数据智能分析与处理实验 |
Experiments of Data Intelligent Analysis and Processing |
开课单位 |
计算机科学与技术 |
课程性质 |
必修课 |
课程类别 |
实践环节 |
课程代码 |
210731103601 |
学分 |
1 |
学时 |
22 |
适用专业 |
物联网工程 |
先修课程 |
高等数学、线性代数、概率论、程序设计基础等 |
支撑课程 |
数据智能分析与处理 |
授课语言 |
中文 |
一、课程简介
(一)课程中文简介
《数据智能分析与处理实验》是物联网工程专业基础课程《数据智能分析与处理》的配套实验课程。本课程通过上机实验,要求学生能够运用数据分析与处理的常用工具,包括python数据分析常用包Numpy、Pandas等的使用;了解并掌握数据分析与处理的一般流程,特别是数据前期处理、数据特征工程等环节;认识并理解智能数据分析与处理的典型例子,并在实验过程中领会并理解数据智能分析与处理的核心思想---“学习”,对比分析现有“学习”方法的优缺点,能够运用常见的“学习”方法来设计、编写数据智能分析和处理模块。通过本实验使学生进一步掌握物联网数据处理的主要方法,增强搭建物联网数据处理方案的设计能力和分析能力,为后续进一步设计典型的物联网系统解决方案奠定基础。
(二)课程英文简介
The Experiments of Data Intelligent Analysis and Processing is the corresponding one for theData Intelligent Analysis and Processing course, which is a fundamental major course for the IoT major. Through the experiments the students will master the using of the data analysis and processing tools, the common basicprocedure of the data analysis and processing, and some typical applications of smart data analysis and processing. The key of smart data analysis and processing, learning, will be the kernel concept focused in these experiments. Through these practice in the experiments thestudents will be hoped to be capable of designing, building and implementing the data analysis and process plans. This course will be helpful for the further studying of designing the IoT plans》
二、实验课程目标
本课程的目标包括:
CO1:领会、理解数据处理的基本流程,会使用数据处理的重要工具,在相应的数据处理品平台上实现数据处理的环境搭建和基本操作。
CO2:通过实验进一步领会、理解数据处理的重要算法和模型基本原理,能根据数据处理算法和模型设计的一般步骤来编写、实现重要的数据处理算法和模型代码。
CO3:能综合运用习得的数据处理知识、数据处理应用编程技术和其他计算机专业知识对典型的数据处理领域应用问题进行分析、设计,完成实验验证和分析。
课程目标与所支撑的毕业要求指标点的对应关系如表所示。
适用专业 |
毕业要求内涵观测点 |
课程目标 |
物联网工程 |
GR5.3针对实际应用中所使用技术、资源的局限性,探讨解决方法,或进行创新性研发(M)。 |
CO1 |
GR3.5综合利用物联网应用领域专业知识和新技术,在针对复杂工程问题的设计及开发中体现创新意识。(M) |
CO2 |
GR4.5能够结合专业理论与工程实践,对实验进行归纳总结,并通过信息综合形成合理有效的结论。(H) |
CO3 |
三、实验内容与要求
(一)实验设计(实验类型及内容)
实验课程目标 |
实验模块(可选) |
对应实验 |
CO1 |
数据分析与处理基本工具 |
实验1/2/3 |
CO2 |
数据分析与处理基本流程 |
实验4/5 |
CO3 |
数据智能分析与处理基本流程 |
实验6/7/8 |
(二)实验内容及要求
编号 |
实验项目 |
学时数 |
实验内容 |
实验类型 |
实验要求 |
1 |
python基础 |
2 |
熟悉python重要语法 |
验证性 |
必做 |
2 |
Numpy基础 |
2 |
掌握Numpy的使用方法 |
验证性 |
必做 |
3 |
Pandas等 |
2 |
掌握pandas的使用方法 |
验证性 |
必做 |
4 |
数据分析与处理流程 |
2 |
熟悉数据分析与处理流程 |
验证性 |
必做 |
5 |
典型的数据分析与处理案例 |
4 |
熟悉并能够应用数据分析与处理的流程,进行典型数据分析程序设计 |
设计研究 |
必做 |
6 |
Rosenblatt感知器 |
2 |
熟悉基本感知器的工作原理 |
验证性 |
必做 |
7 |
多层感知器 |
4 |
属性并应用多层感知器工作原理,使用感知器设计典型的数据处理方案 |
设计研究 |
必做 |
8 |
基于深度学习的图像分类/识别项目 |
4 |
领会并理解深度学习的基本流程和方法,综合运用深度学习知识实现典型的图像分类和识别案例 |
综合设计 |
必做 |
四、实验设备与环境配置
1. 计算机:Intel Core2 Duo E4300 1.8GHZ、内存8g、显卡1G显存,硬盘15GB以上。
2. 编译器:支持ISO C++ 98标准特性,如GCC、VC++7以上,以及python3.6以上。
3. 开发环境:vscode、pycharm、anaconda等。
五、课程思政、创新创业元素
教学章节 |
知识点 |
思政元素案例 |
培养目标 |
备注 |
1 |
python基础 |
Python语言的发展 |
与时俱进、百折不挠、坚持真理的科研精神。 |
|
4 |
数据分析与处理流程 |
数据分析与处理中的要素 |
培养学生要热爱本职工作,用恭敬严肃的态度对待自己的工作 |
|
5 |
典型的数据分析与处理案例 |
典型数据分析与处理系统的要素 |
当代大学生应胸怀祖国,放眼世界,勇做时代精神的弘扬者和改革创新的实践者。 |
创新创业案例 |
7 |
多层感知器 |
感知器的发展 |
与时俱进、坚持真理的科研精神。 |
|
8 |
基于深度学习的图像分类/识别项目 |
深度学习的发展历史 |
百折不挠、追求真理的科研精神。 |
|
六、学时分配表
序号 |
章节 |
内容 |
学时分配 |
合计 |
课堂授课 |
实验学时 |
上机学时 |
实践学时 |
在线学习 |
习题课 |
研讨课 |
其他 |
1 |
1 |
python基础 |
|
2 |
|
|
|
|
|
|
2 |
2 |
2 |
Numpy基础 |
|
2 |
|
|
|
|
|
|
2 |
3 |
3 |
Pandas等 |
|
2 |
|
|
|
|
|
|
2 |
4 |
4 |
数据分析与处理流程 |
|
2 |
|
|
|
|
|
|
2 |
5 |
5 |
典型的数据分析与处理案例 |
|
4 |
|
|
|
|
|
|
4 |
6 |
6 |
Rosenblatt感知器 |
|
2 |
|
|
|
|
|
|
2 |
7 |
7 |
多层感知器 |
|
4 |
|
|
|
|
|
|
4 |
8 |
8 |
基于深度学习的图像分类/识别项目 |
|
4 |
|
|
|
|
|
|
4 |
合计 |
|
22 |
|
|
|
|
|
|
22 |
七、主要参考资料
[1]Simon Haykin.神经网络与机器学习(第三版)[M].北京:机械工业出版社,2011.
[2]Michale Milton.深入浅出数据分析[M]。北京,电子工业出版社,2012
[3]Wes Mckinney. 利用Python进行数据分析[M]。北京,机械工业出版社,2018.
[4]Ian Goodfellow等.深度学习[M]。北京,人民邮电出版社,2017.
[5]Francois Cholle等。Python深度学习。北京,人民邮电出版社,2018.
[6]Aurelien Geron等。机器学习实战[M].北京:机械工业出版社,2018.
八、考核方式、方法及实验成绩评定方法
考核成绩可以采用五级制或百分制。课程成绩考核主要由平时成绩组成,可以进行期末考核。平时考核包括出勤、展示、各次实验考核等形式。。
(一)评分标准
考核 环节 |
<60 (不及格) |
60-69 (及格) |
70-79 (中等) |
80-89 (良好) |
90-100 (优秀) |
平时 |
不能够完成课内实验内容,程序调试及运行结果基本不正确,不能按时提交实验报告。 |
能够完成课内实验内容,程序调试及运行结果基本正确,按时提交实验报告。 |
能够完成课内实验内容,程序调试及运行结果正确,按时提交实验报告。 |
能够较好完成课内实验内容,程序调试及运行结果正确,方法较好。按时提交实验报告。 |
能够出色完成课内实验内容,程序调试及运行结果稳定,按时提交实验报告。 |
期末考核(报告) |
实验报告组织结构不合理性,内容不规范或不完整性,逻辑性。语言表述能力差,实验结果错误或没有。 |
实验报告组织结构合理性尚可,内容规范完整性尚可,逻辑性尚可。语言表述能力尚可,实验结果分析较少。 |
实验报告组织结构基本合理,内容基本规范完整,基本符合逻辑性。语言表述能力一般,实验结果分析一般。 |
实验报告组织结构较合理,内容比较规范完整,符合逻辑性。语言表述能力较好,实验结果较好。 |
实验报告组织结构合理,内容规范完整性,符合逻辑性。语言表述能力出色,实验结果分析准确,并有独到见解。 |
(二)实验项目(或考核环节)权重
实验项目(或考核环节) |
目标1 |
目标2 |
目标3 |
数据分析与处理基本工具(实验1/2/3) |
100% |
|
|
数据分析与处理基本流程(实验4、实验5) |
|
100% |
|
数据智能分析与处理基本流程(实验6/7/8) |
|
|
100% |
|
100% |
100% |
100% |
撰稿人:房胜
审核人:李哲
批准人:罗汉江