《工程数据分析》-课程教学大纲

工程数据分析课程教学大纲英文： Engineering Data Analysis一、课程基本信息课程代码：112773课程名称： 工程数据分析英文名称： Engineering Data Analysis课程类别： 专业基础课学 时： 48学分： 3适用对象: 计算机科学与技术本科考核方式： 考试先修课程： 程序设计、高等数学等二、课程简介中文简介数据是信息的重要载体，在当今信息化社会中扮演着重要角色。工程数据分析研究利用数学和计算科学的基础理论和方法，运用现代电子计算机作为工具，对工程数据进行统计分析、从中获取有用的信息，以求解工程问题的理论和方法，是计算机科学与技术专业一门重要的专业基础课程。英文简介 The data is an important carrier of information, which plays an important role in today's information society. This course focus on the theories and methods which are used to analysis engineering data in order to capture the useful information. It lies on the intersection of mathematics and computer science, including statistical analysis, numerical methods, computer application and so on. It is an important professional basic course of undergraduate for the majors of computer science and technology, information and computation science as well as statistics.三、课程性质与教学目的通过本课程的学习，使学生对数据分析方法的基本理论有系统的了解，掌握常用数据分析方法的基本原理，熟练掌握利用专业软件进行数据分析的过程，培养学生应用计算机来分析问题和解决问题的能力，为后续课程的学习以及解决工程实际问题打下良好的基础。通过对一些能反映我国社会健康发展的数据的分析，增强学生对制度自信、道路自信的理解。四、教学内容及要求 第一章 MATLAB基础（一） 目的与要求了解MATLAB的基本操作、熟悉矩阵运算、会编写简单程序。（二） 教学内容第1节 MATLAB与数据分析第2节 MATLAB基本界面操作第3节 矩阵运算第4节 MATLAB编程 （三） 教学方法与手段 讲授，演示和实验第二章 数据预处理（一） 目的与要求了解数据预处理的基本问题和常用方法的原理，熟悉进行数据归一化、数据平滑、数据降维等预处理的MATLAB函数的使用方法（二） 教学内容第1节 数据预处理的基本问题第2节 数据归一化方法第3节 数据降维 （三） 教学方法与手段讲授，演示和实验第三章 数据描述性分析（一） 目的与要求了解数据分析的基本问题，熟悉利用MATLAB计算基本统计量与数据可视化的方法，掌握jbtest与lillietest关于数据的正态性检验，掌握协方差矩阵相等的检验方法，理解数据变换的意义与方法（二） 教学内容第1节 数据的描述性分析与基本统计量第2节 数据分布及其检验第3节 能反映我国社会健康发展的数据实例分析 （三） 教学方法与手段讲授，演示和实验第四章 回归分析与插值法(一) 目的与要求理解回归分析、数据拟合和插值法的基本问题，掌握建立回归模型的基本方法，掌握数据拟合和插值法的基本原理，熟练掌握与回归分析、数据拟合和插值法相关的MATLAB函数，会利用MATLAB进行基本的数据分析。(二) 教学内容第1节 一元线性回归模型第2节 多元线性回归模型第3节 插值法第4节 能反映我国社会健康发展的数据实例分析（三）教学方法与手段讲授，演示和实验第五章 判决分析（一） 目的与要求理解判别分析的基本问题，掌握距离判决和Bayes判决的基本原理，熟练掌握距离判决和Bayes判决的MATLAB函数，熟练掌握对实际数据进行判决分析的基本过程和方法。 （二） 教学内容第1节 距离判别分析第2节 K近邻判决与最小距离判决第3节 Bayes判决分析（三） 教学方法与手段讲授，演示第六章 人工神经网络（一） 目的与要求掌握人工神经元模型、感知器模型的工作原理，熟悉反向传播算法的原理和计算过程，熟练掌握神经网络训练和预测的MATLAB函数的使用，掌握用神经网络进行数据分析的基本过程。（二） 教学内容第1节 神经网络概述第2节 人工神经元模型第3节 感知器模型第4节 反向传播算法第5节 能反映我国社会健康发展的数据实例分析（三） 教学方法与手段 讲授、课堂演示和实验第七章 聚类分析(一) 目的与要求理解聚类的思想与原理，掌握谱系聚类、K均值聚类、模糊C均值聚类和模糊减法聚类的算法原理，熟练掌握掌握与谱系聚类、K均值聚类、模糊C均值聚类和模糊减法聚类的相关的MATLAB函数，掌握运用这些聚类方法进行数据分析的基本过程。(二) 教学内容第1节 聚类分析的基本问题第2节 谱系聚类第3节 K均值聚类第4节 模糊C均值聚类及其改进第5节 模糊减法聚类第6节 能反映我国社会健康发展的数据实例分析(三) 教学方法与手段课堂讲授、演示和实验五、各教学环节学时分配教学环节教学时数课程内容讲课习题课讨论课实验其他教学环节小计第一章 MATLAB基础224第二章 数据预处理426第三章 数据描述性分析4226第四章 回归分析4226第五章 判别分析448第六章 人工神经网络426第七章 聚类分析4226合计26241648六、推荐教材和教学参考资源（1）推荐教材： 吴礼斌，李柏年， MATLAB数据分析方法（第2版），机械工业出版社，2017.2.（2）经典书目：（3）参 考 书：1. 梅长林 范金城编, 数据分析方法, 高等教育出版社（第二版），2006. 2.2. 王岩 隋思涟编著, 数理统计与Matlab数据分析 ,清华大学出版社 七、其他说明 课后实验学时： 平时成绩所占比例 ：30%期末成绩所占比例 70% 5