还剩3页未读,继续阅读
文本内容:
《公安大数据基础》教学大纲
一、课程信息课程名称公安大数据基础课程类别素质选修课/专业基础课课程性质选修/必修计划学时64计划学分4先修课程无选用教材《公安大数据基础》,邱明月、王新猛主编,2020年,电子工业出版社教材适用专业本课程适合作为公安类本科院校和高职高专院校大数据的相关课程,也可供相关技术人员参考课程负责人
二、课程简介该课程以公安实战案例为线索,介绍数据清洗、数据挖掘、数据可视化的方法和流程;避免罗列较多的数学公式,侧重介绍数据挖掘的核心思想和基本原理,以提高学生的数据可视化处理能力
三、课程教学要求注“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述“关联程度”栏中字母表示二者关联程度关联程度按高关联、中关联、低关联三档分别表示为“H或L”“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关U!
五、考核要求及成绩评定注此表中内容为该课程的全部考核方式及其相关信息
六、学生学习建议-学习方法建议.通过开展课堂讨论、实践活动,增强的团队交流能力,学会如何与他人合作、沟通、协调等等.通过思考,加深自己的兴趣,巩固知识点.进行练习和实践,提高自己的技能和应用能力,加深对知识的理解和记忆-学生课外阅读参考资料《公安大数据基础》,邱明月、王新猛主编,2020年,电子工业出版社教材
七、课程改革与建设该课程以公安大数据应用型教改实践为出发点,以公安实战案例化教学思想为导向教学内容模块化、教学目标实用化、教学案例标准化、教学流程图表化平时对学生的考核内容包括出勤情况、学生的课后作业、课堂讨论等方面,占期末总评的50%期末考试成绩占期末总评的50%序号专业毕业要求课程教学要求关联程度1工程知识将教学内容合理地划分为3个模块大数据理论模块(第1章),主要介绍大数据的概念、发展、应用和常用的数据挖掘工具,旨在使学生初步理解大数据;数据分析与挖掘模块(第2~9章),主要介绍SPSSModeler软件、数据清洗、时间序列分析、决策树、人工神经网络、Logistic回归分析、关联分析和聚类分析,充分结合公安大数据的特点,给出多个实战型、功能型案例;数据可视化模块(第10章),主要介绍数据可视化的基本概念和操作,给出6个典型、完整的公安工作中的数据可视化案例L2问题分析大数据备受各界重视,成为就业前景广阔的领域,大数据人才的短缺将严重制约大数据行业的发展与此同时,保障社会稳定的相关政府部门,对大数据人才的需求也非常旺盛在公安领域,相关技术紧跟社会发展的步伐不断更新迭代,因此,在大数据时代的公安工作中,不可避免地会使用大数据技术进行侦查和分析H3设计/开发解决方案着重体现了以“应用型”为目标的教学特点,集设计性、通俗性、实战性于一体,重点在于提高学生的公安大数H据应用能力,使学生轻松掌握所学的知识,达到事半功倍的效果4研究5使用现代工具6工程与社会学生能够意识到公安大数据应用的重要性,不仅要有良好的思想道德素质、科学文化素质、专业技能和健康的身体,而且要有良好的心理素质,勇于承担责任,能够承受失败与挫折等L7环境和可持续发展8职业规范9个人和团队.学会个人发展和团队合作,提高个人和团队的综合素质.学会与他人合作和沟通,建立良好的人际关系和团队合作氛围H10沟通.学会进行有效的沟通和表达,与客户、同事和上级保持良好的沟通和协作.学会进行跨文化沟通和合作,提高国际化视野和跨文化交流能力M11项目管理12终身学习.学会进行自我学习和自我提升,不断提高自身的专业水平和创新能力.学会进行终身学习和职业发展规划,不断拓展职业领域和发展空间H章节名称主要内容重难点关键词学时类型1大数据理论大数据的概念大数据的发展大数据的应用常用的数据挖掘工具了解大数据的概念;掌握发展、应用和常用的数据挖掘工具等4理论+实操2SPSSModeler软件SPSSModeler软件概述SPSSModeler数据的读入SPSSModeler数据的了解SPSSModeler软件概述;掌握数据的读入方法、数据的基本分析等8理论+实操基本分析3数据清洗数据清洗概述Excel数据清洗的基木操作Excel数据加工的基本操作Excel数据透视表了解并掌握数据清洗的概念;掌握Excel数据清洗的基本操作、加工的基本操作;掌握透视表4理论+实操4时间序列分析时间序列移动平均法指数平滑法了解时间序列的概念;掌握AVERAGE函数、移动平均法、指数平滑法等4理论+实操5分类预测决策树决策树概述SPSSModeler中的C
5.0算法及应用SPSSModeler中的CRT算法及应用SPSSModeler中的CHAID算法及应用SPSSModeler中的QUEST算法及应用决策树算法的评估和注意事项了解决策树概述;掌握SPSSModeler中的C
5.0算法及应用、CRT算法及应用、CHAID算法及应用、QUEST算法及应用;掌握决策树算法的评估和注意事项等8理论+实操6分类预测人工神经网络人工神经网络概述SPSSModeler中的B-P反向传播网络SPSSModeler中的径向基函数网络人工神经网络的应用了解并掌握人工神经网络的概念;掌握SPSSModeler中的B-P反向传播网络、径向基函数网络、人工神经网络的应用等6理论+实操7分类预测Logistic回归分析二项Logistic回归方程二项Logistic回归分析的应用多项Logistic回归分析的应用了解并掌握二项Logistic回归方程以及应用、多项Logistic回归分析的应用等3理论+实操8关联分析简单关联规则分析Apriori算法Apriori算法的应用序列关联规则分析Sequence算法Sequence算法的应用了解简单关联规则分析;掌握Apriori算法及应用、序列关联规则分析、Sequence算法及应用等6理论+实操9聚类分析聚类分析概述K-Means聚类算法及应用两步聚类算法及应用Kohonen网络聚类算法及应用基于聚类分析的离群值探索及应用了解聚类分析的概念;掌握K-Means聚类算法及应用、两步聚类算法及应用;掌握Kohonen网络聚类算法及应用;掌握基于聚类分析的离群值探索及应用7理论+实操10数据可视化数据可视化入门基本功能话单关系分析人员物品动态关系银行账户交易分析话单ABC分析盗窃案旅业分析人员活动轨迹了解并掌握数据可视化的基本概念和操作;掌握数据可视化处理能力14理论+实操序号成绩类别考核方式考核要求权重%备注1期末成绩期末考试考试50百分制,60分为及格2平时成绩课后作业10次40优、良、中、及格、不及格3平时表现出勤情况10两次未参加课程则无法获得学分制订人签字教研室主任签字院部负责人签字修订时IHJ:年月II。