【教学模式】

课程主要采用课堂讲授与课程实验的混合教学模式. 课堂主要讲授数据分析的基本工具、基本原理和基本方法, 旨在帮助学生构建数据分析的基本思维, 掌握数据分析的基本流程. 课程实验主要通过数据分析实验训练学生实际动手能力, 旨在帮助学生掌握R语言, 并能够处理数据, 实现数据的可视化和统计建模.

【课程内容】

课程内容主要包括三个部分: R语言基础、数据分析基础，及统计方法与数据挖掘算法, 共15章内容. R语言基础主要讲授R语言的运行环境、R语言的语法、数据处理和数据可视化; 数据分析基础则主要讲授统计的基本概念、区间估计和假设检验; 统计方法与数据挖掘算法主要讲授相关性数据分析的方法（如: 列联表分析、方差分析、线性回归和Logistic回归）、分类算法（如: 分类的基本概念、决策树算法、KNN 算法、朴素贝叶斯算法和人工神经网络）、聚类算法（如: K-means聚类算法和层次聚类算法等）和Aprior 关联规则. 除通过课堂讲授相关模型和方法的基本原理外, 还通过课程实验加深学生对这些内容的理解, 并应用处理数据、分析数据.

1. 掌握数据分析的基本流程, 包括从数据处理, 数据分析到分析结果整理的过程.

2. 掌握数据分析的基本原理, 包括描述统计分析, 差异性和相关性分析, 以及基本数据建模方法.

3. 掌握数据分析的基本工具, 能够正确使用R软件和R包整理、分析数据.

《概率论与数理统计》

[1] 统计学——基于R(第4版), 贾俊平 著, 中国人民大学出版社, 2021.

[2] R语言核心技术手册(第2版), 刘思喆, 李舰, 陈钢, 邓一硕 译, 电子工业出版社, 2014.

[3] 数据挖掘与R语言(原书第2版), [葡] 路易斯·托尔戈 著, 李洪成 译, 机械工业出版社, 2018.