公安大数据基础——教学大纲、授课计划.docx

《公安大数据基础——教学大纲、授课计划.docx》由会员分享，可在线阅读，更多相关《公安大数据基础——教学大纲、授课计划.docx（8页珍藏版）》请在第一文库网上搜索。

1、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，2023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

2、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29章），主要介绍SPSSModeIer软件、数据清洗、时间序列分析、决策树、人工神经网络、1ogiStiC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。12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

3、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。17环境和可持续发展8职业规范9个人和团队1 .学会个人发展和团队合作，提高个人和团队的综合

4、素质。2 .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1 .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。2 .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1 .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。2 .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”“V”或1”。“课程教学要求”及“关联程度”中

5、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。四、课程教学内容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2SPSSMode1er软件SPSSMode1er软件概述SPSSMode1er数据的读入SPSSMode1er数据的了解SPSSMode1er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Exce1数据清洗的基本操作Exce1数据加工的基本操作Exce1数据透视表了解并掌握数据清洗的概念；掌握EXCe1数据清洗的基

6、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SPSSMode1er中的C5.0算法及应用SPSSMode1er中的C&RT算法及应用SPSSMode1er中的CHATD算法及应用SPSSMode1er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SPSSMOdeIer中的C5.0算法及应用、C&RT算法及应用、CHAn）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

7、经网络人工神经网络概述SPSSMode1er中的B-P反向传播网络SPSSMode1er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SPSSMode1er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：1ogistic回归分析二项1OgiStiC回归方程二项1ogiStiC回归分析的应用多项1OgiStiC回归分析的应用解并掌握二项1ogistic回归方程以及应用、多项1ogistic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Sequenc

8、e算法的应用r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r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r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

9、理论+实操五、考核要求及成绩评定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1 .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。2 .通过思考，加深自己的兴趣，巩固知识点。3 .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。(二)学生课外阅读叁考资料公安大数据基础，邱明月、王新猛主编，2023年，电子工业出版社

10、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%。制订人签字：教研室主任签字：院部负责人签字：修订时间：年nS教学日历（20xx20xx学年第X学期）开课学院开课专业讲授学时32课程名称公安大数据基础授课教师实践/实验学时32授课年级授课班级总学时64使用教材公安大数据基础参考书目公安大数据基础校历周次授课内容分章节题目第1周第1章大数据理论（4学时）1.1 大数据的

11、概念（1学时）1.2 大数据的发展（1学时）1.3 大数据的应用（1学时）1.4 常用的数据挖掘工具（1学时）第2周第2章SPSSMode1er软件（4学时）2.1SPSSMode1er软件概述（2学时）2.2SPSSMode1er数据的读入（2学时）第3周第2章SPSSMode1er软件（4学时）2.3SPSSModeIer数据的基本分析（4学时）第4周第3章数据清洗（4学时）3.1数据清洗概述（1学时）3.2Exce1数据清洗的基本操作（1学时）3.3Exce1数据加工的基本操作（1学时）3.4Exce1数据透视表（1学时）第5周第4章时间序列分析（4学时）1.1 1时间序列（1学时）1.

12、2 移动平均法（1学时）1.3 指数平滑法（2学时）第6周第5章分类预测：决策树（4学时）5.1决策树概述（1学时）5.2SPSSMode1er中的C5.0算法及应用（2学时）5.3SPSSMode1er中的C&RT算法及应用（1学时）第7周第5章分类预测：决策树（4学时）5.4SPSSMode1er中的CHAID算法及应用（1学时）5.5SPSSMode1er中的QUEST算法及应用（1学时）5.6决策树算法的评估和注意事项（2学时）第8周第6章分类预测：人工神经网络（4学时）6.1人工神经网络概述（1学时）6.2SPSSMode1er中的B-P反向传播网络（2学时）6.3SPSSMode1

13、er中的径向基函数网络（1学时）第9周第6章分类预测：人工神经网络（2学时）6.4 人工神经网络的应用（2学时）第7章分类预测：1OgiStiC回归分析（2学时）7.1 二项1ogistic回归方程（1学时）7.2 二项1OgiStiC回归分析的应用（1学时）第10周第7章分类预测：1ogiStiC回归分析（1学时）7.3多项1OgiStiC回归分析的应用（1学时）第8章关联分析（3学时）8.1 简单关联规则分析（1学时）8.2 APriOri算法（1学时）8.3 APriOri算法的应用（1学时）第11周第8章关联分析（3学时）8.4序列关联规则分析（1学时）8.5Sequence算法（1学

14、时）8.6SeqUenCe算法的应用（1学时）第9章聚类分析（1学时）9.1聚类分析概述（1学时）第12周第9章聚类分析（4学时）9. 2K-Means聚类算法及应用（2学时）9.3两步聚类算法及应用（1学时）9.4Kohonen网络聚类算法及应用（1学时）第13周第9章聚类分析（2学时）9.5基于聚类分析的离群值探索及应用（2学时）第10章数据可视化（2学时）10.1 数据可视化入门（1学时）10.2 基本功能（1学时）第14周第10章数据可视化（4学时）10.3.1话单关系分析（2学时）10.3.2人员物品动态关系（2学时）第15周第10章数据可视化（4学时）10.3.3银行账户交易分析（2学时）10.3.4话单ABC分析（2学时）第16周第10章数据可视化（4学时）10.3.5盗窃案旅业分析（2学时）10.3.6人员活动轨迹（2学时）