创新创业+新工科教学质量研究——零基础学会Python人工智能

本书是为了尝试解决3个实际问题：一是以“Python人工智能与大数据经典算法”为代表的课程，学生学习和教师备课的难度大、效率低，涉及的知识技能在书籍、网络上查找困难，大量资料呈现出描述含糊不清、缺步跳步、甚至描述错误等问题。以GBDT，XGBoost，CNN为代表的算法，在互联网和书籍上几乎找不到逻辑清晰、简单明了的教程。上述因素小到影响师生教与学，大到制约国家人工智能技术的发展。二是教学质量和人才培养质量明显降低的问题。学生独立解决问题、开拓创新、实践等综合能力差，课堂学习效率低，学生上课对所学知识不感兴趣、上课睡觉、听不懂、不爱学等问题比比皆是，培养出来的学生无法满足社会的用人要求。三是教师教学精力匮乏，导致教学质量低下，学生厌学、听不懂、学不会等问题。以评职称为代表的机制与负担消耗了教师大量精力，导致教师没有时间把主要精力投放到教学与教学管理研究中，没有时间从海量的网络、书籍等资料中抽取知识和技能的精华，导致不能实现精心备课，没有时间对学生平时上课的收益、效果等评价指标进行精细化监控。

本书的特色与创新点在于：提出“三实三严”教学管理理论（三个实时 三个严格）并实现理论落地，以“Python人工智能与大数据经典算法”知识体系为例，尝试解决上述3个问题，实现如下3个目标：①提出“实时实践，严控标准质量”的教育理念，开发“实境编程（笔记）”教学系统，采用“实践案例贯穿知识体系”的方法进行课程设计，用实践驱动教学，频繁使用启发式教学方式，强化培养学生独立解决问题、开拓创新、实践等综合能力。②提出“实时互动，严控过程质量”的教育理念，开发“跟随编程（笔记）”教学系统，采用“老师写一句，学生跟着写一句，手把手教”的方式教学，实现“100%的学生在100%的上课时间聚集100%的精力学会教师教授的100%的知识技能”。③提出“实时PDCA，严控结果质量”，开发“实时评测”教学系统，采用每10秒钟检查统计一次学生笔记、小测验结果的方式，实现高频率PDCA（计划—实施—检查—改进）持续改进。

本书的设计思路与结构安排如下：第1章是“三实三严”教学管理理论研究，从传统教育理论、现代教育技术和专业质量管理3个角度展开研究。从第2章开始以“Python人工智能与大数据经典算法”知识体系中的各经典算法为单元，对“三实三严”教学管理理论进行落地研究：①采用案例贯穿知识体系的方式，为实现“实时实践”教学实施做好准备；②给出具体的“简明案例”，为实现“实时互动”教学实施做好准备；③通过列写任务驱动、教学重点、技能列表与课后练习方式，为实现“实时PDCA” 教学实施做好准备。

本书撰写过程离不开编审校团队的辛勤付出，编审校团队承担了大量的编程调试、算法精简描述、文字试读反馈与审核校对修改工作，终促成了本书的诞生，特别感谢编审校团队的成员。

全书编审校：郭迎筱、张宇豪、李天悦、陈迎港、陶欣雨、赵梦璇、吴凯钰、李妙钰、左芳玲、夏子阳、李家鑫、徐欣祺、袁丁逸含。

章节编审校：李天悦（教育理论与实践研究）、韩驰（Python编程基础）、杨振宁（Python编程基础）、马雪扬（数据结构与数据操作）、孙昊琳（数据结构与数据操作）、李尚昱（数据结构与数据操作）、王依凡（缺失值填充）、葛潭（缺失值填充）、宋佳怡（一元线性回归）、刘梦宇（多项式回归）、张哲宇（逻辑回归）、董歆雨（逻辑回归）、胡瑞芳（KNN）、胡文棋（KNN）、钱渤洋（贝叶斯）、易慧媛（决策树）、陈祺（决策树）、汤剑成（支持向量机）、阮可（支持向量机）、刘博涵（随机森林）、瞿楚楚（随机森林）、秦博文（AdaBoost）、王雪巧（GBDT）、陈亮直（GBDT）、郭迎筱（XGBoost）、宋琳（PCA）、李冠辰（PCA）、肖辉（SVD）、吴兰（SVD）、刘翰宸（LDA）、王雯（LDA）、王诗语（K-Means）、曹洪涛（DBSCAN）、李新杰（分层聚类）、黄悦轩（分层聚类）、王冕（基于项目的协同过滤）、苍婉昭（基于项目的协同过滤）、陈思彤（基于用户的协同过滤）、邱孟琦（基于用户的协同过滤）、叶江涵（ARIMA）、高子轩（ARIMA）、陶欣雨（神经网络）、马溢韩（xPath）、佟雨尧（Beautiful Soup）、赵梦璇（Tkinter）。

本书在中国大学慕课网站上配备了配套视频课程，补充了程序设计基础（Python，C，Java语言）、统计与人工智能原理与实践（Python实现假设检验、单因素与双因素方差分析、岭回归、Lasso回归、softmax、数据库操作、TensorFlow等本书尚未涉及的知识领域）、Python高级项目管理师（PMP）等内容。

本书为首都经济贸易大学“创新创业教育”“互联网 新工科教育”“课程思政”系列教学研究成果，由首都经济贸易大学教务处资助出版。

感谢北京市教育委员会教学改革创新项目（No202，2019）、北京市教育委员会优质本科教材课件项目（2020）与首都经济贸易大学党委宣传部党建和思想政治工作重点课题“‘新工科 课程思政’高质量教学模式创新研究”（2019）对本研究的支持。

本书的配套网络教学资源的统一入口为：http://liujingwei.cn，网站的二维码为：

本书的主要内容包括两个部分：（1）提出“三实三严”教学管理理论（三个实时 三个严格）并实证落地，以《Python人工智能与大数据经典算法》知识体系为例，尝试解决当前创新创业、新工科与网络教学中存在的凸显问题。（2） 零基础Python编程基础、人工智能与大数据经典算法：分类（SVM、决策树等）、聚类（K近邻等）、回归（多元拟合）、降维（主成分分析等）、集成算法（随机森林、GBDT、XGBoost等）、推荐算法（基于项目、基于用户、基于内容）、神经网络（MPL、BP）、深度学习（CNN、RNN）、爬虫（Xpath）、Tensor flow、数据库应用等。本书具有以下特色：零基础Python入门、零基础就能听懂人工智能大数据经典算法，精心打造*简单的课程设计，每个知识点讲解都有案例贯穿，与中国大学慕课网站联动构成线上线下混合教学。

刘经纬（联系方式：liujingwei@cueb.edu.cn），副教授，硕士研究生导师，工学博士，信息系统项目管理师（高级），PMP（国际项目管理专家认证），现任首都经济贸易大学管理工程学院大数据系党支部书记。
    曾获得北京市教学改革创新项目奖，北京市优质本科教材课件奖，首都经济贸易大学青年教师教学基本功大赛一等奖、受学生欢迎奖、教育教学成果一等奖、优秀课堂奖、优秀教师党员、优秀教师、优秀班主任、后备学科带头人等奖励与称号。指导学生多次参加省部级以上创业与创新科技竞赛，获奖项20余项，指导学生获得北京市优秀毕业设计（论文）。
    获国家发明、实用新型专利20余项，发表学术论文（SCI一区、CSCD核心期刊等）、软件著作权20余项（篇），出版学术专著2部、教材2部，主持和参与省部级以上科研项目多项。
    先后担任政府机关及直属企事业单位信息化项目负责人（CTO），*全国高校教师网络培训中心授课教师，中国人民大学、对外经济贸易大学等多所985、211高校授课教师，公安部首都机场公安局信息化技术专家，商务部机关、外贸发展事务局、机电商会等直属机构信息化技术专家，北京市政府及各委办局信息化建设评审专家等。

陈佳明（联系方式：billchenbeijing@hotmail.com），工学博士研究生，高级云计算应用工程师。主要研究方向为模式识别与人工智能系统，类脑智能与脑机接口。
    曾获中法 Scilab 计算机应用大赛全国二等奖，蓝桥杯 C 组北京市一等奖。以作者身份发表学术论文3篇,曾主持北京市门头沟区环保局OBD车辆数据分析系统开发项目。
    先后担任慧科集团大数据学院Python人工智能讲师、微软人工智能训练营讲师，首都经济贸易大学Python基础与人工智能经典算法课程讲师，首都师范大学附属中学C 算法竞赛社团讲师和北京市第十五中学Python人工智能和C 讲师。

Contents

部分Python编程基础 

2Python的分支、循环与函数 

2   1本章工作任务 

2   2本章技能目标 

2   3本章简介 

2   4理论讲解部分 

2   5本章总结 

2   6本章作业 

第二部分数据结构与数据预处理 

3数据结构、操作与可视化 

3   1本章工作任务 

3   2本章技能目标 

3   3本章简介 

3   4本章总结 

3   5本章作业 

4缺失值填充 

4   1本章工作任务 

4   2本章技能目标 

4   3本章简介 

4   4理论讲解部分 

4   5本章总结 

4   6本章作业 

第三部分回归算法 

5线性回归 

5   1本章工作任务 

5   2本章技能目标 

5   3本章简介 

5   4理论讲解部分 

5   5本章总结 

5   6本章作业 

6多元线性回归 

6   1本章工作任务 

6   2本章技能目标 

6   3本章简介 

6   4理论讲解部分 

6   5本章总结 

6   6本章作业 

第四部分分类算法 

7K近邻算法 

7   1本章工作任务 

7   2本章技能目标 

7   3本章简介 

7   4理论讲解部分 

7   5本章总结 

7   6本章作业 

8逻辑回归 

8   1本章工作任务 

8   2本章技能目标 

8   3本章简介 

8   4理论讲解部分 

8   5本章总结 

8   6本章作业 

9贝叶斯算法 

9   1本章工作任务 

9   2本章技能目标 

9   3本章简介 

9   4理论讲解部分 

9   5本章总结 

9   6本章作业 

10决策树 

10   1本章工作任务 

10   2本章技能目标 

10   3本章简介 

10   4理论讲解部分 

10   5本章总结 

10   6本章作业 

11支持向量机 

11   1本章工作任务 

11   2本章技能目标 

11   3本章简介 

11   4理论讲解部分 

11   5本章总结 

11   6本章作业 

第五部分集成算法 

12随机森林 

12   1本章工作任务 

12   2本章技能目标 

12   3本章简介 

12   4理论讲解部分 

12   5本章总结 

12   6本章作业 

13AdaBoost算法 

13   1本章工作任务 

13   2本章技能目标 

13   3本章简介 

13   4理论讲解部分 

13   5本章总结 

13   6本章作业 

14梯度提升决策 

14   1本章工作任务 

14   2本章技能目标 

14   3本章简介 

14   4理论讲解部分 

14   5本章总结 

14   6本章作业 

15XGBoost 

15   1本章工作任务 

15   2本章技能目标 

15   3本章简介 

15   4理论讲解部分 

15   5本章总结 

15   6本章作业 

第六部分聚类算法 

16K-means聚类算法 

16   1本章工作任务 

16   2本章技能目标 

16   3本章简介 

16   4理论讲解部分 

16   5本章总结 

16   6本章作业 

17DBSCAN聚类算法 

17   1本章工作任务 

17   2本章技能目标 

17   3本章简介 

17   4理论讲解部分 

17   5本章总结 

17   6本章作业 

18层次聚类 

18   1本章工作任务 

18   2本章技能目标 

18   3本章简介 

18   4理论讲解部分 

18   5本章总结 

18   6本章作业 

19主成分分析与因子分析 

19   1本章工作任务 

19   2本章技能目标 

19   3本章简介 

19   4理论讲解部分 

19   5本章总结 

19   6本章作业 

20奇异值分解 

20   1本章工作任务 

20   2本章技能目标 

20   3本章简介 

20   4理论讲解部分 

20   5本章总结 

20   6本章作业 

21线性判别分析 

21   1本章工作任务 

21   2本章技能目标 

21   3本章简介 

21   4理论讲解部分 

21   5本章总结 

21   6本章作业 

第七部分推荐算法 

22基于项目的协同过滤 

22   1本章工作任务 

22   2本章技能目标 

22   3本章简介 

22   4理论讲解部分 

22   5本章总结 

22   6本章作业 

23基于用户的协同过滤 

23   1本章工作任务 

23   2本章技能目标 

23   3本章简介 

23   4理论讲解部分 

23   5本章总结 

23   6本章作业 

第八部分时间序列 

24ARIMA 

24   1本章工作任务 

24   2本章技能目标 

24   3本章简介 

24   4理论讲解部分 

24   5本章总结 

24   6本章作业 

第九部分人工神经网络 

25神经网络（多层感知机MLP） 

25   1本章工作任务 

25   2本章技能目标 

25   3本章简介 

25   4理论讲解部分 

25   5本章总结 

25   6本章作业 

第十部分Python爬虫 

26XPath 

26   1本章工作任务 

26   2本章技能目标 

26   3本章简介 

26   4理论讲解部分