数据分析及数值计算 四川大学制造科学与工程学院本科课程 《数据分析及数值计算》教学大纲 课程编号： 302306020 课程类型： 必修课 Course codes 302306020 Course Type Compulsory 课程名称： 做据分析及数值计算 授课对象： 本科三年级学生 Course Name:Data Analysis and Numerical Calculation Audience: Junior 学时/学分： 授课语言： 中文 Credit Hours 322 anguage of Chinese mandarin Credits nstruction 先修课程： 高等数学、线性代数、计算机基础 课院系 机械工程系 rerequisite: Advanced Mathematics,Linear Algebra urse offered by Department of Computer Basics Mechanical Eng. 适用专业 机械设计制造及其自动化专业 课教师： ntended fora Mechanical Design,Manufacturing and Automation 大纲执笔人： 陈领、于森 大纲审核人： 专业负责人 Edited by: Chen Ling.Yu Miao Inspected by: Course Leader 一、课程简介 本课程是针对机械设计制造及其自动化专业学生，通过学习数据分析及数值计算的理论与方 法，使学生能具备数据分析、数值计算以及利用MATLAB程序进行仿真计算的能力。讲授过程中 将数学方法与实例相结合，使学生在面对机械工程实际问题时，能顺利地理解及提炼数据背后的 信息，从而进行相关的判断和决策，以便采取合适的策略与行动。 本课程全面地介绍了现代数据分析方法、数值计算理论与MATLAB的基本概念及功能，包括 数据分析基本概念、MATLAB基础概述、数据描述性分析、数据可视化、回归分析、智能优化算 法、数值计算基础、数值微分和数值积分、代数方程组的解法以及常微分方程的数值解等内容。 二、学习目标 I、对MATLAB软件的发展历程、优势特点、系统组成等有较为系统全面的认识，了解MATLAB 的基础知识以及常用工具的实现： 2、在实际工程问题中，面对复杂的工程类问题，能够提炼出数学问题，选择合适的工具对相 应的问题进行求解： 3、能够熟悉MATLAB这一工程软件，并可以将其运用于科学计算、控制系统设计与分析
数据分析及数值计算 四川大学制造科学与工程学院本科课程 《数据分析及数值计算》教学大纲 课程编号： Course Code: 302306020 302306020 课程类型： Course Type: 必修课 Compulsory 课程名称： Course Name: 数据分析及数值计算 Data Analysis and Numerical Calculation 授课对象： Audience: 本科三年级学生 Junior 学时/学分： Credit Hours / Credits 32/2 32/2 授课语言： Language of Instruction 中文 Chinese Mandarin 先修课程： Prerequisite: 高等数学、线性代数、计算机基础 Advanced Mathematics, Linear Algebra, Computer Basics 开课院系： Course offered by: 机械工程系 Department of Mechanical Eng. 适用专业： Intended for: 机械设计制造及其自动化专业 Mechanical Design, Manufacturing and Automation 授课教师： Instructor: 大纲执笔人： Edited by: 陈领、于淼 Chen Ling, Yu Miao 大纲审核人： Inspected by: 专业负责人 Course Leader 一、课程简介 本课程是针对机械设计制造及其自动化专业学生，通过学习数据分析及数值计算的理论与方 法，使学生能具备数据分析、数值计算以及利用 MATLAB 程序进行仿真计算的能力。讲授过程中 将数学方法与实例相结合，使学生在面对机械工程实际问题时，能顺利地理解及提炼数据背后的 信息，从而进行相关的判断和决策，以便采取合适的策略与行动。 本课程全面地介绍了现代数据分析方法、数值计算理论与 MATLAB 的基本概念及功能，包括 数据分析基本概念、MATLAB 基础概述、数据描述性分析、数据可视化、回归分析、智能优化算 法、数值计算基础、数值微分和数值积分、代数方程组的解法以及常微分方程的数值解等内容。 二、学习目标 1、对 MATLAB 软件的发展历程、优势特点、系统组成等有较为系统全面的认识，了解 MATLAB 的基础知识以及常用工具的实现； 2、在实际工程问题中，面对复杂的工程类问题，能够提炼出数学问题，选择合适的工具对相 应的问题进行求解； 3、能够熟悉 MATLAB 这一工程软件，并可以将其运用于科学计算、控制系统设计与分析、 1
数字信号处理、数字图像处理、通讯方针与设计、金融财经系统分析等领域： 4、对MATLAB问题求解的过程进行深入理解，将计算结果与实际问题进行对比分析，能够 发现现有数据软件存在的不足，对模拟结果有正确的认识。 5、通过以MATLAB软件在不同领域的应用为例，对数据分析和数值计算有更深层次的理解， 训练数学逻辑思维能力，认识到课程的跨学科特性。 6、完成数据分析的完整过程，以小组为单位，从数据收集、整理、归类直至深入分析的整个 过程由团队协作完成，最后以PPT形式汇报。 三、学习目标与毕业要求的对应关系 丰业要求 毕业要求指标点 课程目标 (4)能够基于科学原理并采用科学 方法，针对机械工程领域设计、制 造、运行等方面的复杂工程问题违 4.3能够获取、分析与解释实验数据，并通 行研究，通过设计、实施实验，获 过信息综合，得到合理有效的研究结论。 学习目标1 取、分析和解释数据，并通过信息 综合，获得合理有效的结论。 5.1能够选择适当的技术、资源、现代工程 工其和信息技术工其，进行机械工程领域 学习目标2 (5)能够选择、使用与开发恰当的 设计、制造、运行中复杂工程问题的预测 技术、资源、现代工程工具和信息 与模拟： 技术手段和工具，针对机械工程刻 52能够开发与使用适当的技术、资源、现 域设计、制造、运行等方面的复杂 代工程工具和信息技术工具，进行机械丁 学习目标3 工程问题，进行预测与模拟，并能 程领域设计、制造、运行中复杂工程问题 够理解相关技术工具、针对复杂工 的预测与摸拟 程问题预测与模拟结果的局限性。 53能够理解现有技术工具的局限性，能够 理解机械工程领域设计、制造、运行中复 学习目标4 杂工程问题预测与模拟结果的局限性。 (9)能够认识到机械设计制造工程 9.1能够认识到机械工程领域设计、制造、 学习目标5 领域的跨学科特征，能够在多学科 运行等方面复杂工程问题的跨学科特征： 背景下的团队中承担团队成员以及 9.2能够在机械设计制造工程实践中承担 负责人的职责 学习目标6 团队成员、团队负责人的职责。 四、教学内容
数字信号处理、数字图像处理、通讯方针与设计、金融财经系统分析等领域； 4、对 MATLAB 问题求解的过程进行深入理解，将计算结果与实际问题进行对比分析，能够 发现现有数据软件存在的不足，对模拟结果有正确的认识。 5、通过以 MATLAB 软件在不同领域的应用为例，对数据分析和数值计算有更深层次的理解， 训练数学逻辑思维能力，认识到课程的跨学科特性。 6、完成数据分析的完整过程，以小组为单位，从数据收集、整理、归类直至深入分析的整个 过程由团队协作完成，最后以 PPT 形式汇报。 三、学习目标与毕业要求的对应关系 四、 教学内容 毕业要求 毕业要求指标点 课程目标 （4）能够基于科学原理并采用科学 方法，针对机械工程领域设计、制 造、运行等方面的复杂工程问题进 行研究，通过设计、实施实验，获 取、分析和解释数据，并通过信息 综合，获得合理有效的结论。 4.3 能够获取、分析与解释实验数据，并通 过信息综合，得到合理有效的研究结论。 学习目标 1 （5）能够选择、使用与开发恰当的 技术、资源、现代工程工具和信息 技术手段和工具，针对机械工程领 域设计、制造、运行等方面的复杂 工程问题，进行预测与模拟，并能 够理解相关技术工具、针对复杂工 程问题预测与模拟结果的局限性。 5.1 能够选择适当的技术、资源、现代工程 工具和信息技术工具，进行机械工程领域 设计、制造、运行中复杂工程问题的预测 与模拟； 学习目标 2 5.2 能够开发与使用适当的技术、资源、现 代工程工具和信息技术工具，进行机械工 程领域设计、制造、运行中复杂工程问题 的预测与模拟； 学习目标 3 5.3 能够理解现有技术工具的局限性，能够 理解机械工程领域设计、制造、运行中复 杂工程问题预测与模拟结果的局限性。 学习目标 4 （9）能够认识到机械设计制造工程 领域的跨学科特征，能够在多学科 背景下的团队中承担团队成员以及 负责人的职责。 9.1 能够认识到机械工程领域设计、制造、 运行等方面复杂工程问题的跨学科特征； 学习目标 5 9.2 能够在机械设计制造工程实践中承担 团队成员、团队负责人的职责。 学习目标 6 2
学习目标 教学内容 教学方法 考核方式 期末考试 绪论 多媒体讲授 课堂练习 学习目标1 第一章数据分析与MATLAB基础 工程案例分析 课后作业 课程报告 第一章数据分析与MATLAB基础 多媒体讲授 期末考试 第二章数据描述性分析 学习目标2 工程案例分析 阶段测试 第三章回归分析 专题研讨 第四章智能优化算法 课堂表现 多媒体讲授 期末考试 第三章回归分析 学习目标3 工程案例分析 阶段测试 第四章智能优化算法 专题研讨 课堂表现 期末考试 第二章数据描述性分析 多媒体讲授 阶段测试 学习目标4 第三章回归分析 工程案例分析 课后作业 第四章智能优化算法 专题研讨 课堂表现 多媒体讲授 期末考试 第五章数值计算基础 课后作业 学习目标5 工程案例分析 第六章数值微分和数值积分 小组研过讨 专题研讨 课堂表现 第一章数据分析与MATLAB基础 第二章数据描述性分析 第三章回归分析 PBL小组 多媒体讲授 第四章智能优化算法 PpT演讲 学习目标6 第五章数值计算基础 工程案例分析 课堂表现 专题研讨 第六章数值微分和数值积分 期末考试 第七章代数方程组的解法 第八章常微分方程数值解 绪论 我们的社会已经进入大数据时代，数据分析方法越来越收到重视。数据分析的目的是把 隐藏在数据背后的信总集中和提炼出来，帮助管理者进行判断和决策，以便采取适当的策略 与行动。 随若以计算机和通信技术为代表的T技术日新月异的发展，在自然科学和工程技术等众 多领域中，利用计算机进行科学计算已成为科学研究和工程设计中不可缺少的重要环节，作
学习目标 教学内容 教学方法 考核方式 学习目标 1 绪论 第一章 数据分析与 MATLAB 基础 多媒体讲授 工程案例分析 期末考试 课堂练习 课后作业 课程报告 学习目标 2 第一章 数据分析与 MATLAB 基础 第二章 数据描述性分析 第三章 回归分析 第四章 智能优化算法 多媒体讲授 工程案例分析 专题研讨 期末考试 阶段测试 课堂表现 学习目标 3 第三章 回归分析 第四章 智能优化算法 多媒体讲授 工程案例分析 专题研讨 期末考试 阶段测试 课堂表现 学习目标 4 第二章 数据描述性分析 第三章 回归分析 第四章 智能优化算法 多媒体讲授 工程案例分析 专题研讨 期末考试 阶段测试 课后作业 课堂表现 学习目标 5 第五章 数值计算基础 第六章 数值微分和数值积分 多媒体讲授 工程案例分析 专题研讨 期末考试 课后作业 小组研讨 课堂表现 学习目标 6 第一章 数据分析与 MATLAB 基础 第二章 数据描述性分析 第三章 回归分析 第四章 智能优化算法 第五章 数值计算基础 第六章 数值微分和数值积分 第七章 代数方程组的解法 第八章 常微分方程数值解 多媒体讲授 工程案例分析 专题研讨 PBL 小组 PPT 演讲 课堂表现 期末考试 绪论 我们的社会已经进入大数据时代，数据分析方法越来越收到重视。数据分析的目的是把 隐藏在数据背后的信息集中和提炼出来，帮助管理者进行判断和决策，以便采取适当的策略 与行动。 随着以计算机和通信技术为代表的 IT 技术日新月异的发展，在自然科学和工程技术等众 多领域中，利用计算机进行科学计算已成为科学研究和工程设计中不可缺少的重要环节，作 3
为现代科学与工程计算的基础一数值计算方法也越来越受到重视。数值计算主要研究如何 利用计算机更好的解决各种数学问题，包括连续系统离散化和离散形方程的求解，并考虑误 差、收敛性和稳定性等问题。 MATLAB是美国Math Works公司出品的商业数学软件，用于算法开发、数据可视化、数 据分析以及数值计算的高级技术计算语言和交互式环境.由于MATLAB功能强大，简单易学， 并且对问题的描述和求解符合人们的思维方式和数学表达习惯，所以其已经成为高校教师 工程技术人员的必学软件。使用MATLAB,可以极大地提高人们的工作效率和质量。 要求学生： 理解MATLAB基本应用范用和发展趋势，以及在工程实践中的作用。 毕业要求对应关系： 本章学习内容对应学习目标1，支撑毕业要求指标点4.3。 第一章数据分析与MATLAB基础 I、数据分析与MATLAB:数据分析的概念：数据来源与分类；数据分析过程：MATLAB在 数据分析中的作用。 2、MATLAB基础概述：MATLAB简介、特点：MATLAB主要功能：MATLAB主界面与常用 窗口。 3、MATLAB基本语法：数据类型：操作符与运算符：MATLAB命令函数。 4、数组和矩阵运算：数组的创建与运算：矩阵的输入与运算。 5、M文件与编程：M文件介绍：M文件编辑/调试器窗口：条件控制语句， 6、MATLAB通用操作实例：MATLAB通用操作界面综合练习实验。 要求学生： 在《高等数学》与《计算机基础》基础上，要求学生能够掌握数据分析的基本概念及MATLAB 基本语法及操作。 毕业要求对应关系： 本章学习内容对应学习目标1、学习目标2和学习目标6，支撑毕业婴求指标点4.3、5.1和9.2。 第二章数据描述性分析 1、基本统计量与数据可视化： 维样本数据的基本统计量：多维样本数据的统计量：样本数 据可视化： 2、数据分布及其检验：一维数据的分布与检验：多维数据的正态分布检验。 3、数据变换：数据属性变换：BOx-COx变换：基于数据变换的综合评价模型。 4、案例：数据统计量及其分布检验 要求学生： 利用M4TLAB计算基本统计量与数据可视化，掌握数据正态性检验、协方差矩阵相等的检验 方法，理解数据变换的意义与方法： 毕业要求对应关系：
为现代科学与工程计算的基础——数值计算方法也越来越受到重视。数值计算主要研究如何 利用计算机更好的解决各种数学问题，包括连续系统离散化和离散形方程的求解，并考虑误 差、收敛性和稳定性等问题。 MATLAB 是美国 MathWorks 公司出品的商业数学软件，用于算法开发、数据可视化、数 据分析以及数值计算的高级技术计算语言和交互式环境。由于 MATLAB 功能强大，简单易学， 并且对问题的描述和求解符合人们的思维方式和数学表达习惯，所以其已经成为高校教师、 工程技术人员的必学软件。使用 MATLAB，可以极大地提高人们的工作效率和质量。 要求学生： 理解 MATLAB 基本应用范围和发展趋势，以及在工程实践中的作用。 毕业要求对应关系： 本章学习内容对应学习目标 1，支撑毕业要求指标点 4.3。 第一章 数据分析与 MATLAB 基础 1、数据分析与 MATLAB：数据分析的概念；数据来源与分类；数据分析过程；MATLAB 在 数据分析中的作用。 2、MATLAB 基础概述：MATLAB 简介、特点；MATLAB 主要功能；MATLAB 主界面与常用 窗口。 3、MATLAB 基本语法：数据类型；操作符与运算符；MATLAB 命令函数。 4、数组和矩阵运算：数组的创建与运算；矩阵的输入与运算。 5、M 文件与编程：M 文件介绍；M 文件编辑/调试器窗口；条件控制语句。 6、MATLAB 通用操作实例：MATLAB 通用操作界面综合练习实验。 要求学生： 在《高等数学》与《计算机基础》基础上，要求学生能够掌握数据分析的基本概念及 MATLAB 基本语法及操作。 毕业要求对应关系： 本章学习内容对应学习目标 1、学习目标 2 和学习目标 6，支撑毕业要求指标点 4.3、5.1 和 9.2。 第二章 数据描述性分析 1、基本统计量与数据可视化：一维样本数据的基本统计量；多维样本数据的统计量；样本数 据可视化； 2、数据分布及其检验：一维数据的分布与检验；多维数据的正态分布检验。 3、数据变换：数据属性变换；Box-Cox 变换；基于数据变换的综合评价模型。 4、案例：数据统计量及其分布检验 要求学生： 利用 MATLAB 计算基本统计量与数据可视化，掌握数据正态性检验、协方差矩阵相等的检验 方法，理解数据变换的意义与方法。 毕业要求对应关系： 4
本章学习内容对应学习目标2、学习目标4和学习目标6，支撑毕业要求指标点5.1、9.3、92。 第三章回归分析 1、一元线性回归模型：一元多项式回归模型：一元非线性回归模型：一元回归建模实例。 2、多元线性回归模型：多元线性回归模型及其表示：MATLAB的回归分析命令：多元线性回 归实例。 3、逐步回归：最优回归方程的选择：引入变量和提出变量的依据：逐步回归的MATLAB实 现。 4、回归诊断：异常点与强影响点诊断：残差分析：多重共线性诊断。 5、实验：多元线性回归与逐步回归 要求学生： 理解回归分析的原理，熟练掌握MATLAB回归分析的命令，会应用MATLAB回归模型类建 立回归模型。 串业要求对应关系： 本章学习内容对应学习目标2、学习目标3、学习目标4和学习目标6，支掉毕业要求指标点 5.1、52、5.3和9.2. 第四章智能优化算法 1、智能算法概述：智能算法基本概念：进化类算法：神经网络算法。 2、遗传算法：遗传算法理论：遗传算法流程：关键参数说明；遗传算法工程应用：MATLAB 仿真实例。 3、神经网络算法：神经网络算法理论：BP神经网络算法：神经网络算法的实现：神经网络算 法工程应用：MATLAB仿真实例。 要求学生： 掌握智能优化算法的分类及基本概念，了解遗传算法及神经网络算法的原理及MATLAB仿真 实现。 毕业要求对应关系： 本章学习内容对应学习目标2、学习目标4和学习目标6，支撑毕业求指标点5.1、53和92 第五章数值计算基础 1、数值计算基本概念：数值计算研究对象：数学模型建立过程：数值计算常用方法；误差的 来源：误差的概念。 2、插值法：插值法基本概念；拉格朗日插值：牛顿插值：MATLAB插值实例。 3、最小二乘法：曲线拟合：二参数最小二乘法：MATLAB拟合实例。 要求学生： 掌握从工程问题到数学模型的基本过程、拉格朗日插值以及牛顿插值方法，熟悉利用MATLAB 进行插值运算和曲线拟合的方法，了解误差的来源及其基本概念和最小二乘法原理。 毕业要求对应关系：
本章学习内容对应学习目标 2、学习目标 4 和学习目标 6，支撑毕业要求指标点 5.1、9.3、9.2。 第三章 回归分析 1、一元线性回归模型；一元多项式回归模型；一元非线性回归模型；一元回归建模实例。 2、多元线性回归模型：多元线性回归模型及其表示；MATLAB 的回归分析命令；多元线性回 归实例。 3、逐步回归：最优回归方程的选择；引入变量和提出变量的依据；逐步回归的 MATLAB 实 现。 4、回归诊断：异常点与强影响点诊断；残差分析；多重共线性诊断。 5、实验：多元线性回归与逐步回归 要求学生： 理解回归分析的原理，熟练掌握 MATLAB 回归分析的命令，会应用 MATLAB 回归模型类建 立回归模型。 毕业要求对应关系： 本章学习内容对应学习目标 2、学习目标 3、学习目标 4 和学习目标 6，支撑毕业要求指标点 5.1、5.2、5.3 和 9.2。 第四章 智能优化算法 1、智能算法概述：智能算法基本概念；进化类算法；神经网络算法。 2、遗传算法：遗传算法理论；遗传算法流程；关键参数说明；遗传算法工程应用；MATLAB 仿真实例。 3、神经网络算法：神经网络算法理论；BP 神经网络算法；神经网络算法的实现；神经网络算 法工程应用；MATLAB 仿真实例。 要求学生： 掌握智能优化算法的分类及基本概念，了解遗传算法及神经网络算法的原理及 MATLAB 仿真 实现。 毕业要求对应关系： 本章学习内容对应学习目标 2、学习目标 4 和学习目标 6，支撑毕业要求指标点 5.1、5.3 和 9.2。 第五章 数值计算基础 1、数值计算基本概念：数值计算研究对象；数学模型建立过程；数值计算常用方法；误差的 来源；误差的概念。 2、插值法：插值法基本概念；拉格朗日插值；牛顿插值；MATLAB 插值实例。 3、 最小二乘法：曲线拟合；二参数最小二乘法；MATLAB 拟合实例。 要求学生： 掌握从工程问题到数学模型的基本过程、拉格朗日插值以及牛顿插值方法，熟悉利用 MATLAB 进行插值运算和曲线拟合的方法，了解误差的来源及其基本概念和最小二乘法原理。 毕业要求对应关系： 5
本章学习内容对应学习目标5和学习目标6，支撑毕业要求指标点9.1和9.2。 第六章数值微分和数值积分 1、数值微分：用插商近似微商：用插值函数近似计算导数。 2、数值积分：数值积分的基本思想：代数精度的概念：插值型求积公式：等距节点求积公式： MATLAB数值积分实例： 要求学生： 掌握等距节点求积公式中的牛顿科特斯公式，熟悉求积公式的代数精度、余项以及稳定性， 了解数值微分的基本概念及方法：求积公式的建立、牛顿科特斯公式。 毕业要求对应关系： 本章学习内容对应学习目标5和学习目标6，支撑毕业要求指标点9.1和9.2。 第七章代数方程组的解法 1、线性方程组的直接解法：高斯消去法：主元素消去法：矩阵三角分解法：向量和矩阵的范 数。 2、线性方程的迭代法：雅克比(Jacobian)迭代法：高斯-赛德尔(Gaus-Siedel)选代法： MATLAB迭代法实例。 3、非线性方程求根：二分法：简单迭代法：迭代法的收敛性：牛顿迭代法：MATLAB非线性 方程求根实例。 要求学生： 掌握雅克比(Jacobian)迭代法和牛倾迭代法以及利用MATLAB求解线性和非线性方程的方 法，熟悉线性方程的直接解法以及简单迭代法，了解向量和矩阵的范数、二分法以及迭代法的收 敛性 毕业要求对应关系： 本章学习内容对应学习目标6，支撑毕业要求指标点92。 第八章常微分方程数值解 1、引言：基本概念：数值方法求解微分方程的思路。 2、离散化方法：欧拉公式：梯形公式：改进的欧拉公式：MATLAB求解常微分方程实例。 要求学生： 掌握求常微分方程数值解方法中的欧拉公式、梯形公式，熟悉MATLAB求解常微分方程的基 本方法，了解改进的欧拉公式。 半业要求对应关系： 本章学习内容对应学习目标6，支撑毕业要求指标点92。 期末课程学生展示课 讨论答疑 五、建议教学进度
本章学习内容对应学习目标 5 和学习目标 6，支撑毕业要求指标点 9.1 和 9.2。 第六章 数值微分和数值积分 1、数值微分：用插商近似微商；用插值函数近似计算导数。 2、数值积分：数值积分的基本思想；代数精度的概念；插值型求积公式；等距节点求积公式； MATLAB 数值积分实例。 要求学生： 掌握等距节点求积公式中的牛顿-科特斯公式，熟悉求积公式的代数精度、余项以及稳定性， 了解数值微分的基本概念及方法；求积公式的建立、牛顿-科特斯公式。 毕业要求对应关系： 本章学习内容对应学习目标 5 和学习目标 6，支撑毕业要求指标点 9.1 和 9.2。 第七章 代数方程组的解法 1、线性方程组的直接解法：高斯消去法；主元素消去法；矩阵三角分解法；向量和矩阵的范 数。 2、线性方程的迭代法：雅克比（Jacobian）迭代法；高斯-赛德尔（Gauss-Siedel）迭代法； MATLAB 迭代法实例。 3、非线性方程求根：二分法；简单迭代法；迭代法的收敛性；牛顿迭代法；MATLAB 非线性 方程求根实例。 要求学生： 掌握雅克比（Jacobian）迭代法和牛顿迭代法以及利用 MATLAB 求解线性和非线性方程的方 法，熟悉线性方程的直接解法以及简单迭代法，了解向量和矩阵的范数、二分法以及迭代法的收 敛性。 毕业要求对应关系： 本章学习内容对应学习目标 6，支撑毕业要求指标点 9.2。 第八章 常微分方程数值解 1、引言：基本概念；数值方法求解微分方程的思路。 2、离散化方法：欧拉公式；梯形公式；改进的欧拉公式；MATLAB 求解常微分方程实例。 要求学生： 掌握求常微分方程数值解方法中的欧拉公式、梯形公式，熟悉 MATLAB 求解常微分方程的基 本方法，了解改进的欧拉公式。 毕业要求对应关系： 本章学习内容对应学习目标 6，支撑毕业要求指标点 9.2。 期末课程学生展示课 讨论答疑 五、建议教学进度 6
章节名称 学时数 绪论教学计划和课程简介 第一章数据分析与MATLAB基础 4 第二章数据描述性分析 4 第三章回归分析 4 第四章智能优化算法 4 第五章数值计算基础 4 第六章数值微分和数值积分 第七章代数方程组的解法 44 第八章常微分方程数值解 2 期末课程学生展示课 六、教学策略与方法 1、采用多媒体课件和传统教学相结合进行教学，阐述数据分析、数值计算方法及MATLAB 操作实例，理论联系实际。 2、通过实际工程案例分析，使学生能够认识到数据分析、智能优化算法的理论、数值计算方 法及MATLAB实现方法等。 3、理论教学与专题讨论相结合，使学生能够在沟通、交流等方面，得到培养和锻炼。 七、考核方式 闭卷笔试，课程项目，课后作业，课堂练习，课堂表现，签到考勤。 1.期末考试考核要点 (I)数据类型：操作符与运算符：MATLAB命令函数： (2)M文件介绍：M文件编辑/调试器窗口：条件控制语句 (3)数据描述性分析：可视化、分布及其检验和数据变换： (4)一元回归模型及其诊断： (5)插值法和最小二乘法： (6)数值微分和数值积分：求积公式的建立、牛顿科特斯公式： (7)代数方程组的解法：直接解法、迭代法以及非线性方程求根： 2.课后作业 数据收集、分析、处理、拟合、求解以及分析过程 八、成绩评定方法
章节名称 学时数 绪论 教学计划和课程简介 2 第一章 数据分析与 MATLAB 基础 4 第二章 数据描述性分析 4 第三章 回归分析 4 第四章 智能优化算法 4 第五章 数值计算基础 4 第六章 数值微分和数值积分 2 第七章 代数方程组的解法 4 第八章 常微分方程数值解 2 期末课程学生展示课 2 六、教学策略与方法 1、采用多媒体课件和传统教学相结合进行教学，阐述数据分析、数值计算方法及 MATLAB 操作实例，理论联系实际。 2、通过实际工程案例分析，使学生能够认识到数据分析、智能优化算法的理论、数值计算方 法及 MATLAB 实现方法等。 3、理论教学与专题讨论相结合，使学生能够在沟通、交流等方面，得到培养和锻炼。 七、考核方式 闭卷笔试，课程项目，课后作业，课堂练习，课堂表现，签到考勤。 1．期末考试考核要点 （1）数据类型；操作符与运算符；MATLAB 命令函数； （2）M 文件介绍；M 文件编辑/调试器窗口；条件控制语句； （3）数据描述性分析：可视化、分布及其检验和数据变换； （4）一元回归模型及其诊断； （5）插值法和最小二乘法； （6）数值微分和数值积分：求积公式的建立、牛顿-科特斯公式； （7）代数方程组的解法：直接解法、迭代法以及非线性方程求根； 2．课后作业 数据收集、分析、处理、拟合、求解以及分析过程。 八、成绩评定方法 7
1、数据分析及数值计算课程考评分值分布： 平时成绩占60%，其中签到考勤15%、课后作业15%、课堂练习10%、课堂表现10%、课程 项目10%： 期末闭卷40%（并至少包含一道非标答案题）》 2、课程项目选题 学生自由选题，选题内容可覆盖各行各业以及时下流行的事件相关的数据分析内容。 需撰写项目书、制作报告PT,按选课人数7-8人一组。 3、小组作业及平时课后练习讨论由助教主持，老师参与讨论： 4、学生需提前10分钟到课堂，课堂点名由助教完成： 5、考试题出题原则：量大，灵活，基本概念考点多。 6、各环节学习目标的考核占比 学习目标学习目标2学习目标3学习目标4学习目标5学习目标6 课堂作业1占比 10 10 10 10 10 课堂作业2占比% 10 10 10 10 10 课堂作业3占比% 50 10 10 10 10 10 课堂作业4占比% 50 10 10 10 课堂作业5占比% 50 10 10 10 课后作业1占比网 100 课后作业2占比% 100 期未考试占比% 30 20 15 15 10 10 课堂表现占比% 25 25 15 15 10 10 7、学习目标达成度计算方法 学习目标达成度=期末平均成绩*0.4+阶段测试与课后作业平均成绩*0.6 九、评分标准 评分标准 学习目标 90-100 75-89 60-74 0-59 中/及格 不及格 L.对MATLAB 软件的发展历能够全面准确全面能够准确理解能够理解不能理解理解 程、优势特点、 厘解MATLAB软MATLAB软件基MATLAB软件基MATLAB软件基础 系统组成等有件基础知识以及工础知识以及常用础知识以及基本工知识以及基本工具 较为系统全面具的实现 工具的实现 具的实现 的实现 的认识，了解
1、数据分析及数值计算课程考评分值分布： 平时成绩占 60%，其中签到考勤 15%、课后作业 15%、课堂练习 10%、课堂表现 10%、课程 项目 10%； 期末闭卷 40%（并至少包含一道非标答案题） 2、课程项目选题 学生自由选题，选题内容可覆盖各行各业以及时下流行的事件相关的数据分析内容。 需撰写项目书、制作报告 PPT，按选课人数 7-8 人一组。 3、小组作业及平时课后练习讨论由助教主持，老师参与讨论； 4、学生需提前 10 分钟到课堂，课堂点名由助教完成； 5、考试题出题原则：量大，灵活，基本概念考点多。 6、各环节学习目标的考核占比 学习目标 1 学习目标 2 学习目标 3 学习目标 4 学习目标 5 学习目标 6 课堂作业 1 占比% 50 10 10 10 10 10 课堂作业 2 占比% 50 10 10 10 10 10 课堂作业 3 占比% 50 10 10 10 10 10 课堂作业 4 占比% 50 10 10 10 10 10 课堂作业 5 占比% 50 10 10 10 10 10 课后作业 1 占比% 100 课后作业 2 占比% 100 期末考试 占比% 30 20 15 15 10 10 课堂表现 占比% 25 25 15 15 10 10 7、学习目标达成度计算方法 学习目标达成度=期末平均成绩*0.4+阶段测试与课后作业平均成绩*0.6 九、评分标准 学习目标 评分标准 90-100 75-89 60-74 0-59 优 良 中/及格 不及格 1. 对 MATLAB 软件的发展历 程、优势特点、 系统组成等有 较为系统全面 的认识，了解 能够全面准确全面 理解 MATLAB 软 件基础知识以及工 具的实现 能够准确理解 MATLAB 软件基 础知识以及常用 工具的实现 能够理解 MATLAB 软件基 础知识以及基本工 具的实现 不能理解理解 MATLAB 软件基础 知识以及基本工具 的实现 8
MATLAB的基 础知识以及常 用工具的实现 2.在实际工程问 题中，面对复杂能够全面准确理能够准确理解主能够理解主要工程 对工程类问懒理解 的工程类问题， 解工程类问题，能要工程类问题，能类问题，可以提炼 错误，无法提炼出数 能够提炼出数够提炼出数学问够提炼出数学问出数学问题，选择 学问题或者提炼出 学间题，选择合题，选择合话的工题，选择合话的工工具对相应的间题 来的问愿有明显错 适的工具对相具对相应的问题具对相应的问题进行求解，但不够 应的问题进行进行求解 进行求解 合理 求解 3.能够熟悉 MATLAB这 工程软件，并可 以将其运用于 熟悉MATLAB这 科学计算、控制 熟米MATLAB这 不熟悉MATLAB这 工程软件的大 熟悉MATLAB这 系统设计与分 一工程软件的常 一工程软件工具，无 析、数字信号处 部分工具，并能线 工程软件的基本 用工具，并能够将 法使用工具解决问 将其运用在多个 工具，并能够使用。 理、数字图像处 领域 其熟练应用。 题。 理、通讯方针与 设计、金融财经 系统分析等氛 4.对MATLAB能够全面准确对 能够理解 间顺求解的过MATLAB间题 能够基本理解 MATLAB问题求 程进行深入理 求解的过程进行 不能理解MATLAB MATLAB问题求 解，将计算结果深入理解，将计 解的过程，将计算 问题求解的过程，无 解的过程，能够将 结果与实际问题 法能够将计算结果 与实际问题进 算结果与实际问 计算结果与实际问 进行对比分析，能 与实际问题进行对 行对比分析，能 题进行对比分 题进行对比分析， 够基本发现现有 比分析，不能发现现 够发现现有数析，能够准确发 能够稍微发现现有 据软件存在的现现有数据软件 数据软件存在的 有数据软件存在的 不足，对模拟结果 数据软件存在的不 不足，对模拟结果认 不足，对模拟结 存在的不足，对 足，对模拟结果有 果有正确的认 有较为正确的认 识错误 模拟结果有正确 基本正确的认识 识 的认识 5.通过以对数据分析和数对数据分析和数对数据分析和数值对数据分析和数值
MATLAB 的基 础知识以及常 用工具的实现 2.在实际工程问 题中，面对复杂 的工程类问题， 能够提炼出数 学问题，选择合 适的工具对相 应的问题进行 求解 能够全面准确理 解工程类问题，能 够提炼出数学问 题，选择合适的工 具对相应的问题 进行求解 能够准确理解主 要工程类问题，能 够提炼出数学问 题，选择合适的工 具对相应的问题 进行求解 能够理解主要工程 类问题，可以提炼 出数学问题，选择 工具对相应的问题 进行求解，但不够 合理 对工程类问题理解 错误，无法提炼出数 学问题或者提炼出 来的问题有明显错 误 3. 能够熟悉 MATLAB 这一 工程软件，并可 以将其运用于 科学计算、控制 系统设计与分 析、数字信号处 理、数字图像处 理、通讯方针与 设计、金融财经 系统分析等领 域 熟悉MATLAB这 一工程软件的大 部分工具，并能够 将其运用在多个 领域 熟悉MATLAB这 一工程软件的常 用工具，并能够将 其熟练应用。 熟悉 MATLAB 这 一工程软件的基本 工具，并能够使用。 不熟悉 MATLAB 这 一工程软件工具，无 法使用工具解决问 题。 4. 对 MATLAB 问题求解的过 程进行深入理 解，将计算结果 与实际问题进 行对比分析，能 够发现现有数 据软件存在的 不足，对模拟结 果有正确的认 识 能够全面准确对 MATLAB 问 题 求解的过程进行 深入理解，将计 算结果与实际问 题进行对比分 析，能够准确发 现现有数据软件 存在的不足，对 模拟结果有正确 的认识 能够理解 MATLAB 问题求 解的过程，将计算 结果与实际问题 进行对比分析，能 够基本发现现有 数据软件存在的 不足，对模拟结果 有较为正确的认 识 能够基本理解 MATLAB 问题求 解的过程，能够将 计算结果与实际问 题进行对比分析， 能够稍微发现现有 数据软件存在的不 足，对模拟结果有 基本正确的认识 不能理解 MATLAB 问题求解的过程，无 法能够将计算结果 与实际问题进行对 比分析，不能发现现 有数据软件存在的 不足，对模拟结果认 识错误 5. 通过以 对数据分析和数 对数据分析和数 对数据分析和数值 对数据分析和数值 9
MATLAB软件值计算有更深层值计算基本理解，计算理解一般，对计算基本无法理解， 在不同领域的次的理解，深度能够训练数学逻训练数学逻辑思维不能够训练数学逻 应用为例.对数训练数学罗辑思辑思维能力，基本能力又一定训练，辑思维能力，无法认 据分析和数值维能力，认识到认识到课程的跨大致认识到课程的识到课程的跨学科 计算有更深层课程的跨学科特学科特性 跨学科特性 特性 次的理解，训练 性 数学逻辑思维 能力，认识到课 程的跨学科特 6.完成数据分析 的完整过程，以 小组为单位，从 能够较好完成数能够基本完成数 能够完成数据分析无法完成数据分析 数据收集、整 据分析的整个过据分析的整个过 理、归类直至深程，团队协作顺程，团队协作基本 的整个过程，团队的整个过程，团队协 协作一般，成果汇作较差，无合理成果 入分析的整个利，成果汇报优顺利，成果汇报良 报一般 汇报 过程由团队协异 作完成，最后 PPT形式汇报 十、教学参考书与其他相关教学资源（如网上教学资源等） [1.《MATLAB数据分析方法》吴礼斌，李柏年，机械工业出版社，2017. [2).《智能优化算法及其M4TLAB实例》包子阳，余继周，杨杉，电子工业出版社，2018 【31.《工程数学基础一数据处理与数值计算》.李士雨，化学工业出版社，2005 4.《现代科学工程计算基础》胡兵，李清朗，四川大学出版社，2003 [S]《MATLAB应用大全》赵海滨，清华大学出版社，2012 [6(.校园网/图书馆中国学术期刊网相关论文 [⑦.网上相关资科搜索) 10
MATLAB 软件 在不同领域的 应用为例，对数 据分析和数值 计算有更深层 次的理解，训练 数学逻辑思维 能力，认识到课 程的跨学科特 性 值计算有更深层 次的理解，深度 训练数学逻辑思 维能力，认识到 课程的跨学科特 性 值计算基本理解， 能够训练数学逻 辑思维能力，基本 认识到课程的跨 学科特性 计算理解一般，对 训练数学逻辑思维 能力又一定训练， 大致认识到课程的 跨学科特性 计算基本无法理解， 不能够训练数学逻 辑思维能力，无法认 识到课程的跨学科 特性 6.完成数据分析 的完整过程，以 小组为单位，从 数据收集、整 理、归类直至深 入分析的整个 过程由团队协 作完成，最后以 PPT 形式汇报 能够较好完成数 据分析的整个过 程，团队协作顺 利，成果汇报优 异 能够基本完成数 据分析的整个过 程，团队协作基本 顺利，成果汇报良 好 能够完成数据分析 的整个过程，团队 协作一般，成果汇 报一般 无法完成数据分析 的整个过程，团队协 作较差，无合理成果 汇报 十、教学参考书与其他相关教学资源（如网上教学资源等） [1]. 《MATLAB 数据分析方法》.吴礼斌，李柏年，机械工业出版社，2017. [2]. 《智能优化算法及其 MATLAB 实例》.包子阳，余继周，杨杉，电子工业出版社，2018. [3]. 《工程数学基础——数据处理与数值计算》.李士雨，化学工业出版社，2005. [4]. 《现代科学工程计算基础》.胡兵，李清朗，四川大学出版社，2003 [5]. 《MATLAB 应用大全》.赵海滨，清华大学出版社，2012 [6]. 校园网/图书馆/中国学术期刊网相关论文 [7]. 网上相关资料(搜索) 10