本书为高等职业教育计算机类课程新形态一体化教材，是人工智能与大数据技术系列教材之一。本书分为基础篇、实战篇和提高篇。基础篇设置两个学习项目，通过基于数据分析与挖掘岗位工作的模拟操作，帮助学生掌握基础知识与技能；实战篇通过5个数据挖掘项目分别讲授分类、预测、聚类、关联规则、时间序列5类数据挖掘算法，培养学生应用数据分析与挖掘技术解决实际问题的能力；提高篇采用深度学习技术路线，围绕一个综合性数据挖掘项目案例展开，培养学生运用深度学习技术完成较为复杂的数据分析与挖掘的能力。
本书可作为高等职业院校人工智能技术应用、大数据技术等专业Python数据分析类课程的教材，也可作为Python数据分析与挖掘技术学习者的自学参考书。

基础篇
项目1 数据分析与挖掘基础知识
学习目标
1-1 数据挖掘技术的产生与发展
1-2 数据挖掘研究的理论基础
1-3 数据分析与挖掘应用行业
1-4 数据分析与挖掘工具
学习评价
学习目标
项目2 数据分析与挖掘技术
2-1 数据挖掘工作流程
2-2 数据采样
2-3 数据探索及分析
2-4 数据预处理
2-5 模型及模型训练
2-6 模型评估及参数调优
2-7 模型应用
学习评价
实战篇
项目3 基于分类的垃圾邮件筛选
学习目标
项目背景
工作流程
3-1 数据分析及预处理
3-2 模型构建
3-3 模型应用
学习评价
项目4 基于回归的区域房屋出租价格评估
学习目标
项目背景
工作流程
4-1 数据分析及预处理
4-2 模型构建
4-3 模型应用
学习评价
项目5 基于聚类的供电站供电特征识别
学习目标
项目背景
工作流程
5-1 数据分析及预处理
5-2 模型构建
5-3 模型应用
学习评价
项目6 基于关联规则的数码产品关联性分析
学习目标
项目背景
工作流程
6-1 数据分析及预处理
6-2 关联规则挖掘
6-3 关联规则解读、评估及应用
学习评价
项目7 基于时间序列的生鲜农产品销量预测
学习目标
项目背景
工作流程
7-1 数据分析及预处理
7-2 模型构建
7-3 预测及评估
学习评价
提高篇
项目8 基于Text-CNN的电影推荐系统
学习目标
项目背景
工作流程
8-1 数据分析及预处理
8-2 模型构建及训练
8-3 模型应用
学习评价
参考文献
项目9 基于ResNet的垃圾分类
学习目标
项目背景
工作流程
9-1 数据分析及预处理
9-2 模型构建及训练
9-3 模型测试
学习评价
参考文献