九江学院2026年《数据分析与统计应用》微专业招生简章

讲 授

实 践

线 上

线 下

数据分

析基础

与

Python

入门

2

32

16

16

32

考试

1

2

1- 16

理学 院

统计学 原理与 应用

2

32

16

16

32

考试

1

2

1- 16

理学 院

数据可

视化技

术

2

32

16

16

32

考试

1

2

1- 16

理学 院

机器学 习与数 据挖掘

2

32

16

16

32

实验

2

2

1- 16

理学 院

量化投

资基础

知识

2

32

16

16

32

考试

2

2

1- 16

经济 学院

量化投 资实践

3

48

32

16

48

考试

1

3

1- 16

经济 学院

1

数据分析基础与 Python 入门

本课程是本微专业的入门课程，主要介绍数据分析的基本流程 与 Python 基础操作。课程内容包括 Python 基本语法、数据 类型、程序控制结构、常用数据分析库（如 NumPy、Pandas）

的基础使用，以及数据读取、整理、清洗和简单分析。课程重   点在于帮助学生建立“用程序处理数据、用统计思维理解数据” 的初步意识。教学设计采用“理论讲解+上机实践”相结合的方   式，引导学生完成基础数据处理任务，为后续统计分析和建模   课程奠定工具基础。

2

统计学原理与应用

本课程是本微专业的核心课程，主要讲授统计学的基本概念、 基本原理和基本方法。课程内容包括数据类型与统计调查、描 述统计、概率基础、抽样分布、参数估计、假设检验、方差分 析和回归分析基础等。课程重点在于培养学生运用统计方法认 识数据、分析数据和解释结果的能力。教学设计采用“理论讲 授+案例分析”相结合的方式，突出统计思维训练，使学生掌握 解决实际问题的基本统计路径。

3

数据可视化技术

本课程围绕数据展示与统计结果表达展开，主要内容包括常用  图表设计原理、可视化表达规范、Python 可视化工具的使用， 以及面向分析报告的数据呈现方法。课程重点在于帮助学生将  复杂数据和统计分析结果转化为直观、清晰、有效的图形表达， 提高分析结论的沟通效果。教学设计采用“方法讲解+案例演示 +可视化实训”的方式，引导学生完成图表设计、可视化报告制 作和结果展示训练。

4

机器学习与数据挖掘

本课程主要讲授数据挖掘与机器学习中的基础方法及其统计思 想，包括分类、聚类、回归、模型评估与特征选择等内容。课 程重点介绍常用算法的基本原理、应用场景和实现方法，帮助 学生理解机器学习方法与统计建模之间的关系。教学设计坚持 “原理适度、应用导向、案例驱动”的思路，通过真实数据训 练，提升学生从数据中提取规律、构建模型和评价模型效果的 能力。

6

量化投资实践

本课程是本微专业的综合实践课程，属于金融行业场景下的统 计应用训练。课程主要围绕真实或模拟金融数据，开展数据整 理、指标构建、策略检验、结果回测和分析报告撰写等实践内 容。课程重点在于培养学生综合运用数据处理、统计分析、可 视化表达和结果解释的能力。教学设计采用“项目驱动+平台实 训+成果展示”的方式，强调学生在实践中完成从数据分析到问 题解释的完整训练过程。

李江峰

49

博士

副教授

教研室主 任

统计学

统计学原理与 应用，数据可

理学院

江海新

43

博士

讲师

统计学

机器学习与数 据挖掘门

理学院

彭旺明

51

博士

讲师

金融学

量化投资基础 知识

经济学院

简芳洪

43

硕士

讲师

统计学

数据分析基础 与 Python 入 门

理学院