《大數據分析創(chuàng)新》教學大綱

《大數據分析創(chuàng)新》教學大綱適用范圍：202X版本科人才培養(yǎng)方案課程代碼：08170101課程性質：專業(yè)創(chuàng)新選修課程學分：2學分學時：32學時（理論16學時，實驗16學時）先修課程：Python程序設計后續(xù)課程：無適用專業(yè)：數據科學與大數據技術、數字媒體技術開課單位：計算機科學與技術學院一、課程說明《大數據分析創(chuàng)新》是數據科學與大數據技術和數字媒體技術等相關專業(yè)的專業(yè)創(chuàng)新課。該課程通過項目化教學，注重高級知識的綜合應用，讓學生“在解決問題中學習”，將這種學習理念運用本課程中，即“任務驅動”教學模式，使學生全面掌握大數據分析的原理和應用范圍，對大數據分析的應用有較為全面的認識；使學生學會在工作中運用大數據技術提高工作效率。最終培養(yǎng)能夠運用大數據技術進行綜合創(chuàng)新的復合型人才。本課程共由四個模塊組成，分別是：數據獲取模塊、數據存儲模塊、數據分析模塊和數據可視化模塊。四個模塊包含十個項目，分別是：天氣預報：數據感知技術、清洗“臟”數據：數據預處理、數據的安身之所：數據庫技術、泰坦尼克號災難中的生存之道：數據分析、預測未知：基本機器學習方法、計算機“看懂”圖像：圖像分類方法、計算機“讀懂”文字：文本分類方法、從抽象到具體：數據可視化技術、邀你見證大數據的美：動態(tài)可視化技術、化零為整：大數據案例分析。通過這十個項目的學習，使學生掌握大數據分析的整個生命周期：采集、存儲、分析、顯示；掌握數據分析工程的創(chuàng)新設計能力；熟練運用大數據分析的相關工具。二、課程目標通過本課程的學習，使學生達到如下目標：課程目標1：了解機器學習中算法的分類，掌握大數據分析課程中四個模塊的基本方法，對于給定的大數據挖掘任務，能夠合理分析任務類型，選取最佳機器學習算法完成數據挖掘任務。課程目標2：分小組完成項目，培養(yǎng)團隊合作的能力。小組首先自選項目，然后按照大數據分析的四個模塊分派任務，任務完成后進行小組匯報。課程目標3：了解大數據概念、大數據基礎知識、大數據處理的全生命周期，掌握數據挖掘的開發(fā)流程及管理方法，具備基本的項目管理和開發(fā)能力。課程目標4：培養(yǎng)學生的數字媒體思維能力，熟悉數字媒體技術是新時代對人才的新要求，具備從數字媒體角度分析未來的發(fā)展趨勢，樹立終身學習觀念，主動適應社會發(fā)展，做對社會、對國家有用之人。三、課程目標與畢業(yè)要求《大數據分析創(chuàng)新》課程教學目標對數據科學與大數據技術和數字媒體技術專業(yè)畢業(yè)要求的支撐見表1。表1課程教學目標與畢業(yè)要求關系畢業(yè)要求指標點課程目標支撐強度4.研究4.1能夠基于科學原理并采用科學方法對數數字媒體技術領域問題進行分析。課程目標1：了解機器學習中算法的分類，掌握大數據分析課程中四個模塊的基本方法，對于給定的大數據挖掘任務，能夠合理分析任務類型，選取最佳機器學習算法完成數據挖掘任務。H9.個人與團隊9.1具備團隊協(xié)作精神，能夠與團隊其他成員進行積極有效的溝通。課程目標2：分小組完成項目，培養(yǎng)團隊合作的能力。小組首先自選項目，然后按照大數據分析的四個模塊分派任務，任務完成后進行小組匯報。M11．項目管理11.2掌握數字媒體技術領域項目的設計、開發(fā)流程和管理方法，具備基本的項目管理能力。課程目標3：了解大數據概念、大數據基礎知識、大數據處理的全生命周期，掌握數據挖掘的開發(fā)流程及管理方法，具備基本的項目管理和開發(fā)能力。M12終身學習12.2養(yǎng)成正確的生活、學習習慣，具備良好的身心素質，為自身知識和能力的持久發(fā)展提供身心保障。課程目標4：培養(yǎng)學生的數字媒體思維能力，熟悉數字媒體技術是新時代對人才的新要求，具備從數字媒體角度分析未來的發(fā)展趨勢，樹立終身學習觀念，主動適應社會發(fā)展，做對社會、對國家有用之人。M注：表中“H（高）、M（中）”表示課程與相關畢業(yè)要求的關聯(lián)度。四、教學內容、基本要求與學時分配1.理論部分理論部分的教學內容、基本要求與學時分配見表2。表2教學內容、基本要求與學時分配教學內容教學要求，教學重點難點理論學時實驗學時對應的課程目標1天氣預報：數據感知技術1.1數據獲取原理；1.2獲取獲取數據技術。教學要求：使學生理解數據感知原理，掌握獲取感知數據技術。重點：理解數據感知原理；難點：掌握獲取感知數據技術。141、32清洗數據：數據預處理2.1數據預處理的原理；2.2數據預處理的方法教學要求：使學生理解數據預處理的涵義，掌握數據預處理代碼的開發(fā)；重點：數據預處理的技術原理。難點：數據預處理編碼。11、33數據的安身之所：數據庫技術3.1數據庫技術相關概念；3.2數據庫的增刪改查方法；教學要求：了解和回顧數據庫技術相關概念，掌握基本的數據庫中數據的增刪改查方法。重點：數據庫的增刪改查方法。難點：數據庫技術相關概念。21、34.泰坦尼克號災難中的生存之道：數據分析4.1數據分析的基本流程；4.2數據關聯(lián)性分析實例；教學要求：使學生掌握數據分析的基本流程，掌握數據關聯(lián)性分析。重點：數據分析的基本流程和技術原理。難點:數據分析的工程實踐。241、35.預測未知：基本機器學習方法5.1機器學習的概念和分類；5.2分類算法的概念和方法；教學要求：使學生掌握機器學習的基本流程，掌握分類算法的基本方法。重點：掌握機器學習的基本概念和流程。難點:掌握分類算法的原理和方法。21、46.計算機“看懂”圖像：圖像分類方法6.1卷積神經網絡概念；6.2圖像分類模型和方法。教學要求：使學生了解卷積神經網絡概念，掌握圖像分類模型和方法。重點：卷積神經網絡的基本原理；難點:圖像分類模型和技術方法。241、47.計算機“讀懂”文字：文本分類方法7.1自然語言處理的基本概念；7.2分詞方法；7.3文本分類方法。教學要求：使學生了解自然語言處理的基本概念；掌握文本分類方法；重點：自然語言處理的基本概念；難點:文本分類方法。21、48.從抽象到具體：數據可視化技術8.1數據可視化的基礎概念；8.2數據可視化的基本方法；8.3簡單的數據可視化界面。教學要求：使學生了解自然語言處理的基本概念；掌握文本分類方法；重點：自然語言處理的基本概念；難點:文本分類方法。241、3、49.邀您見證大數據的美：動態(tài)可視化技術（1）動態(tài)可視化方法；（2）動態(tài)可視化方法常用工具。教學要求：使學生了解動態(tài)可視化方法，熟悉動態(tài)可視化方法常用工具；重點：動態(tài)可視化方法；難點:動態(tài)可視化實現步驟。11、310.化零為整：大數據案例分析10.1基于實際項目的大數據案例分析；10.2綜合大數據項目中的關鍵技術；教學要求：使學生理解理解大數據系統(tǒng)項目的基本組成；重點：大數據項目開發(fā)的生命周期；難點:大數據項目的系統(tǒng)架構。11、4合計16162.實驗部分實驗部分的教學內容、基本要求與學時分配見表3。表3實驗項目、實驗內容與學時實驗項目實驗內容和要求實驗學時對應的課程目標1.數據采集與預處理實驗內容：數據采集與預處理。實驗要求：掌握數據采集與預處理的基本操作方法。41、22.統(tǒng)計分析與機器學習實驗內容：統(tǒng)計分析與機器學習。實驗要求：掌握統(tǒng)計分析的基本概念和方法；熟練機器學習的步驟和方法。41、23.高級機器學習分析實驗內容：高級機器學習分析實驗。實驗要求：了解大數據平臺數據挖掘架構；理解并掌握基本數據挖掘方法。41、24.數據可視化實驗實驗內容：數據可視化實驗。實驗要求：了解數據可視化場景與基本原理；理解數據可視化基本方法；掌握基本的數據可視化的應用。41、2合計16五、教學方法及手段本課程以課堂講授為主，將教學內容項目化處理，采用啟發(fā)式、討論式教學和案例教學等，促進學生積極思考，開發(fā)學生的潛能，培養(yǎng)學生思考問題、分析問題和解決問題的能力；以“少而精”為原則，精選教學內容，精講多練，安排學生小組報告，鞏固課堂所學知識；課程利用豐富的線上資源，提供靈活的自主學習平臺。在實驗教學環(huán)節(jié)中，圍繞教學項目和大數據分析的生命周期構建實驗項目。在每個實驗項目中使用現實數據集，結合案例教學使學生掌握基本理論、基本知識和基本技能，培養(yǎng)學生自主學習能力、實際動手能力，激發(fā)學生的創(chuàng)新思維。在實驗前學生應復習和掌握與本實驗有關的教學內容；在實驗中要嚴格遵守實驗紀律，按操作規(guī)程使用儀器；實驗結束后，按規(guī)定對儀器進行維護保養(yǎng)；每完成一項實驗，要認真完成一份實驗報告。六、課程資源1.推薦教材（1）林子雨.大數據導論[M].北京:人民郵電出版社,2020.（2）薛志東.大數據技術基礎[M].北京:人民郵電出版社,2018.2.參考書（1）呂云翔.大數據基礎及應用[M].北京:清華大學出版社,2016.（2）王振武.大數據挖掘與應用[M].北京:清華大學出版社,2017.（3）王國胤.大數據挖掘及應用[M].北京:清華大學出版社,2017.（4）陳為.數據可視化（第2版）[M].北京:電子工業(yè)出版社,2019.（5）明日科技.Python數據分析從入門到實踐[M].吉林:吉林大學出版社,2022.3.期刊（1）孫國道,楊雨璠,潘翔等.流行病數據可視分析綜述[J].計算機學報,2022,45(03):601-623.（2）王弘毅,徐奚嬌,龔家瑜.大數據軟件的質量模型分析[J].信息技術與標準化,2022(08):46-49.（3）丁伶敏,呂建友.探討云計算中大數據的MapReduce處理方法[J].物聯(lián)網技術,2014,(9):86-88.（4）PuneetM,JunliX,HovdeKL,etal.META-PLSmodelling:Anintegratedapproachtoautomaticmodeloptimizationfornear-infraredspectra[J].AnalyticaChimicaActa,2022,1221.（5）楊一帆,鄒軍.數字孿生技術的研究現狀分析[J].應用技術學報,2022,22(02):176-184,188.4.網絡資源（1）計算機技術博客園./.（2）CSDN.中國軟件開發(fā)者論壇./.（3）51CTO./art/201610/519026.htm.七、課程考核對課程目標的支撐課程成績由過程性考核成績和期末考核成績兩部分構成，具體考核/評價細則及對課程目標的支撐關系見表4。表4課程考核對課程目標的支撐考核環(huán)節(jié)占比考核/評價細則課程目標123過程性考核課堂表現12（1）根據課堂出勤情況和課堂回答問題、課堂測試情況進行考核，滿分100分。（2）以平時考核成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?44實驗30（1）根據每個實驗的實驗操作完成情況和實驗報告質量單獨評分，滿分100分；（2）每次實驗單獨評分，取各次實驗成績的平均值作為此環(huán)節(jié)的最終成績。（3）以實驗成績乘以其在總評成績中所占的比例計入課程總評成績?！獭獭?205小組匯報18（1）要求學生分組進行項目匯報，主要考核學生各章節(jié)知識點的理解和掌握程度，滿分100分；（2）包括小組內評，小組間評，教師評分，取各項成績的加權和作為此環(huán)節(jié)的最終成績?！獭獭?66期末考核40（1）大作業(yè)100分，將階段性成果匯總成一個完整的大數據分析的作品。（2）主要考核大數據分析的整個生命周期的熟練掌握和靈活應用能力?！獭獭?51510合計：100分304525八、考核與成績評定1.考核方式及成績評定考核方式：本課程主要以課堂表現、實驗、小組匯報、期末大作業(yè)等方式對學生進行考核評價?？己嘶疽螅嚎己丝偝煽冇善谀┐笞鳂I(yè)成績和過程性考核成績組成。其中：期末大作業(yè)成績?yōu)?00分（權重40%）；課堂表現、實驗、小組匯報等過程性考核成績?yōu)?00分（權重60%）；過程性考核與教學大綱各章節(jié)的學時基本成比例。2.過程性考核成績的標準過程性考核方式重點考核內容、評價標準、所占比重見表5。表5過程性考核方式評價標準考核方式所占比重(%)100>x≥9090>x≥8080>x≥7070>x≥60x<60課堂表現20積極參與教學活動，踴躍回答問題，準確率大于90%。認真參與教學活動，回答問題準確率大于80%。偶爾參與教學活動，回答問題準確率大于70%。上課不認真，偶爾參與教學活動，回答準確率大于60%.。上課不認真，不參與教學活動。實驗50實驗預習認真，能夠熟練掌握方法與步驟，實驗操作過程熟練、規(guī)范，遵規(guī)守紀、團結協(xié)作，實驗結果詳實、結論清晰、討論合理實驗前有預習，能夠