《大数据分析处理（郭永洪慕课版）-整体设计.docx》由会员分享，可在线阅读，更多相关《大数据分析处理（郭永洪慕课版）-整体设计.docx（7页珍藏版）》请在第壹文秘上搜索。
1、课程教学设计课程名称大数据分析处理授课对象课程学分3总学时48课程性质所属系部设计人（团队）审核人批准人课程整体设计一、课程信息课程名称：大数据分析处理课程代码：学分：3学时：48课程类型：授课对象：二、课程目标设计1 .总体目标大数据分析处理课程是大数据技术专业的专业核心课，我校自2017开设该专业以来，这门课程经过了几次调整，目前己经形成了一套基本覆盖大数据分析过程的课程内容和知识架构。本课程以Python程序设计为基础，以大数据分析处理为目标，为后续的数据挖掘技术等课程奠定了重要的基础。课程内容包括大数据分析概述、numpy与PandaS库的使用、数据加载与存储、数据预处理、机器学习、可
2、视化等。本课程既包括完整的理论知识架构体系，又包含以案例为主导的实践操作。旨在培养学生实践操作、抽象思维、逻辑推理、自主获取知识，应用大数据分析处理知识解决实际问题等方面的能力。2 .知识目标(1) 大数据分析概念(2) 大数据分析步骤(3) 大数据分析常用技术(4) NUmPy科学计算基础(5) PandaS统计分析基础(6) 基于PandaS的文件读取(7) 数据清洗(8) 数据合并与转换(9) 数据分组与聚合(10) Scikit-Iearn机器学习(11) 使用统计图表展示数据3 .能力目标(1) 熟练掌握NumPy库的使用方法(2) 熟练掌握Pandas库的使用方法(3) 熟练掌握数
3、据读取与写入的方法(4) 熟练掌握使用Pandas库实现数据预处理(5) 熟练掌握使用Pandas库实现数据合并与转换(6) 熟练掌握使用Pandas库实现数据分组与聚合(7) 熟练掌握使用Skleam实现机器学习(8) 熟练掌握使用matplotlib完成图表展示(9) 质目标(1)养成善于思考、深入研究的良好自主学习的习惯(2)通过项目与案例教学，培养学习者的分析问题、解决问题的能力(3)具有吃苦耐劳、团队协作精神，沟通交流和书面表达能力(4)通过课外拓展训练，培养学习者的创新意识(5)具有爱岗敬业、遵守职业道德规范、诚实、守信的高尚品质(10) 育人目标(I)让学生了解大数据对当今社会的
4、影响，以及这门课在大数据专业中的重要性，使学生对本专业有正确的认识和坚定的信念；(2)培养学生诚实、守信，提高学生在沟通表达、自我学习和团队协作方面的能力；(3)鼓励学生利用自己的所学的专业知识和技能，力所能及地为社会做出贡献；(4)培养学生的工匠精神，在潜移默化中培育社会主义核心价值观，提高综合职业素养，树立社会主义职业精神；(5)培养学生的法制意识和知识产权意识，遵守网络安全法律法规，学会运用法治思维和法律手段维护自身权利；(6)培养学生的职业道德，不得在程序中嵌入非法或不安全代码，不使用非法或非合理渠道获得程序代码，绝不利用自己的技能去从事危害公众利益的活动。三、课程教学内容设计序号内容
5、模块名称主要的教学方法学时1单元1大数据分析概述一体化42单元2numpy科学计算基础i体化83单元3pandas统计分析基础体化84单元4数据读取与写入一体化45单元5数据质量与数据清洗一体化46单元6数据合并与数据转换一体化47单元7数据分组与数据聚合一体化48单元8SCikit-Iearn机器学习一体化49单元9使用统计图表展示数据一体化8合计48四、能力训练项目设计编号能力训练项目名称能力训练任务名称拟实现的能力目标相关支撑知识训练方式手段及步骤结果（可展示）1单元1大数据分析概述任务1、大数据分析概念、流程、技术了解大数据分析的基本概念1.大数据分析的概念；2.大数据分析流程；3.大
6、数据分析常用技术教师讲解2任务2、python如何处理大数据掌握Python第三方库的配置方法1.Python第三方库的配置方法；2.数据分析相关的库教师讲解3单元2numpy科学计算基础任务1、创建数组能够使用Numpy创建ndarray数组1.创建数组；2 .ndarray对象的数据类型；3 .数组运算教师演示、学生练习程序提交4任务2、NUmPy通用函数能够使用NumPy的通用函数进行数据处理；1. NUmPy通用函数；2. 利用NumPy数组进行数据处理；3. NumPy的线性代数模块教师演示、学生练习程J?提交5单元3pandas统计分析基础任务1、Series和DataFrame能
7、够能够使用Pandas分别创建Series对象和DataFrame对象1.数据类型和数据结构；2. 创建Series；3. 创建DataFrame教师演示、学生练习程序提交6任务2、排序与统计能够实现切片；能够使用Pandas实现统计与排序1 .DataFrame索引与切片；2 .数据排序方法；3 .数据统计方法教师演示、学生练习程序提交7单元4数据读取与写入任务1、文件读取和写入能够使用Pandas实现文件读取1. Pandas文件读取；2. Pandas文件写入教师演示、学生练习程序提交8任务2、Pandas数据库操作能够使用Pandas实现数据库操作Pandas数据库操作教师演示、学生练
8、习程序提交9单元5数据质量与数据清洗任务1、数据质量管理理解数据质量管理的概念数据质量管理的概念教师讲解10任务2、数据清洗能够使用Pandas处理缺失值、重复值、异常值1.缺失值处理；2.重复值处理；3.异常值处理教师演示、学生练习程J?提交11单元6数据合并与数据转换任务1、堆叠与连接使用Pandas实现堆叠与连接1. Pandas数据堆叠；2. Pandas数据连接教师演示、学生练习程序提交12任务2、映射转换与离散化使用Pandas实现转换、离散化、随机抽样1 .数据映射转换；2 .数据离散化；3 .哑变量；4 .数据随机抽样教师演示、学生练习程序提交13单元7数据分组与数据聚合任务1
9、、数据分组使用Pandas实现数据分组1. groupby();2. Series分组；3. DataFrame分组教师演示、学生练习程序提交14任务2、数据聚合数据分组数据聚合1. agg聚合；2. transform聚合；3. apply聚合教师演示、学生练习程序提交15单元8scikitIearn机器学习任务1、使用sklearn处理数据能够使用sklearn实现简单的机器学习1.使用sklearn处理数据；2.预处理；3.降维教师演示、学生练习程序提交16任务2、数据挖掘与建模理解数据挖掘概念；能够实现简单的建模案例1.数据挖掘的概念；2 .构建聚类模型；3 .构建分类模型；4 .构建
10、回归模型教师演示、学生练习程序提交17单元9使用统计图表展示数据任务1、基本图表类型了解常用图表类型；了解matplotlib基础语法1 .数据可视化概述；2 .基本图表类型；3 .InatPIotIib基础语法教师讲解18任务2、使用matplotlib绘制常见图表能够使用matplotlib绘制常见图表与子图1 .绘制常见图表；2 .创建子图教师演示、学生练习程序提交19任务3、Seaborn与Pyecharts能够使用Seaborn绘制图表；能够使用Pyccharts绘制图表；1. Seaborn可视化方法；2. pyecharts常用函数教师演示、学生练习程序提交五、课程考核方案设计本
11、课程注重学生平时学习过程，考核由态度性考核、技能性考核、知识性考核3部分组成，这3部分的考核具体比例如下：1 .态度性考核20%：包括平时考勤，课堂提问，作业提交情况等。2 .技能性考核40%：包括学生课堂实践的完成情况，提交程序的质量。3 .知识性考核40%：理论考试成绩，满分为100分。六、教材、资料1 .教材大数据分析处理郭永洪、贺萌，人民邮电出版社，2024年2月第1版2 .参考书(1)Python数据分析与应用黄红梅张良均，人民邮电出版社，2018年4月第1版(2)利用Python进行数据分析WesMcKinney,机械工业出版社2014年1月第1版(3)Python3爬虫、数据清洗
12、与可视化实战零一等，电子工业出版社2018年3月第1版七、课程实施必备的教学环境条件1 .教学软件Windows10,Pycharm,AnaConda3及其相关软件开发包。2 .教学场地和设施要求该课程要求在教学做体化的环境下完成，因此要求安装多媒体教学软件，以实现“教、学、做“合一，方便下发教学任务和资料、收集学生课堂实践任务，以及教师演示和优秀小组汇报。八、第一节课梗概1 .介绍实验室常规管理制度和设备使用规范，要求学生遵守规则;2 .介绍课程的重要性；3 .介绍课程总体目标及其总体安排，介绍课程的考核方式；4 .简单介绍大数据分析的概念；5 .介绍Pylhon语言开发环境的搭建方式；6 .介绍PyCharm,Anaconda3,比较它们之间的差别；7 .要求每一位同学在自己的电脑上安装并熟悉开发环境。
