0923S06005-基于Python的大数据分析.docxVIP

PAGE3

ADDINCNKISM.UserStyle《基于Python的大数据分析》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

0923S06005

开课单位

数学与信息科学学院

课程名称

（中文）基于Python的大数据分析

（英文）BigDataAnalysisbasedonPython

课程性质

必修

考核类型

考试

课程学分

3

课程学时

51

课程类别

专业发展课程（专业核心课）

先修课程

程序语言设计、数据结构、离散数学

适用专业（类）

数据科学与大数据技术

二、课程描述及目标

（一）课程简介

《基于Python的大数据分析》课程是本专业（类）的一门学科基础课程，

本课程以学生掌握Python在数据分析领域的实际应用为目的，概括了数据获取、数据预处理、数据分析、数据可视化以及机器学习相关算法等基本理论与相关技术。课程前三章节简要介绍数据分析相关概念和Python的基础语法知识，明确学习者对基本理论知识的明晰掌握；课程四五章节详细介绍数据采集及抓取方法，课程六至九章基于数据分析与可视化，介绍了numpy、matplotlib、pandas、pyecharts等相关扩展库的使用方法；课程第十章介绍了机器学习相关算法及sklearn库的使用；课程十一至十二章精选综合案例，使学习者在项目中综合运用实践前期的知识，进一步巩固所学内容。

（二）教学目标

通过本课程的学习，使学生系统地掌握数据分析的主要步骤，数据获取、数据处理、数据分析、数据可视化以及机器学习过程为脉络，融合实用案例，使得学习者由浅入深，在掌握理论基础知识的同时实践能力进一步得到提高。

课程目标1：通过本课程的学习使学生建立数据分析的整体概念；

课程目标2：通过本课程的学习掌握数据获取、数据处理、数据分析、数据可视化以及机器学习过程；

课程目标3：通过本课程的学习为学生从事复杂数据分析、开发、研究和应用工作提供必要的理论支撑和实践训练。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-2：能熟练使用计算机（包括常用语言、工具以及一些专用软件），具有基本算法分析、设计能力和较强的编程能力，能够将计算方法编程实现、进行数值实验能力，具有一定的信息科学研究和软件开发的能力；

课程目标1

0.6

2-2：具有大数据有哪些信誉好的足球投注网站、收集、清洗等基本数据处理能力、大数据统计分析及深度挖掘能力；

课程目标1

课程目标2

0.2

2-3：具有运用现代信息技术进行文献检索、分析、整理归纳的能力，熟悉预研报告、可行性分析报告、研究方案设计、实验报告及论文撰写规范，能够针对复杂工程问题，开发、选择与使用适当的技术、资源、现代工具和信息技术工具；

课程目标3

0.1

3-4：具有一定数学建模和利用计算机解决实际问题的能力，具有一定的大数据处理和分析能力。

课程目标2

课程目标3

0.1

四、教学方式与方法

教学方式：课堂讲授、课堂讨论、实验验证等。

教学方法：充分发挥多媒体教学法的优势，通过图表展示、动画演示等直观地演示硬件工作过程及相关设计过程与实现方法；选择一到两个授课内容，尝试进行启发式教学和案例式教学；结合实验课教学内容，将理论知识通过实践操作加以印证，深化对知识的理解程度。

理论知识以课堂讲授为主，辅以适当的课堂提问、课堂讨论。所学理论知识必须与实践相结合。在基本分析和设计方法指导下，以分析和设计一个数据库应用软件作为教学任务和目标，用阶段性的任务和目标来引导学习，使其贯穿整个教学过程。

五、教学重点与难点

（一）教学重点

数据分析的方法和工具，numpy数组和标量的运算和向量化，matplotlib数据可视化与科学计算可视化，pandas高级操作。

（二）教学难点

pandas的层次索引，pyecharts绘图方法，使用sklearn扩展库对相关数据分析的实现过程。

六、教学内容、基本要求与学时分配

序号

教学内容

基本要求

学时

教学

方式

对应课程目标

1

第1章数据分析与Python概述

数据分析、数据挖掘的基本概念及相关术语，详细介绍了数据分析的基本步骤。展示了Python第三方库的获取和安装方法。

6

讲授

课程目标1

2

第2章Python基本语法

Python的基本语法，如Python的格式、数据类型。介绍了语言的三种基本控制结构和函数的定义及使用。

4

讲授

课程目标1

3

第3章组合数据类型

Python的内置数据类型——组合数据类型。本章简要介绍了组合数据类型的基本概念，详细介绍了序列类型、集合类型和映射类型的基本概念和使用。

8

讲授

课程目标3

4

第4章本地数据采集和操作

常用的数据文件格式以及相应的操作，包括txt、xlsx、csv、json文件的操作和SQLite数据库操作。

4