《《数据分析技术与应用》教学大纲.docx》由会员分享，可在线阅读，更多相关《《数据分析技术与应用》教学大纲.docx（6页珍藏版）》请在课桌文档上搜索。
1、数据分析技术与应用教学大纲适用楚困：202X版本科人才培养方案课程代码:08150591课程性质：专业选修课学分：2学分学时：32学晡（理论16学时，实验16学时）先修课程：数期摩原理及应用后续课程：无适用专业：软件工程开课单位：计算机科学与技术学院一、课程说明学数据分析技术与应用:J是软件工程专业的一门专业选脩郡.本课程主要数据分析技术以及常见的应用场景,为未来从事数据相关技术工作打下必要的基础.本课程注重框架性知识拓展,常用技术的实操学习.促进培养视野广播.落地能力强的人才.二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：了解数据分析的概念和应用，掌握数据分析技术的方法和流程
2、，能筋根据场景选择合适的数据分析及应用.课程目标2：熟悉挈握主流集成开发环境的功能、特点及使用方法，进一步掌握数据可视化工具的操作,数据可觇化的模型搭建.数据检榭的常用算法能好使用现代化的工具完成数据分析.课程目标3：理解数据分析的场景，锻炼数据分析能力，能誉利用好数据分析能力，I可时还要培养学生自主学习能力、自我管理能力、沟通能力、组织协调能力、市场开拓懑识、比争意识和团队协作相神，使学生既具备较高的业芬森质，又具有良好的职业道德精神和敬业精神：让学生在学好专业知识的同时.不断增强科技强国的使命感.三、课程目标与毕业要求4数据分析技术与应用3课程教学目标对软件工程专业毕业要求的支掠见表k表1
3、课程教学目标与毕业要求关系毕业要求指标点僵程目标支撑S1.工程知火1.3能助利用工程知识、专业知识和数学模型方法对软件工程领域亚杂工程何起进行系统分析，提出解决方案,并健筋对课程目标1：了解数据分析的概念和应用,掌握数据分析技术的方法和流程,旋鲂根据场景选择合适的数据分析及应用.M解决方案的合理性和更杂性进行我定、比较与交流。3.设计/开发解决方案3.2能筋对特定应用问题进行建模，设计解决方案,并按照规他进行软件工程开发.课程目标3：理解数据分析的场景，锻炼数据分析能力，能够利用好数据分析能力，同时还要培界学生自主学习能力、自我管理能力,沟通能力、组织协调能力、市场开拓意识、竞争意识和团队协作
4、精神.使学生既具得较高的业务索质，又具有良好的职业道律相神和敬业精神。H5.使用现代工具5.2能够针对不同的工程需求,开发、选择与使用相应的技术、资源与工具,时软硬件系统进行分析、设计、开发、测试与维护.课程目标2：熟悉掌握主流集成开发环境的功能、特点及使用方法,进一步掌握数据可视化工具的操作.数据可视化的模型搭建.数据小掏的常用算法,能够使用现代化的工具完成数据分析。M注，表中-H（AXM（中）”表示课程与相关毕业要求的关联度.四、教学内容、基本要求与学时分配I.理论部分理论部分的教学内容、基本要求与学时分配见表2。2教学内容、基本要求与学时分配教学内容教学要求，我学值点难点理论学时融学时对
5、应的*程目标1.数据分析技术发展与场景应用1.1 数据分析技术发展史1.2 数据分析技术的应用场景1.3 数据分析技术和应用场景的搭配教学要求：使学生至握数非分析技术的发展,常用的使用场景,以及能够做道常用场景中的技术构建.重点I各个技术特点难点：技术的选择标准441、2、32.常用的数据分析2.1 数据分析技术的应用2.2 数据可视化工具2.3 数据检掘和分析教学要求，使学生了讲数据分析技术的应用环境.学会常见的可视化方式和数据挖掘方式.点：数据可觇化工具的操作，数据可视化的怏鞭搭建，数据挖捌的常用算法难点，可视化布局.常用算法881、2、33.数据分析的场景和过程3.1 数据分析的标准过程
6、3.2 数据分析思维教学襄求：Hf学生了解数据分析的标准过程和每个过程的注意点，掌握常见的数据分析思维和应用逻辑,从而掌樨常见的数据分析场景的分析设计.点：数据治理的标准，数据分析的方式方法难点I数据分析的过程设计.441、2、3合计16162,实骐部分实验部分的教学内容、基本要求与学时分配见表3。表3实项目、实内注与学时实验项目实验内容和要求实验学时对应的课程目标1.数据清洗与预处理实脸实验内容：对数据进行标准化或归化处理，以使后续分析实验要求，使用适当的可视化工具展示清洗前后的数据时比,说明数据清洗的效果。422.数据可视化与探索性分析实5金实验内客：选择个包含多个变量的数据集,使用数据可
7、视化工具（如Matp1.ot1山、Seaborn等绘制柱状图、折践图、故点图等，展示数据的分布情况。进行探索性分析，计算数据的描述性统计fit如均值、中位数、标准差等.实验襄求：解拜图友中展示的数据分布和玲势，提出对数据集的初步理解.423.关联规则挖掘实验实验内容：收集个包含物物篮数据的专售数据集.使用关联规则挖掘算法（如Apriori豫法）挖掘商品之间的关联规则。据挖提结果，分析商品之间的关联关系，如哪些商品经常一起被明买.实9要求，解择校榭到的关联规则并讨论它力在市场营销中的应用价值.424,基于机器学习的预测模型构建实验实验内容，选择个适合进行预测分析的数据集，如股票价格数据集.对数据
8、佻进行特征选择和特怔工程,提取对预刈目标行影响的特征,使用机器学习算法（如践性回归、支持向量机、随机森林等）构建预测模型.使用交叉脸证评估模盘的性能.调整模型参数以优化预测效果.实验要求；提交一份包含模型构建过程、性能评估结果和模型优化策珞的详细报告。讨论模型在预测任务中的表现，提出改进模型性能的建议。4216五、教学方法及手段本课程以课堂讲授为主，结合讨论、案例、视频资源共享、实蛤等教学手段完成课程教学任务利M1.美能力的培养.学生比较全面地理解数据分析技术的诞生背景与发展路规，在掌握数据分析技术概念基础上.具有进行初步应用能力.在实验教学环节中.通过启发式教学、讨论式教学培养学生大数楙概念
9、和数据分析的基本理论、基本知识和域本技能。培养学生自主学习能力、实际动手能力，激发学生的创新思维。六、课程资源1 .推荐教材：(1)罗倩倩著FincBI数据可视化分析(M.北京：电子工业出版社,2021.01：2 .参考书：(1)陈为.数据可视化(第二版)M.北京:电子工业出版社.2019.03：(2)张杰,Pymon数据可视化之笑:专业图去绘制指南全彩M.北京：电子工业出AStt.2020.03(3)高博.Python数据分析与可视化从入门到精通M北京：北京大学出版社，2020.()33 .期刊：(I)冷超线.周橙旻.基于世界人口变化趋势数据的可视化分析U1.南京林业大学学报：人文社会科学版
10、.2019.I9(4:44-52.(2)馔冬昕.郁舒兰.可视化工具对比分析以地理信息可视化功能为例J1艺术科技.2019(3):68-69.(3)Wa1.ker,JeffreyD.AnIntcracuveDaiaVisua1.izationFrameworkforExp1.oringGeospa(ia1.EZnvironnientaIDatase1.SandMode1.Predictions(J).Wa1.er2020.!2(IO).2928.(4)温泰彬,方苑.企业社会或任与财务绩效关系的实证研究一利益相关者视角的面板数据分析J,中国工业经济,2008(10):11.(5)而绍华,安宇.坦丁
11、大数据的管道系统数据分析模型及应用国油气储运，2015,34(10):6.4 .网络资源：(1)帆歌社区.https:(2)天池大数据.hups:IianC4c885d9bk2747k.(3) Kagg1.e.七、课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末大作业成绩两部分构成,具体考核/评价细则及对深程目标的支律关系见表4。表4课程考核对黑程目标的支撑考核环节占比考核/评价蒯则课程目标123过程性考核10（1根据课堂出勤情况和课堂仲1答问题情况进行考核，滴分100分.（2以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩.VVJ442实验20（1）根据每个实骁的实验操作完成
12、情况和实骁报告陆量单独评分，满分100分：（2）每次实验单独评分.取各次实验成绩的平均值作为此环节的最终成绩.（3）以实验成绩乘以其在总评成绩中所占的比例计入课程总评成绩，20作业10（1）主要考核学生对各章节知识点的显习、理解和掌提程度，满分100分:（2）邮次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩.442期末考核60（1）期末大作业成绩100分,以卷曲成绩乘以其在总评成绩中所占的比例计入课程总评成绩.（2主要考核数据分析产品的使用和场景完成等内容.252510合计：100分335314八、考核与成绩评定1 .考校方
13、式及成绩评定考核方式：本课程主要以课堂表现、实验、作业、期末大作业等方式对学生迸行考核评价.考核基本要求：考核总成绩由期末大作业和过程性考核成绩组成.其中：期末大作业成绩为100分（权重6Si）；课堂表现、实验、作业等过程性考核成绩为I（W分（权重40%）；过.程性考核与教学大纲各章节的学时基本成比例。2 .过程性考核成较的标准过程性考核方式审点考核内容、评价标准、所占比重见表5.*5过程性考核方式评价标准核式明方所占比重100”,9090x8080x7070x60x60修叁划I25笔记完整，积极参与教笔记完整.认真参与笔记不完整，偶尔参上课不认.上课上课不认真,上课不学活动，撕跃回答问题,准
14、确率大于9（限教学活动，回答问题准确率大于80%,与教学活动,回答问题准确率大于70%。不记笔记，偶尔参与教学活动。记笔记，不赛与教学活动.作业完整，思路清晰，准确率大于90%.字迹工整.作业完整，不交作业2不交作业不交作业5作业25准确率大于80%.字次以内，准确率大于1次以内，准确率大次以上，准确率小于迹工整.70.于60%.60%.实脸预习认真，俄鲂熟实脸前有预习，能修掌握方法与步骤实验操作过程正确、规范,遵规守纪、团结协作，实验结果正确、讨论适当实验前有预实验前有颈习，不练掌握方法习，暴本能能掌握方没有预习，与步骤，实第掌握方法法马步不能完成实验操作过程与步骤.实骤,实脸舱：实验操CA熟练、规慈,验操作过程操作过程作步骤有英tOv遵规守纪、拓本正确、基本正误：实验结团结协作，无协作，实确，无协果不正确，实验结果详实、结论消险结果基本正确.讨论作，实验结果基本没有分析讨论晰、讨论合理一般正确，无讨论
