Python大数据应用基础教学大纲.docVIP

PAGE 《Python大数据应用基础》 教 学 大 纲 院（系、部）: 教研室: 日 期: 20XX年9月20日 目 录 TOC \o 1-3 \h \u 2436 一、 课程简介 1 13852 二、 教学目的和要求 1 24000 三、 教学中应注意的问题 1 25792 四、 教学内容 2 872 五、 教学课时分配 9 17442 六、 教材与参考书目 10 PAGE 1 PAGE 1 一、 课程简介 课程名称：Python大数据应用基础 课程编号： 课程性质：必修 适用专业：非计算机专业 前导课程：无 考核方式：考试 建议学时：48 二、 教学目的和要求 通过本课程的学习，使得学生能够理解Python的编程模式，熟练运用Python列表、元组、字典、集合等基本数据类型以及相关列表推导式、切片等特性来解决实际问题，熟练掌握Python分支结构、循环结构、函数设计以及类的设计与使用，熟练使用Python读写文本文件与二进制文件，了解Python程序的调试方法，熟练运用Python编写面向对象程序，掌握Numpy+Pandas进行数据预处理和数据分析的基本用法，掌握使用matplotlib进行数据可视化的用法，掌握Scikit-learn进行机器学习的基本用法。 在教学和学习过程中，应充分发挥Python语言的优势，从最简单、最直观的思路出发，尽快解决问题。不建议在底层语言细节上花费太多时间。 三、 教学中应注意的问题 Python编程模式中非常重要的一条是代码简单化、问题简单化，同时应保证代码具有较强的可读性。在教学过程中，尽量避免在Python程序中带有其他编程语言的痕迹，要尽量从最简单的角度去思考和解决问题、实现自己的想法和思路，尽量多使用Python内置函数、标准库对象和合适的扩展库对象，保证代码的优雅、简洁，让代码更加Pythonic。 使用Python编程解决问题应充分借鉴和使用成熟的标准库和扩展库，尽量避免自主编写完整的业务逻辑，部分具体操作完全可以使用扩展库来实现，大幅度提高开发效率。例如：如果需要进行排序则直接使用内置函数或方法进行排序，切不可再使用选择法排序、冒泡法排序或堆排序等排序算法来编写代码实现；计算最大公约数应习惯于使用math标准库的gcd()函数；对数据进行随机乱序应使用random标准库中的shuffle()函数；从给定数据集中随机选择元素应使用random标准库中的choice()函数等等。 大数据模块部分的理论知识可以不深入讲解，同时可以增加这部分内容的实践课程。 四、 教学内容 TOC \o 1-3 \h \u 第1章 大数据及Python概念 1.1 大数据的发展和现状 教学重点：大数据技术支撑、发展历程和国内外发展现状，主要突出我国已将大数据作为基础战略资源，大数据发展前景光明。此处建议融入思政内容。 1.2 大数据的概念 教学重点：什么是大数据以及大数据的四个特点：数据量大（Volume）、数据类型繁多（Variety）、处理速度快（Velocity）和价值密度低（Value）。 1.3 大数据的应用 教学重点：大数据在各个领域的应用情况，此处可以融入思政内容。 1.4 大数据的关键技术 教学重点：大数据技术主要涉及数据采集、数据存储和管理、数据处理和分析、数据安全和隐私保护等几个方面。 1.5 大数据分析的现状和步骤 教学重点：通过了解大数据分析的现状，可知目前大数据分析人才的紧缺。大数据分析的步骤是获取数据后进行机器学习。 1.6 Python在大数据应用中的重要性 教学重点：Python 的包装能力、可组合性、可嵌入性都很好，可以把各种复杂性包装在 Python 模块里，利用接口就可以完成复杂的数据处理操作。 1.7 Python与数据分析的关系 教学重点：Python是粘合剂，面向生产的，且具有强大的数据分析第三方库。 第2章 Python基础知识 2.1 Python概述 教学重点：Python的发展历史与特点，下载、安装和使用Python，及下载、安装和使用集成开发环境Anaconda3。 2.2 基础数据类型 教学重点：数字类型包括布尔型、整型、浮点型和复数等；字符串界定方法。数字和字符串的简单使用， 2.3 常量和变量 教学重点：不需要事先声明变量名及其类型，变量命名规范，数字大小无限制。 2.4 运算符与表达式 教学重点：同一个运算有不同含义，关系运算符和逻辑运算符的惰性求值特点。 2.5 常用内置函数用