本科课程教学大纲《数据科学导论》.docxVIP

《数据科学导论》教学大纲 课程及教师基本信息 课程名称 （中/英文） 数据科学导论 introduction to data science 学分 4+2 总学时 17×4=68 是/否含实验（实践）教学环节 是 实验（实践）教学环节学时 4（折算2学分） 课程编号周学时 4 课程性质 学科基础 授课对象 理科实验班 授课教室 / 授课时间 星期二（1-2） 星期五（7-8） 先修课程 要求 高等数学、高等代数、概论论与数理统计 任课 教师 信息 姓名 覃雄派 职称 讲师 办公时间及地点:星期一至星期五，9:00am-5:00pm 办公电话： 邮箱地址： 助教 信息 姓名：/ 助教办公（答疑或辅导）时间： 习题课地点、时间：星期五（11-14） 助教联系电话、邮箱地址：/ 考核 方式 平时考核 占总考核 比例 （ 60%） 考核类型 课程作业 研讨交流 期中考试 占总考核 比例 / / / 期末考核占总考核比例 （ 40%） 请写明具体的考核形式，如开卷考试、闭卷考试、论文写作等。强调诚信考试。见如下说明。 注1：平时考核（ 100%）＝15%平时作业 +15%project1流数据处理/结构化数据分析+15%project2文本分析 +15%project3图数据分析； 2：平时考核应占总成绩的40-70%。 考核办法说明： 本课程的考核分为三个方面，包括平时上机实践、3个大作业(即流数据处理/结构化数据分析、文本分析、图数据分析)和期末闭卷考试。 平时上机实践，学生必须完成上机练习题目，并提交上机实验报告；大作业锻炼学生综合运用所学知识、解决复杂问题的能力；期末考试考查学生对知识点的掌握和灵活运用能力。 最终成绩的计算按照平时成绩:大作业1:大作业2:大作业3:期末成绩=15:15:15:15:40的比例产生。 二、任课教师简介 三、课程简介 课程简介： “数据科学导论”是一门入门课程，同时也是“数据科学”课程群统领式的课程，把学生引进数据科学的大门。它的目标有两个：一个是扩展学生在数据科学方面的视野培养兴趣，另一个是为学习后续课程打下坚实的基础，培养数据科学家。 教学内容分为四大模块，分别是基础（base）模块、关系数据/流数据处理（relational stream）模块、文本数据处理和分析（text）模块、图数据处理和分析（graph）模块。 基础模块为后续的3个实践模块的基础，内容包括： 概念：数据科学概论，主要介绍数据科学的基本概念、大数据及其价值、数据处理的全生命周期，包括数据的采集和获取、数据预处理/清洗和集成、数据管理、数据分析、可视化和解释等； 方法：包括各种数据模型、数据处理的不同模式（批处理和流式处理）、通用的数据分析方法、数据可视化等； 平台和工具：包括分布式计算与大数据平台（Hadoop Spark）以及Python语言。其中Python语言部分，包括对Python语言基础以及Python的几个重要的库（数据预处理库pandas、机器学习库Scikit-Learn、可视化库Matplotlib）的介绍。 基础模块的内容划分如表1所示。 表1 数据科学导论课程内容的基础模块构成 子模块 内容 base1 数据科学概论、数据处理的全生命周期（从数据到大数据，再到大数据应用） base2 数据科学语言Python与数据可视化入门 base3 分布式计算与大数据平台Hadoop/Spark，解决大数据的规模(volume)问题 base4 各种数据模型、通用的数据分析方法入门，解决大数据类型多样(variety)的问题 base5 数据处理的不同模式（批处理和流式处理），数据清洗和数据质量保证、数据集成，解决大数据速度快(velocity)和类型多样(veracity)的问题 关系数据/流数据处理模块提供两个选项，可以根据需要进行选择。第一个选项侧重于介绍大数据的实时流式处理，内容包括流式处理基础、流式处理工具和流式处理应用，可以选择Storm作为典型流式数据处理系统加以介绍，大作业（project）部分可以针对传感器数据，实现实时汇总和可视化。第二个选项侧重于介绍关系模型、SQL语言以及分布式大数据多维分析（OLAP），工具部分可以选择MySQL以及SQL on Hadoop系统加以介绍，会用即可，大作业部分可以针对销售数据进行多维分析以及可视化。 文本数据处理和分析模块介绍相关的处理平台和分析工具，引导学生使用相关的工具实现文本的获取、处理、分词、索引与检索、分类、可视化等关键任务。大作业部分基于短文本数据实现垃圾信息的自动过滤。 图数据处理和分析模块依赖于GraphX on Spark平台（工具）或者Neo4J数据库，对图数据进行创建、查询、路径分析、Pag