大数据分析处理（郭永洪慕课版）-授课计划.doc

课程授课计划

课程名称

大数据分析处理

授课班级

课程总学时

48

任课教师

教研室

制定日期

大数据分析处理授课计划

授课

计划

计划日期

课时

授课内容

作业布置

教学方法和手段

周

月/日

1

4

单元1：大数据分析概述

1.1大数据分析的概念

1.2大数据分析流程

1.3大数据分析常用技术

1.4python如何处理大数据

课后习题

理论讲授

实践操作

2

4

单元2：numpy科学计算基础

2.1创建数组

2.2ndarray对象的数据类型

2.3数组运算

课后习题

实践任务

理论讲授

实践操作

3

4

单元2：numpy科学计算基础

2.4NumPy通用函数

2.5数组统计与排序

2.6线性代数模块

课后习题

实践任务

实践操作

4

4

单元3：pandas统计分析基础

3.1数据类型和数据结构

3.2创建Series

3.3创建DataFrame

课后习题

实践任务

理论讲授

实践操作

5

4

单元3：pandas统计分析基础

3.4DataFrame索引与切片

3.5Pandas数据排序方法

3.6Pandas数据统计方法

课后习题

实践任务

实践操作

6

4

单元4数据读取与写入

4.1TXT文件读写

4.2CSV文件读写

4.3Excel文件读写

4.4MySQL读写

课后习题

实践任务

理论讲授

实践操作

7

4

单元5数据质量与数据清洗

5.1数据质量管理

5.2缺失值检测与处理

5.3重复值检测和处理

5.4异常值检测和处理

课后习题

实践任务

理论讲授

实践操作

8

4

单元6数据合并与数据转换

6.1数据堆叠

6.2数据合并

6.3数据映射转换

6.4数据离散化

课后习题

实践任务

理论讲授

实践操作

9

4

单元7数据分组与数据聚合

7.1数据分组

7.2数据聚合agg、apply、transform

课后习题

实践任务

理论讲授

实践操作

10

4

单元8scikit-learn机器学习

8.1机器学习概念

8.2使用sklearn处理数据

8.3数据集预处理和降维

8.4回归模型分析与预测

8.5分类模型分析与预测

8.6聚类模型分析与预测

课后习题

实践任务

理论讲授

实践操作

11

4

单元9使用统计图表展示数据

9.1数据可视化概述

9.2基本图表类型

9.3matplotlib基础语法

9.4绘制常见图表

课后习题

实践任务

理论讲授

实践操作

12

4

单元9使用统计图表展示数据

9.5创建子图

9.6Seaborn可视化方法

课后习题

实践任务

实践-操作