统计学专业大数据分析与处理课程规划-数据分析论文-计算机论文 .pdfVIP

统计学专业大数据分析与处理课程规划-数

据分析论文-计算机论文

——文章均为WORD文档，下载后可直接编辑使用亦可打印——

关键词：大数据分析与处理；课程规划；Python；课程教学

1大数据背景

大数据时代已经到来，在商业、经济及其他领域中基于数据和分

析去发现问题并做出科学、客观的决策越来越重要[1]。大数据从各领

域的专业角度来看，大致可以从两个方面来理解：一是大数据体现在

数据的量、类型及产生速度上，不仅数据海量，还包含着各种半结构

化数据和非结构化数据；二是在数据处理流程中，利用常规的统计软

件已经无法对当今的数据进行及时有效的存储、分析及运用[2]。在数

据的搜集上，相对于传统的普查及抽样等调查取得一手数据和通过非

调查手段获得的二手数据，大数据时代的来临使数据搜集方式变为在

线互联网数据库获取的二手数据；在数据分析上，统计学方法采取的

是对样本数据的有目的的建模，而大数据分析技术则是通过云计算平

台，对大数据进行挖掘[2]。此外，大数据分析技术将帮助企业用户在

合理时间内获取、管理、处理以及整理海量数据，为企业经营决策提

供积极的帮助,而数据分析作为一门前沿技术，广泛应用于物联网、

云计算、移动互联网等战略新兴产业[3]。有实践经验的数据分析人才

已经成了各企业争夺的热门，而与此发展趋势不相协调的则是高校相

关专业毕业生在大数据方向上基础薄弱，真正掌握大数据管理、分析

和产品研发等相关技术的人才极度匮乏[2]。为了推动我国大数据的发

展，满足日益增长的数据分析人才需求，我校特面向统计学专业学生

开设大数据分析与处理课程。

2课程规划与设计

2.1培养对象和目标

对于统计学专业学生来说，要想成为一个兼具统计学专业知识和

大数据分析技能的合格人才，需要具备以下基础：一是完整的数学和

统计学知识体系，以专业理论知识为基础，理解处理数据时采用的相

关模型；二是具备搜集数据的能力，包括传统的抽样调查和从互联网

上抓取数据；三是具有计算编程的能力，以实现Hadoop、Hive等计

算工具在大规模多源异构数据上的处理[4]，特别地，应该掌握最兼容

的脚本语言Python。通过大数据分析与处理课程的学习，使统计学专

业学生不仅能利用Python进行科学计算、可视化绘图、数据预处理，

还能利用聚类、回归、分类等算法对实际问题进行分析与建模，将理

论知识与实践运用相结合，为将来从事数据分析和挖掘研究工作奠定

基础。

2.2课程规划思路

本课程的规划主要拟从以下几个方面展开：一是结合统计学专业

学生的基础，考虑其对课程的接受程度，选择和安排合适的课程教学

内容和教学方式。在课堂教学过程中，深入浅出地讲解理论知识，特

别地，要避免课堂上枯燥乏味的数学论证，同时需结合实例交叉进行，

以激发学生学习与探索的兴趣。二是将理论与实践相结合，合理分配

理论学时与实验学时。配合课程的理论知识与实例，安排学生进行上

机实验，利用Python实现相关实例的操作与验证。三是补充练习与

案例讨论部分，并在课程结束时安排课程设计环节。除了教材内的案

例，适当补充当前生活中出现的具有代表性新案例，与时俱进；也可

将学生进行分组，每个小组选择一个感兴趣的新案例进行深入分析与

探讨，以强化学生综合运用知识、融会贯通的能力。

2.3课程教学内容安排

本课程拟采用黄红梅和张良均编写的教材《Python数据分析与应

用》。在教学过程中，将采用理论与实践相结合的教学方法，侧重于

培养学生的动手分析能力，因此，在总共40学时的课程学习中，安

排理论课时16课时，实验课时24课时。在理论学习中，通过任务引

入概念、原理和方法；在实验上机练习中，充分地利用现有的硬件资

源和网络资源，发挥学生的主观能动性，指导学生使用NumPy进行

科学计算，利用matplotlib进行基础图形绘制以实现数据可视化，使

用pandas进行统计分析和数据预处理，使用sklearn进行建模，同时

结合三个典型的综合案例，引导学生将所学知识与企业需求相结合，

将知识活学活用[3]。课程学时分配如表1所示，具体的理论教学内容

如表2所示。

2.4教学效果评价与考核方式

对统计学专业学生来说，大数据分析与处理这门课程侧重于培养

学生解决实际问题的能力，而教学效果体现在学生平时上机实验与课

程设计中的动手操作能力，因此，该课程的考核方式设置为考查，学

生的成绩由平时实验作业、课堂出勤以及课程设计三部分构成，占比

为4:2: