原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
《大数据分析技术应用》课程标准
课程名称：大数据分析技术应用
学分：4
计划学时：72
适用专业：大数据技术
1.前言
1.1课程性质
《大数据分析技术应用》课程是大数据技术专业的专业核心课，在大数据技术与应用专业课程体系中占有重要位置。其前导课程为《程序设计基础》、《大数据统计分析基础》、《数据采集与预处理》。本课程的定位是使学生掌握大数据分析过程和基础方法，培养学生使用Python进行数据获取、数据处理和数据可视化展现，通过上机实践掌握对不同领域、不同来源、不同类型数据的分析与预测能力。通过本课程的学习，学生不仅可以更好地理解Python数据分析中的基本概念，还可以运用所学的数据分析技术，完成相关的数据分析项目的实践。
1.2设计思路
传统课程的教学只是针对软件工具的操作方法进行讲授，理论知识点讲完后，学生进行软件工具的操作实验以及完成课后练习，知识点多而散，到最后一学期下来，学生只会编写简单的程序和工具的使用，不会灵活的综合各知识点进行软件开发实践，无法真正将所学的知识应用到实际的开发过程中。在信息时代，提倡把“知识”放在问题中，放到现实中，让学生通过收集信息、分析信息、处理信息和运用信息，主动地探索、发现、体验和解决问题，从而培养获取新知识和利用知识进行创新的能力。
为了提高学生的技能和改变以前的教学情况，信息技术系大数据教研室经过多年的教学模式研究以及培养方案探索，认为项目式、模块化教法更加契合高职需求。本课程要求体现一周项目、学期工程等模块化教法改革，建立可视化的里程碑，激发学习兴趣、提升教学效果。因此，课程整体设计以项目应用为导向，把机器学习相关的知识点嵌入相应的项目实训中，让学生明确如何利于所学的知识来解决问题，通过项目实训和课堂实训巩固所学知识，符合高职学生的认知规律。倡导实施“教、学、做、训”的一体化教学，掌握好知识的同时，能很好的应用所学知识和所学技能，最终使学生切实掌握大数据分析技术，培养学生成为面向社会的实践型人才。
本课程总课时为72学时。通过融入经典的数据分析案例和详尽的实践指导步骤，有利于学生的理解与学习。该课程理念要求充分的调动学生思考和动手能力，先做后教，精讲多练，实验课时约占到了总课时的2/3以上，使学生在“做中学、学中探”，课程均在计算机房完成。
2．课程目标
2.1总体目标
通过任务引领型的项目活动，旨在使学生掌握大数据技术的基本知识和综合实践技能，包括数据准备、数据清洗、数据筛选、数据处理与分析、数据可视化展现、机器学习等内容；还包括第三方工具包的使用，主要有数据分析包(NumPy、Pandas)、绘图包(matplotlib)、机器学习包(sklearn)。最终通过一个个简化的仿真项目，使学生在认知和实际操作上，对大数据关键技术有一个整体的认识和理解，并掌握使用Python语言技能。倡导学生在“做中学”，为提高学生的职业能力奠定良好的基础。
2.2具体目标
通过理论和实践教学，使学生掌握Python在大数据分析技术中的常用工具和方法，并培养良好的大数据关键技术应用能力。
2.2.1知识目标
熟悉数据统计与分析基本流程；
熟悉Python语言在数据分析上的应用；
了解从不同的途径获取数据的方法，包括数据库、文本文件、图片文件等；
了解NumPy中对矩阵运算、数组处理、简单计算的函数应用；
掌握Pandas中标准数据模型的高效操作，包括数据预处理、数据分析；
掌握Matplotlib中拆线图、柱状图、饼图、散点图以及其他专业图形的画法和各项属性设置，实现可视化展现；
了解机器学习方法的分类及应用场景；
掌握回归的基本概念及线性回归、多项式回归方法的应用。
2.2.2能力目标
能从实际需要出发，完成大数据技术综合应用开发环境部署，能从不同的途径获取大数据，并掌握对大数据进行清洗、筛选、分析与预测、以及大数据可视化展现的能力，最终能对大数据的结果进行分析与评估。
2.2.3素质目标
具备刻苦钻研的中国工匠精神、举一反三及创新思维；
具备综合实践能力和良好的实际动手能力；
具备集体协作能力、沟通能力和演讲能力，实事求是的学风、严谨的学习态度；
具备严谨的工作作风和劳动精神。
3.课程内容与要求
序号
教学任务
课程内容及教学要求
教学设计
参考学时
1
Python与数据分析基础
1、了解数据、数据分析的基本概念
理论讲授、
上机实训、应用巩固、总结提高
6
2、掌握数据分析的基本过程、作用及常用工具
3、掌握Python语言的基本语法
4、掌握Python流程控制语句的使用方法
5、掌握Python函数与类的使用方法
6、掌握数据结构、流程控制语句和函数的综合运用
2
Python数据采集
1、掌握从文件中读取数据
理论讲授、上机实训、应用巩固、总结提高
9
2、了解从Exc
文档评论（0）