《大数据基础课程设计》教学大纲

《大数据基础课程设计》教学大纲适用范围：202X版本科人才培养方案课程代码：08160184课程性质：集中实践课学分：2学分周数：2周先修课程：无并修课程：大数据基础、Python程序设计后续课程：数据采集与预处理、数据可视化等适用专业：数据科学与大数据技术开课单位：计算机科学与技术学院一、课程说明《大数据基础课程设计》是数据科学与大数据技术专业的一个重要实践性环节，是数据科学与大数据技术专业学生在大数据基础等课程学习后进行全面、系统、深入的实践性教学，培养学生了解大数据相关概念，理解大数据获取、存储、分析、可视化等相关技术。将为学生学习大数据架构、数据挖掘、数据可视化等课程及从事工程技术工作、科学研究以及开拓新技术领域打下坚实的基础。二、课程目标通过课程设计，使学生达到如下目标：课程目标1：理解大数据领域的基本概念、背景和发展趋势，掌握大数据处理中常用的工具、技术和平台，熟悉大数据处理的整体流程和步骤；能基于科学原理和采用科学方法，对数据科学和大数据技术领域相关问题的研究路线进行初步的甄别和判断，并能初步设计相关的实验方案，解决大数据领域的一些简单的实际问题。课程目标2：掌握数据获取、存储、分析、可视化等技术的基本原理与方法，能够针对具有特定需求的大数据技术问题进行提炼和描述，确定相应的工程设计目标与技术方案，熟悉大数据相关产业的技术标准体系和法律法规。课程目标3：融会贯通大数据技术的理论和方法，应用大数据技术到多学科领域问题中，掌握大数据应用项目的设计流程，具备基本的数据科学与大数据技术领域项目管理能力。课程目标4：在课程设计过程中，培养同学们的团队协作精神，每位同学都要与团队其他成员进行积极有效的沟通，分工协作，完成课程设计的总体目标。三、课程目标与毕业要求《大数据基础课程设计》课程教学目标对数据科学与大数据技术专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支持强度4．研究4.2能够基于科学原理并采用科学方法对数据科学与大数据技术领域相关问题选择研究路线，并设计实验方案。课程目标1：理解大数据领域的基本概念、背景和发展趋势，掌握大数据处理中常用的工具、技术和平台，熟悉大数据处理的整体流程和步骤；能基于科学原理和采用科学方法，对数据科学和大数据技术领域相关问题的研究路线进行初步的甄别和判断，并能初步设计相关的实验方案，解决大数据领域的一些简单的实际问题。H6．工程与社会6.1了解数据科学与大数据技术领域复杂工程问题的社会性因素与社会影响，熟悉大数据相关产业的技术标准体系、知识产权、产业政策和法律法规，能够合理分析大数据工程与社会、健康、安全、法律及文化之间的关系。课程目标2：掌握数据获取、存储、分析、可视化等技术的基本原理与方法，能够针对具有特定需求的大数据技术问题进行提炼和描述，确定相应的工程设计目标与技术方案，熟悉大数据相关产业的技术标准体系和法律法规。M9．个人与团队9.1具备团队协作精神，能够与团队其他成员进行积极有效的沟通。课程目标4：在课程设计过程中，培养同学们的团队协作精神，每位同学都要与团队其他成员进行积极有效的沟通，分工协作，完成课程设计的总体目标。M11．项目管理11.1了解工程管理的基本原理与经济决策方法，理解其中相关工程与产品生命周期管理和成本管理，并应用于多学科环境中。课程目标3：融会贯通大数据技术的理论和方法，应用大数据技术到多学科领域问题中，掌握大数据应用项目的设计流程，具备基本的数据科学与大数据技术领域项目管理能力。M注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点课时安排对应的课程目标1.查阅资料，方案分析、比较教学要求：采用多媒体授课，向同学们介绍大数据生命周期的全流程，让同学们明确本次课程设计的任务，下达任务书。学生根据任务书查阅资料、熟悉本次课程设计要用到的相关知识和资料。重点：大数据生命周期的全流程。难点：明确本次设计的目标，确定自己的设计题目。2天1、2、42.总体设计教学要求：根据本次课程设计目标，对自己的课题进行总体设计，明确数据需求、目标和方法。重点：明确设计思路。难点：明确设计思路。1天1、2、3、43.数据获取与预处理教学要求：根据总体设计要求，获取数据，并进行数据预处理。重点：数据获取。难点：数据预处理。2天1、2、44.数据分析教学要求：根据问题要求，选择适合的数据分析算法，对数据进行分析和挖掘。重点：数据分析处理。难点：方案的选择。2天1、2、3、45.数据可视化教学要求：选用合适的数据可视化展示方案，对处理的数据进行展示，要求准确、直观、生动。重点：数据可视化图表的绘制难点：选择合适的数据可视化图表1天1、2、3、46.课程设计报告教学要求：撰写课程设计报告，要求有项目概述、需求分析、总体设计、详细设计和实现。重点：详细设计和实现难点：详细设计和实现1天1、2、3、47.答辩教学要求：答辩是考核课程设计是否达到基本要求和相应水平的关键环节，是教师对学生论文的一次会诊和指导。教师提问的内容包括选题、代码设计、运行结果展示、算法的设计、课程设计报告的设计等。重点考察学生课程设计报告的质量，设计过程中的态度。同时检查设计创新性、工作量、有无违反学术规范现象等，提出改进意见。重点：相关流程规范、算法原理与思路设计的整体考核。难点：课程设计质量的检验。1天1、2、3、4合计10天（2周）五、教学方法及手段由于课程内容与生产实践紧密结合，学习者应根据课程设计大纲和任务书，以自学为主、教师讲授为辅，深入掌握大数据处理全流程的基本方法，并具备解决简单数据处理问题的能力。六、教材和参考书1.教材(1)林子雨.大数据导论[M].北京:人民邮电出版,2020.(2)薛志东.大数据技术基础[M].北京:人民邮电出版社,2018.2.参考书(1)周勇,杨倩.数据采集与预处理[M].西安:西安电子科技大学出版社,2022.(2)魏伟一.Python数据挖掘与机器学习[M].北京:清华大学出版社,2021.(3)刘礼培.Python数据可视化实战[M].北京：人民邮电出版社,2021.七、课程考核对课程目标的支撑课程成绩由：学习态度、工作量、设计能力、设计说明书（报告书）和回答问题情况五部分构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节分值考核/评价细则课程目标1234学习态度10(1)主要考核学生学习纪律和答疑情况。(2)教师根据课堂整体表现情况评分。√√√√2332工作量10完成设计任务的比例√√√433设计能力40(1)主要考核学生完成设计任务情况。(2)教师根据完成任务情况评分。√√√√1015105设计说明书（报告书）30(1)主要考核学生描述实现过程及结果的情况。(2)教师根据说明书内容进行评分。√√√101010回答问题情况10(1)主要考核学生答辩自述和回答问题情况。(2)教师根据答辩自述情况和回答问题正确性与否进行评分。√√√343合计：1002935297八、考核与成绩评定1.考核方式及成绩评定课程设计采用优、良、中、及格、不及格五级评分制。即90分以上为优，80~89分为良，70~79分为中，60~69分为及格，60分以下为不及格。总成绩分五部分：学习态度、工作量、设计能力、设计说明书（报告书）和回答问题情况。其中：(1)学习态度占10%，无故旷课达3次取消总成绩；(2)工作量占10%；(3)设计能力占40%；(4)设计说明书（报告书）占30%；(5)回答问题情况占10%。在最后一周的最后一天，将进行验收和答辩环节。答辩考核小组由2-3位教师组成，负责评估学生的表现。在答辩过程中，学生需要清晰、简洁地回答教师提出的问题，展现自己的专业知识和能力。2.成绩评定标准考核内容、评价标准、所占比重见表4。表4考核方式评价标准考核方式所占比重(%)100>x≥90（优秀）90>x≥80（良好）80>x≥70（中等）70>x≥60（及格）x<60（不及格）学习态度10学习认真、态度端正，遵守纪律,表现优秀学习认真、态度端正，遵守纪律,表现良好遵守纪律，学习态度良好，表现中等遵守纪律，学习态度一般，表现一般学习纪律较差，表现较差工作量10达到设计工作量要求工作量要求基本达到大部分工作量能完成一半以上工作量能完成完成部分设计能力40独立完成设计任务的90%以上独立完成设计任务的80%以上独立完成设计任务的70%以上独立完成设计任务的60%以上独立完成设计任务的60%以下设计说明书（报告书）30设计方案正确、表达清楚；设计思路、实验（论证）方法科学合理；文档格式规范；达到课程设计规定的要求；设计方案正确、表达较为清楚；设计思路、实验（论证）方法科学合理；文档格式规范；达到课程设计规定的要求；设计方案基本正确、表达较为清楚；设计思路、实验（论证）方法基本合理；文档格式基本规范；基本达到课程设计规