《大数据案例选讲》课程教学大纲

《大数据案例选讲》教学大纲课程名称：大数据案例选讲课程编号：1212英文名称：Casesinbigdata学时：32学时 学分：2学分开课学期：第5学期适用专业：数据科学与大数据技术课程类别：理论课程性质：专业核心课先修课程：Python程序设计、数据采集与清洗、算法设计与分析、数据挖掘与机器学习一、课程的性质及任务《大数据案例选讲》课程是数据科学与大数据专业学生的专业核心课，该课程主要介绍数据的应用领域概览，涵盖金融、医疗、电商、交通等常见领域的初步介绍。本课程具有很强的实践性，通过具体的实验案例驱动教学，对多个领域的大数据案例进行综合对比分析，探讨大数据应用中的普遍挑战和解决方案，并通过小组汇报和全班讨论的形式进行交流和总结。依据河北工程大学数据科学与大数据专业培养计划，本课程需要培养学生的能力是：能够将数据科学与大数据技术相关知识用于大数据工程问题解决方案的比较与综合（毕业要求指标1.4）能够站在环境保护和社会可持续发展的角度思考大数据工程实践的可持续性，评价产品周期中可能对人类和环境造成的损害和隐患。（毕业要求指标7.2）能够主动与其他学科背景的成员合作开展工作（毕业要求指标9.2）二、课程目标与要求2.1课程目标1、本课程的目的是提高学生对大数据的发展、基本原理和基本概念的理解。2、培养学生计算思维和研究办法以及发现、辨析和解释科学计算与数据科学领域基本现象的能力。3、通过实验、课程设计和项目制作等环节，使学生理解并掌握神经网络与深度学习关键技术。4、以团队合作方式让学生了解目前常用大数据算法，了解学科发展前言，培养学生自我更新知识的能力。5、掌握信息数据分析的基本方法，培养学生数据分析能力。6、通过课程项目的实践应用，培养学生问题发现与解决能力。7、培养学生书面表达与口头答辩能力。8、培养学生个人分工与团队合作能力。

神经网络与深度学习教学大纲PAGE16PAGE2542.2课程目标与毕业要求对应关系课程目标毕业要求二级指标毕业要求12345678●●●1-4能够将数据科学与大数据技术相关知识用于大数据工程问题解决方案的比较与综合。1.工程知识应用能力：具有扎实的数学与自然科学知识和工程基础，系统地掌握数据科学与大数据技术领域的基本理论、基础知识，并综合运用所学知识解决复杂工程问题。●●7-2能够站在环境保护和社会可持续发展的角度思考大数据工程实践的可持续性，评价产品周期中可能对人类和环境造成的损害和隐患。7.环境和可持续发展：具有环境保护和可持续发展意识，能够理解和评价针对大数据应用领域的复杂工程问题的工程实践对环境、社会可持续发展的影响。●●●●9-2能够主动与其他学科背景的成员合作开展工作。9.个人和团队：具有健康的体魄和良好的综合素质，能够正确理解多学科背景下团队中个体、团队成员以及负责人的角色，并承担其责任与义务。2.3课程目标与培养环节对应矩阵序号课程目标理论教学课内实验课后作业1本课程的目的是提高学生对大数据的发展、基本原理和基本概念的理解。HL2培养学生计算思维和研究办法以及发现、辨析和解释科学计算与数据科学领域基本现象的能力。HL3通过实验、课程设计和项目制作等环节，使学生理解并掌握神经网络与深度学习关键技术。HL4以团队合作方式让学生了解目前常用大数据算法，了解学科发展前言，培养学生自我更新知识的能力。HL5掌握信息数据分析的基本方法，培养学生数据分析能力。MH6通过课程项目的实践应用，培养学生问题发现与解决能力。MM7培养学生书面表达与口头答辩能力。MM8培养学生个人分工与团队合作能力。HL注：H表示该能力的在此环节重点培养；M表示该能力在此环节有应用要求；L表示该能力在此环节有所涉及。Python程序设计课程教学大纲PAGE2PAGE2622.4目标达成度的评价1、课程目标1、2、3、4主要通过理论教学环节进行培养，在课后作业中有所涉及。主要通过课堂测试、课后作业和期末考试中概念性、原理性题目进行考核。目标达成综合以上内容进行评价。2、课程目标5主要通过理论教学环节、课后作业进行培养，在课内实验有应用要求。目标达成综合以上内容进行评价。3、课程目标6主要通过理论教学环节进行培养。目标达成综合以上内容进行评价。4、课程目标7主要通过理论教学环节进行培养，在课后作业、课内实验有应用要求。目标达成综合以上内容进行评价。5、课程目标8主要通过课内实验培养，在课后作业中有所涉及。目标达成综合以上内容进行评价。三、教学方法及手段理论教学以课堂讲授为主，面向基础知识的准确、扎实掌握，突出对原理的分析、对方法的总结以及理论体系的完整建立；课程强调学生的自主学习，强调通过自学的方式消化、吸收课程的庞大知识量，并在此基础上举一反三。四、课程的基本内容与教学要求一、课程导入（2课时）1.大数据的基本概念与发展趋势-详细阐述大数据的定义、特点和关键技术-介绍大数据的发展历程和未来展望-举例说明大数据对社会经济的影响2.数据分析的流程与方法-讲解大数据采集、存储、处理、分析和可视化的全流程-介绍常见的大数据分析方法，如数据挖掘、机器学习等二、金融领域大数据案例（4课时）1.银行客户信用评估与风险管理-介绍银行利用大数据评估客户信用的指标和模型-分析信用风险的管理策略和大数据的作用-案例：某大型银行的信用评估实践2.证券投资中的大数据应用-讲解利用大数据进行股票投资的策略和算法-探讨如何基于大数据预测市场趋势-案例：某证券机构的投资决策分析3.保险行业的大数据创新-研究保险产品设计和定价中的大数据应用-分析保险理赔中的欺诈检测方法-案例：某保险公司的大数据驱动创新4.金融监管与合规中的大数据-介绍金融监管机构如何运用大数据进行监管-探讨金融机构合规管理中的大数据挑战-案例：金融监管部门的大数据监管实践三、医疗领域大数据案例（4课时）1.医疗数据的整合与管理-讲解医疗数据的来源、类型和整合方法-探讨医疗数据的质量控制和标准化-案例：某医疗机构的数据管理平台2.疾病诊断与预测模型-介绍基于大数据的疾病诊断技术和预测算法-分析临床数据在疾病诊断中的应用-案例：某医院的疾病诊断系统3.医疗影像的大数据分析-研究医疗影像数据的处理和分析方法-探讨深度学习在医疗影像诊断中的应用-案例：某医学影像中心的大数据应用4.公共卫生与健康管理中的大数据-介绍大数据在公共卫生监测和健康管理中的作用-分析人口健康数据的应用价值-案例：某地区的公共卫生大数据项目四、电商领域大数据案例（4课时）1.用户行为分析与个性化推荐-讲解如何通过大数据分析用户行为-介绍个性化推荐系统的原理和算法-案例：某知名电商平台的用户行为分析2.电商营销与精准广告投放-探讨大数据在电商营销中的策略和方法-分析精准广告投放的技术和效果评估-案例：某电商企业的营销活动案例3.供应链优化与库存管理-研究电商供应链中的大数据应用-介绍库存管理的优化模型和算法-案例：某电商巨头的供应链管理实践4.电商平台的竞争分析与策略制定-分析电商平台之间的竞争态势和数据驱动的竞争策略-探讨市场份额和用户忠诚度的大数据分析-案例：某新兴电商平台的崛起策略五、交通领域大数据案例（4课时）1.智能交通系统的大数据架构-介绍智能交通系统中的数据采集和传输技术-讲解大数据架构在交通领域的应用-案例：某城市的智能交通系统建设2.交通流量预测与拥堵治理-研究交通流量预测的模型和方法-探讨拥堵治理的大数据策略和措施-案例：某城市的交通拥堵治理方案3.公共交通的优化与调度-介绍公共交通线路规划和调度的大数据方法-分析乘客需求预测和资源配置-案例：某公交公司的优化调度实践4.物流运输的大数据解决方案-探讨物流运输中的路径规划和成本优化-介绍物流大数据平台的建设和应用-案例：某物流企业的大数据应用六、能源领域大数据案例（4课时）1.智能电网中的大数据应用-讲解智能电网的数据采集和监控系统-分析电力负荷预测和能源管理的大数据方法-案例：某地区的智能电网建设2.石油与天然气行业的大数据分析-介绍石油勘探、开采和炼化中的大数据应用-探讨能源市场的预测和风险管理-案例：某石油公司的大数据项目3.可再生能源的大数据监测与评估-研究太阳能、风能等可再生能源的监测和评估方法-分析大数据在能源效率提升中的作用-案例：某新能源企业的大数据应用4.能源消费的大数据洞察与政策制定-探讨基于大数据的能源消费行为分析-介绍能源政策制定中的数据支持和决策依据-案例：某国家的能源政策制定七、工业领域大数据案例（4课时）1.制造业的质量控制与预测性维护-介绍制造业中大数据在质量控制方面的应用-讲解预测性维护的原理和大数据算法-案例：某汽车制造企业的质量控制体系2.工业供应链的大数据优化-研究工业供应链中的数据驱动优化策略-分析供应商评估和库存管理的大数据方法-案例：某电子制造企业的供应链优化3.智能制造中的大数据与人工智能融合-探讨智能制造中大数据与人工智能的结合应用-介绍工业机器人和自动化生产线的数据分析-案例：某高端装备制造企业的智能工厂4.工业4.0时代的大数据战略-分析工业4.0背景下大数据的战略意义和实施路径-探讨企业数字化转型中的大数据挑战和机遇-案例：某传统制造业的数字化转型之旅八、综合案例分析与讨论（4课时）1.跨领域大数据案例综合比较-选取多个跨领域的大数据应用案例进行详细对比-分析不同领域在数据处理、应用场景和价值创造方面的异同2.大数据应用的挑战与解决方案-探讨大数据应用中面临的数据质量、隐私保护、安全等挑战-研究相应的技术和管理解决方案-小组讨论与交流3.大数据未来发展趋势与创新应用展望-展望大数据技术的未来发展方向，如量子计算、边缘计算等对大数据的影响-探讨新的大数据创新应用场景和潜在机会-头脑风暴与创意分享五、课程学时分配讲次授课章节内容学时分配讲课实验上机设计其他1课程导入22课程导入23金融领域大数据案例24金融领域大数据案例25医疗领域大数据案例26医疗领域大数据案例27电商领域大数据案例28电商领域大数据案例29交通领域大数据案例210交通领域大数据案例211能源领域大数据案例212能源领域大数据案例213工业领域大数据案例14工业领域大数据案例15综合案例分析与讨论16综合案例分析与讨论注：实验课由实验教师负责协调安排时间，原则上安排在课堂教学结束后、考试之前一周以上完成。七、课程考核与成绩评定7.1考核方式考核环节包括课程学习过程考核和期末考试，其中课程过程考核占总成绩的40%，分别由课堂表现、课后作业、实验情况进行评定；期末考试成绩占总成绩的60%。各环节的比重如下。考核环节比重合计过程考核（平时成绩）课堂表现20%40%作业20%期末成绩期末测试60%60%总计100%100%7.2考核内容及要求本课程为考试课。考核内容及分值分配如下。考核方式考核内容分值课程目标总分值期末考核60%对大数据基础概念的理解2～4目标1100分对各个行业的理解2～5目标2、7大数据如何应用在各行各业中5～15目标5、6、7对大数据在各个行业应用的理解5～15目标3选题完成情况5～10目标5、6团队协作10～20目标4、5、6个人表现5～15目标4、5、6文档整体写作情况15～30目标4、5、6过程考核40%课堂表现课堂测试、出勤情况15目标1、2、3、4、5、6、715分课后作业作业完成情况15目标2、3、4、6、715分7.3成绩评定1.课堂表现课堂表现总分15分，由课堂测试与课堂出勤情况评定。其中，课堂测试满分10分，以客观题（填空、选择、判断）为主，每学期随堂测试15~20次，每次测试1~2道题目，每答错一道题目扣0.5分（直到扣满10分为止）；课堂出勤满分5分，缺勤一次扣1分，迟到或请假扣0.5分。2.课后作业课后作业总分15分，由作业完成情况评定。每学期布置作业5次，每次作业占3分，评分标准如下；评分标准分值标准描述课后作业3能够按时认真完成作