《数据可视化》课程教学大纲

《数据可视化》教学大纲课程名称：数据可视化课程编号：2182英文名称：DataVisualization学时：48学时 学分：3学分开课学期：第6学期适用专业：数据科学与大数据技术课程类别：理论+实践课课程性质：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《数据可视化》课程是数据科学与大数据专业学生的专业核心课，该门课利用图形学和图像处理技术，将数据转换成图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。它涉及到计算机图形学、图像处理、计算机视觉、计算机辅助设计等多个领域，成为研究数据表示、数据处理、决策分析等一系列问题的综合技术。该课程注重于开发满足用户所关注的数据信息，借助于图形化手段，清晰有效地传达与沟通信息。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）掌握基本的大数据开发环境的配置和应用，熟练掌握软件开发语言(如Python、Java语言等)，并能够运用集成开发环境进行复杂程序设计（毕业要求指标5.1）具备使用大数据平台以及软件对复杂工程问题进行仿真的能力，理解其使用要求、运用范围和局限性（毕业要求指标5.3）了解大数据系统工程及产品全周期、全流程的成本构成，理解其中涉及的工程管理与经济决策问题（毕业要求指标11.2）能够在多学科环境下(包括模拟环境)，在设计开发解决方案的过程中，运用工程管理与经济决策方法（毕业要求指标11.3）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数据可视化原理和方法的理解。2、能分析、设计和实施满足给定功能要求的可视化图表。3、通过实验、课程设计和项目制作等环节，以团队合作方式让学生掌握如何根据功能要求提出可视化设计方案、进行可视化系统的课程设计。4、培养学生对现有可视化系统的分析与设计能力。5、培养学生问题发现与解决能力。6、培养学生书面表达与口头答辩能力。7、培养学生个人分工与团队合作能力。8、通过项目全过程训练强化学生的问题抽象、发散思维和实际动手能力。

数据可视化课程教学大纲PAGE16PAGE2292.2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。●●5-1掌握基本的大数据开发环境的配置和应用，熟练掌握软件开发语言(如Python、Java语言等)，并能够运用集成开发环境进行复杂程序设计；5.使用现代工具能力：能够针对大数据应用领域的复杂工程问题，开发、选择与使用恰当的技术、资源、现代信息技术工具，包括对大数据应用领域的复杂工程问题的预测与仿真，并能够理解其局限性。●●●5-3具备使用大数据平台以及软件对复杂工程问题进行仿真的能力，理解其使用要求、运用范围和局限性。●●●●11-2了解大数据系统工程及产品全周期、全流程的成本构成，理解其中涉及的工程管理与经济决策问题。11.项目管理能力：具有一定的项目管理知识和能力，理解并掌握大数据工程管理原理与经济决策方法，并能在多学科环境中应用●●●11-3能够在多学科环境下(包括模拟环境)，在设计开发解决方案的过程中，运用工程管理与经济决策方法。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数据可视化原理和方法的理解。HL2能分析、设计和实施满足给定功能要求的可视化图表。HL3通过实验、课程设计和项目制作等环节，以团队合作方式让学生掌握如何根据功能要求提出可视化设计方案、进行可视化系统的课程设计。HL4培养学生对现有可视化系统的分析与设计能力。HL5培养学生问题发现与解决能力。MH6培养学生书面表达与口头答辩能力。MM7培养学生个人分工与团队合作能力。MM8通过项目全过程训练强化学生的问题抽象、发散思维和实际动手能力。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PAGE2PAGE2352.4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。主要通过课堂测试，课后作业和期末考试考核，在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；理论教学强调将各种算法可视化图形绘制出来，面向知识的实际应用；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第一章绪论从介绍概念和发展简史谈起，探讨数据本身、视觉感知以及可视化美学三个层次的原理，通过介绍经典数据可视化作品，让学生对数据可视化建立初步的认识，培养对该课程的兴趣。本章各节安排如下：1.1小节讲解了数据可视化概念与简史。1.2小节概括数据可视化的基本原理。第二章数据可视化工具与元素本章主要内容分为两个部分：一是介绍数据可视化工具，从集成软件、编程语言以及后期制作三个角度探讨，每个角度介绍三种左右的主流工具，要求学生对这些工具有初步的认识。二是介绍数据可视化元素（视觉编码），并结合数据类型介绍基本的编码组合。本章各节安排如下。2.1节介绍数据可视化工具。2.2节介绍数据可视化元素。第三章结构数据可视化图形介绍常用的数据可视化图形，每一类图形从四个角度探讨：一是图形所对应的数据类型，二是图形所用到的视觉编码元素，三是如何读懂图形，四是Python的图形绘制实践。在第一节和第二节中，还会介绍基于分类变量的分组或分面操作。本章各节安排如下。3.1节介绍基本数据图形。3.2节介绍描述分布图形。3.3节介绍多维数据图形。第四章基于算法模型的可视化分析针对回归、分类和聚类三大机器学习任务和降维方法介绍常用算法或模型的可视化分析，主要从两个角度出发：一是探索性数据分析；二是分析结果的展示。本章各节安排如下。4.1节介绍线性回归模型可视化分析。4.2节介绍决策树算法可视化分析。4.3节介绍聚类算法可视化分析。4.4节介绍降维算法可视化分析。第五章非结构数据可视化介绍常见的非结构数据可视化，如数据的时空关系、社交网络数据和文本数据等。本章各节安排如下。5.1节介绍时间数据可视化。我们常说的时间数据（timedata），有时也称时态数据（temporaldata），简单来说就是指随时间变化的数据时间戳（timestamp）数据表示在某个时间点状态的数据，是大数据时代的典型特征之一，比如网站的网页日志就是典型的时间戳数据时间序列（timeseries）数据，指按照时间顺序把事物的变化发展记录下来的数据，研究随时间变化发展的规律，常用于金融建模和预测本节重点介绍时间序列数据的可视化5.2节介绍了空间数据可视化。在某些空间区域的多个地点取得观测如果同时获得了这些地点的位置，并且位置与观测相关联，则称之为空间数据探索空间数据最简单的方法就是用地图，把数据放在地理坐标系中，以经纬度表示位置5.3节介绍了网络数据可视化。5.4节介绍文本数据可视化。书面或口头表达的词汇序列，如一本书、一封电子邮件，或一条微博等很多时候，我们不只是分析一段文本，而是分析整个文本语料库语料库（Corpus）是一组大型、结构化的文本（通常以电子方式存储和处理）5.5节介绍可视化实战。第六章用数据讲故事数据本身很难有效传递知识，因此我们需要采用可视化手段对数据讲故事，将数据提炼成信息，将信息总结成知识，将知识升华成智慧。单一的可视化图形可能未必会构成一个好的可视化作品，其信息传递受限，因此需要以某种图形逻辑将多个图形组合起来，并添加交互元素，形成有效视觉信息传递的Infographics作品。本章各节安排如下。6.1节介绍不同场景与受众对数据可视化的影响。6.2节介绍信息图。六、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第一章数据可视化概念与简史22第一章数据可视化的基本原理23第二章数据可视化工具24第二章数据可视化元素25第三章结构数据可视化图形3.1基本数据图形3.2描述分布图形226第三章结构数据可视化图形3.3多维数据图形227第四章基于算法模型的可视化分析4.1线性4.2决策树28第四章基于算法模型的可视化分析4.3聚类4.4降维29第四章可视化分析实践2410第五章非结构数据可视化5.1时间数据211第五章非结构数据可视化5.3空间数据212第五章非结构数据可视化5.3网络数据213第五章非结构数据可视化5.4文本数据214第五章可视化分析实践2415第六章用数据讲故事2216第六章用数据讲故事22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大作业，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；期末大作业成绩占总成绩的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15%40%作业15%实验10%期末考核期末大作业60%60%总计100%100%7.2考核内容及要求本课程为考察课。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%对数据可视化基础概念的理解2～4目标1100分对数据可视化基础概念的运用2～5目标2、7编程实现可视化图形5～15目标5、6、7对可视化图形的创新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、7课后作业作业完成情况15目标2、3、4、6、7实验实验出勤、实验表现及实验报告10目标5、6、7、87.3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业、作业态度认真、书写清楚、分析计算正确。2能够按时完成作业、作业态度较好、书写较清楚、分析计算基本正确1能够按时完成作业、作业态度一般、书写不清楚、分析计算错误较多0不交作业或作业态度不认真、抄袭他人作业3.实验成绩实验成绩占所学课程的10%，即10分。根据学生的实验表现及实验报告结果，进行综合评定。4.期末考核采用大作业形式进行，期末成绩为百分制，计入总成绩时乘以60%，考核完成后在综合教务系统中按照设定的占比系数录入成绩。八、课程评价与持续改进8.1课程评价课程评价周期定为每1年评价一次。设置达成情况目标值，采用成绩分析法进行评价。课程达成评价根据数据科学与大数据专业课程达成评价方法进行计算，评价结果用于持续改进。大数据系负责人组织教师实施课程评价，制定持续改进措施，监督持续改进过程。课程负责人负责撰写课程考核总结报告，实施课程评价持续改进。8.2持续改进1）日常教学：根据学生学习情况，教师采取座谈会、与学生单独交流，及时调整教学方法、进度，做出教学改进。2）实验室实验：根据学生数据