还剩2页未读,继续阅读
文本内容:
《样本数据处理》教学大纲
一、课程信息课程名称样本数据处理课程类别素质选修课/专业基础课课程性质选修/必修计划学时64计划学分4先修课程无选用教材《样本数据处理》,许桂秋,朱婷婷,李春平主编,年,电子工业出版社2022教材适用专业本课程可作为高等院校数据科学与大数据技术、计算机、信息管理等相关专业课程的基础课程,也可供对样本数据处理技术感兴趣的学生阅读课程负责人
二、课程简介本课程从实用的角度出发,采用理论与实践相结合的方式,介绍样本数据处理的基础知识,力求培养读者使用语言及软件进行数据处理的能力本课程内容分别为数据预处Python Kettle理概述、工具的初步使用、数据的导入与导出、数据清洗、数据标注、作业设计、Kettle Kettle基于构建数据仓库、基于的数据导入与导出、基于的数据整理本课程作Kettle PythonPython为人工智能学科相关的样本数据处理技术的入门课程,目的不是覆盖样本数据处理技术的所有知识点,而是介绍样本数据处理的主要应用,使学生了解样本数据处理的基本构成,以及如何应对不同数据类型的数据预处理工作为了增强实践效果,课程中引入了多个基础技术案例及综合实践案例,以帮助学生了解样本数据处理涉及的基本技术的知识和技能
三、课程教学要求专业毕业要求课程教学要求序号关联程度.掌握工具的初步使用、数据的导入与导出、数据1Kettle清洗等内容的方法工程知识1L.了解样本数据处理的应用领域和市场需求,为产品设计2和开发提供指导.学会对样本数据处理中出现的问题进行分析和解决,包1括硬件故障、软件错误、网络问题等问题分析2H.学会进行故障排除和维修和计算方法,以实现数据处理2应用.掌握基于的数据导入与导出和整理,能将样本数1Python设计/开发解决方案3H据处理应用到工作和生活领域中.学会进行系统测试和验证,以确保系统的质量和性能符2合要求研究4L.掌握在数据处理领域研发的现代工具,如仿真软件、调1试工具等使用现代工具5M.学会使用现代工具进行数据分析和处理,提高工作效率2和准确性了解样本数据处理对社会的影响和作用,以及相关的法
1.律法规和标准工程与社会6L学会将相应技术应用于实际生产和社会服务中,为社会
2.做出贡献环境和可持续发展7L8职业规范L学会个人发展和团队合作,提高个人和团队的综合素质L.学会与他人合作和沟通,建立良好的人际关系和团队合2个人和团队9H作氛围.学会进行有效的沟通和表达,与客户、同事和上级保持1良好的沟通和协作沟通10M.学会进行跨文化沟通和合作,提高国际化视野和跨文化2交流能力学会进行项目管理和组织,包括项目计划、进度控制、质L量管理等项目管理11L.学会进行风险评估和管理,提高项目成功的概率和效2率.学会进行自我学习和自我提升,不断提高自身的专业水1平和创新能力终身学习12H.学会进行终身学习和职业发展规划,不断拓展职业领域2和发展空间注“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述“关联程度”栏中字母表示二者关联程度关联程度按高关联、中关联、低关联三档分别表示为或“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业“H”L”毕业要求条目不相关、课程教学内容U!章节名称主要内容重难点关键词学时类型数据预处理的背景与目的了解数据预处理的背景与数据预处理概数据预处理的流程理论+1目的、数据预处理的流程、4述数据预处理的工具实操数据预处理的工具掌握的安装、转换的KettleKettle工具的初Kettle的安装理论+2基本概念、可视化编程及调4步使用Kettle的使用实操试、定时启动转换基于文件的数据导入与导出掌握基于文件的数据导入基于数据库的数据导入与与导出、基于数据库的数据数据的导入与导出理论+3导入与导出、基于Web的数8导出基于Web的数据导入与导实操据导入与导出、基于CDC出变更数据的导入与导出基于变更数据的导CDC入与导出掌握常用的数据清洗Kettle数据清洗概述步骤、重复数据的识别及去数据排重除代码组件清理理论+JavaScript数据清洗46使用脚本组件进行数据清数据、正则表达式组件清理实操洗数据数据标注简介数据标注分类数据标注质量检验图像掌握数据标注简介、数据标理论+5数据标注数据标注实战文本标注实注分类、数据标注质量检10实操战验、图像数据标注实战作业的概念及组成作业的执行方式掌握作业的概念及组成、作业的创建及常用作业项业的执行方式、作业的创建理论+6Kettle作业设计变量14及常用作业工页、变量、监实操监控控、命令行启动、作业实验命令行启动作业实验基于Kettle构数据仓库的介绍构建维度掌握数据仓库的介绍、构建理论+76建数据仓库表构建事实表维度表、构建事实表实操Pandas理解、文本文件的导Pandas基于的Python文本文件的导入与导出入与导出、文件的导理论+Excel8数据导入与导6Excel文件的导入与导出入与导出、数据库的导入与实操出数据库的导入与导出导出合并多个数据集基于Python的掌握合并多个数据集、数据理论+9数据重塑6数据整理重塑、数据转换实操数据转换
五、考核要求及成绩评定序号成绩类别考核方式考核要求权重(%)备注1期末成绩期末考试大作业50百分制,60分为及格实践次优、良、中、及格、不及格2940平时成绩3平时表现出勤情况10两次未参加课程则无法获得学分注此表中内容为该课程的全部考核方式及其相关信息
六、学生学习建议
(一)学习方法建议依据专业教学标准,结合岗位技能职业标准,通过案例展开学习,将每个项目分成多个L任务,系统化地学习.通过每个项目最后搭配的习题,巩固知识点
2.了解行业企业技术标准,注重学习新技术、新工艺和新方法,根据教材中穿插设置的智3能终端产品应用相关实例,对已有技术持续进行更新.通过开展课堂讨论、实践活动,增强的团队协作能力,学会如何与他人合作、沟通、协4调等等
(二)学生课外阅读参考资料《样本数据处理》,许桂秋,朱婷婷,李春平主编,年,电子工业出版社教材2022
七、课程改革与建设本课程作为人工智能学科相关的样本数据处理技术的入门教材,目的不是覆盖样本数据处理技术的所有知识点,而是介绍样本数据处理的主要应用,使学生了解样本数据处理的基本构成,以及如何应对不同数据类型的数据预处理工作为了增强实践效果,课程中引入了多个基础技术案例及综合实践案例,以帮助学生了解样本数据处理涉及的基本技术的知识和技能平时对学生的考核内容包括出勤情况、学生的学习成果、课堂讨论等方面,占期末总评的期末考试成绩占期末总评的50%50%制订人教研室主院部负责人签字任签字签字修订时间年月日。