首都师范大学管理学院大数据管理与应用教学大纲《Web编程》教学大纲。3《大数据采集与处理》教学大纲.6《大数据采集与处理实训》教学大纲：9《大数据技术基础》教学大纲12《大数据技术基础实训》教学大纲.15《多元统计分析与R建模》教学大纲：：.17《机器学习》教学大纲.20《社会媒体挖掘》教学大纲..21《管理运筹学》教学大纲，.25《管理运筹学实训》教学大纲：：.28《网站设计与实践》教学大纲.31《Python程序设计》教学大纲.33《Python程序设计实训》教学大纲..：36《移动互联网应用开发》教学大纲.39《应用统计学》教学大纲.42《应用统计学实训》教学大纲.4547《电子商务》教学大纲.《项目管理》教学大纲.54《信息技术基础》教学大纲....57.60《C语言程序设计》教学大纲..63《文献检索与科技论文写作》教学大纲...67《专业实习》教学大纲..《毕业论文》教学大纲.69《社会实践》教学大纲.70《程序设计综合设计实践（Java)》教学大纲.：：72《计算机网络》教学大纲..74《面向对象程序设计（Java）》教学大纲.771
1 首都师范大学 管理学院大数据管理与应用 教学大纲 《Web编程》教学大纲. 3 《大数据采集与处理》教学大纲. 6 《大数据采集与处理实训》教学大纲.9 《大数据技术基础》教学大纲. 12 《大数据技术基础实训》教学大纲. 15 《多元统计分析与R建模》教学大纲.17 《机器学习》教学大纲. 20 《社会媒体挖掘》教学大纲. 21 《管理运筹学》教学大纲.25 《管理运筹学实训》教学大纲. 28 《网站设计与实践》教学大纲. 31 《Python程序设计》教学大纲. 33 《Python程序设计实训》教学大纲. 36 《移动互联网应用开发》教学大纲. 39 《应用统计学》 教学大纲. 42 《应用统计学实训》教学大纲. 45 《电子商务》教学大纲. 47 《项目管理》教学大纲 . 54 《信息技术基础》教学大纲. 57 《C语言程序设计》教学大纲. 60 《文献检索与科技论文写作》教学大纲. 63 《专业实习》教学大纲 . 67 《毕业论文》教学大纲 . 69 《社会实践》教学大纲 . 70 《程序设计综合设计实践(Java)》教学大纲. 72 《计算机网络》教学大纲.74 《面向对象程序设计（Java）》教学大纲 . 77
79《数据结构》教学大纲，《管理学理论与实践》教学大纲82《数据结构实训》教学大纲.87《信息技术基础实训》教学大纲。89《大数据导论》教学大纲.93《1inux操作系统》教学大纲.95《创新创业管理》教学大纲，..98《大数据管理方法与应用》教学大纲。104《大数据可视化》教学大纲，107.112《大数据可视化实训》教学大纲：：115《大数据治理》教学大纲《面向对象程序设计实训》教学大纲..118120《人工智能导论》教学大纲.123《用户行为分析》教学大纲.《组织运营与数据化管理》教学大纲128《组织运营与数据化管理实训》教学大纲.：.134140《大数据应用实践课程设计》教学大纲：142《计算机网络实训》教学大纲《数据库原理与应用》教学大纲。.146.151《数据库原理与应用实训》教学大纲.155《大数据智能分析理论与方法》教学大纲，《大数据智能分析理论与方法实训》教学大纲...1585《数据分析与挖掘》教学大纲.162《数据分析与挖掘实训》教学大纲.168《微观经济学》（理）教学大纲.1752
2 《数据结构》教学大纲. 79 《管理学理论与实践》教学大纲. 82 《数据结构实训》教学大纲. 87 《信息技术基础实训》教学大纲. 89 《大数据导论》教学大纲 . 93 《linux操作系统》教学大纲. 95 《创新创业管理》教学大纲. 98 《大数据管理方法与应用》教学大纲 . 104 《大数据可视化》教学大纲. 107 《大数据可视化实训》教学大纲. 112 《大数据治理》教学大纲 . 115 《面向对象程序设计实训》教学大纲.118 《人工智能导论》教学大纲 . 120 《用户行为分析》教学大纲. 123 《组织运营与数据化管理》教学大纲.128 《组织运营与数据化管理实训》教学大纲. 134 《大数据应用实践课程设计》教学大纲 . 140 《计算机网络实训》教学大纲. 142 《数据库原理与应用》教学大纲. 146 《数据库原理与应用实训》教学大纲.151 《大数据智能分析理论与方法》教学大纲.155 《大数据智能分析理论与方法实训》教学大纲.158 《数据分析与挖掘》教学大纲. 162 《数据分析与挖掘实训》教学大纲. 168 《微观经济学》（理）教学大纲 . 175
《Web编程》教学大纲一、课程信息（中文）Web编程课程名称（英文）WebProgramming3290093课程编码课程性质口必修回选修团专业课程课程类型口通识课程大数据管理应用专业适用专业郝博文管理学院课程负责人开课部门学时学分学分：2总学时：32理论：20实验：6实践：6中文授课语言Python基础、程序设计基础先修课程二、课程内容简介《Web编程》是大数据管理应用专业的一门专业实践课程，是《电子商务系统分析与设计》、《数据分析与挖掘》等各课程的前导课程。本课程是一门实践性较强的课程，知识涉及面大、实践性很强，讲授了目前主流的Web编程开发技术。三、课程目标从课程及其与专业人才培养目标的关系阐述教学目的和要求，要求分解、细化专业人才培养目标，解释清楚课程目标与毕业要求、专业培养目标的支撑关系。课程目标须体现课程思政要求，应努力体现国际视野。LO1：通过课程实训和项目开发实践，全面理解Web系统开发的整个技术构架；L02：通过实训，理解Web编程思想的精髓，了解Python编程的基本技术，熟练掌握编程技能，提高工程开发能力；LO3：通过实训，熟练掌握HTML、CSS、JavaScript原理与开发：熟练使用Flask，Bootstrap等主流的Web前端开发框架：L04：通过实训，理解基于数据库的应用系统开发的原理和基本的开发步骤：熟悉数据库开发的方法。LO5：通过综合实例，全面了解Web项目的开发，以实际工程解决能力作为考核标准。支撑程度支撑程度支撑毕业要求指标点支撑培养目标指标点课程目标强化数据科学与管理专业知识H、MH、ML01学理论基础3
3 《Web 编程》教学大纲 一、课程信息 二、课程内容简介 《Web编程》是大数据管理应用专业的一门专业实践课程，是《电子商务系 统分析与设计》、《数据分析与挖掘》等各课程的前导课程。本课程是一门实践 性较强的课程，知识涉及面大、实践性很强，讲授了目前主流的Web编程开发技 术。 三、课程目标 从课程及其与专业人才培养目标的关系阐述教学目的和要求，要求分解、细 化专业人才培养目标，解释清楚课程目标与毕业要求、专业培养目标的支撑关系。 课程目标须体现课程思政要求，应努力体现国际视野。 L01：通过课程实训和项目开发实践，全面理解Web系统开发的整个技术构架； L02：通过实训，理解Web编程思想的精髓，了解Python编程的基本技术，熟练掌 握编程技能，提高工程开发能力； L03：通过实训，熟练掌握HTML、CSS、JavaScript原理与开发；熟练使用Flask, Bootstrap等主流的Web前端开发框架； L04：通过实训，理解基于数据库的应用系统开发的原理和基本的开发步骤；熟 悉数据库开发的方法。 L05：通过综合实例，全面了解Web项目的开发，以实际工程解决能力作为考核标 准。 课程名称 (中文) Web 编程 (英文) Web Programming 课程编码 3290093 课程性质 ☐必修 ☑选修 课程类型 ☐通识课程 ☑专业课程 适用专业 大数据管理应用专业 开课部门 管理学院 课程负责人 郝博文 学时学分 学分：2 总学时：32 理论：20 实验：6 实践：6 授课语言 中文 先修课程 Python基础、程序设计基础 课程目标 支撑毕业要求指标点 支撑程度 支撑培养目标指标点 支撑程度 LO1 专业知识 H、M 强化数据科学与管理 学理论基础 H、M
培养学生数据分析、专业知识H、M数据建模和数据挖掘H、ML02的能力培养学生数据分析、专业知识H、MH、M数据建模和数据挖掘L03的能力培养学生数据分析、专业知识H、M数据建模和数据挖掘H、ML04的能力培养学生数据分析、专业知识H、MH、M数据建模和数据控掘L05的能力四、教学内容、要求及进度安排（一）Web应用开发概述学时 4主要内容：1.网络程序开发体系结构2.Python Web开发的基本构建流程3.Python基本语法4.Flask框架基本搭建教学要求：掌握掌握介绍网络程序开发体系结构、PythonWeb开发的基本构建流程。重点、难点：学习配置Python Web程序的开发环境。（二）HTML与CSS开发基础学时4主要内容：1.HTML语言2.CSS样式表3.综合应用教学要求：理解和掌握HTML语言、CSS样式表。学习基本的HTML标记，以及HTML的新特性。重点、难点：CSS样式的定义与引用，以及HTML与CSS的综合应用。（三）Web前端开发技术学时4主要内容：1.Bootstrap的应用的方法与步骤2.添加Bootstrap的class实现基本样式。3.．使用Bootstrap的组件4.Bootstrap中的JS特效教学要求：Web前端开发框架介绍，学习Bootstrap的应用的方法与步骤，添加Bootstrap的class实现基本样式。4
4 四、教学内容、要求及进度安排 （一）Web应用开发概述 学时 4 主要内容： 1. 网络程序开发体系结构 2. Python Web开发的基本构建流程 3. Python基本语法 4. Flask框架基本搭建 教学要求：掌握 掌握介绍网络程序开发体系结构、Python Web开发的基本构建流程。 重点、难点： 学习配置Python Web程序的开发环境。 （二）HTML与CSS开发基础 学时4 主要内容： 1. HTML语言 2. CSS样式表 3. 综合应用 教学要求： 理解和掌握HTML语言、CSS样式表。学习基本的HTML标记，以及HTML的新特性。 重点、难点： CSS样式的定义与引用，以及HTML与CSS的综合应用。 （三）Web前端开发技术 学时 4 主要内容： 1. Bootstrap的应用的方法与步骤 2. 添加Bootstrap的class实现基本样式。 3. 使用Bootstrap的组件 4. Bootstrap中的JS特效 教学要求： Web前端开发框架介绍，学习Bootstrap的应用的方法与步骤，添加Bootstrap 的class实现基本样式。 LO2 专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L03 专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L04 专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L05 专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M
重点、难点：使用Bootstrap的组件，Bootstrap中的JS特效。（四）JavaScript基本语法学时6主要内容：1．JavaScript基础及指令2.JavaScrip常见功能及类型3.PythonFlask+JavaScrip应用教学要求：学习JavaScrip；详细介绍JavaScrip指令、JavaScrip脚本的语法及用途。重点、难点：通过实验验证JavaScrip语法和功能。（五）JQuery基础学时4主要内容：1.JQuery选择器和菜单案例2．JQuery表格和页面整合教学要求：了解JQuery语法及用途；重点、难点：通过实验验证JQuery语法和功能（六）数据库应用开发学时6主要内容：1.MySQL安装2．MySQL语法3.Flask+前端+MySQL整合教学要求：MySQL概况；MySQL安装；MySQL语法；Flask+前端+MySQL整合使用。重点、难点：通过一系列实验，熟悉基于Python的Web编程逻辑，加强代码编写能力。（七）综合实例展示学时2主要内容：1.开发背景2.需求分析3.数据库设计4.各模块设计5.编程实现教学要求：完成简单的基于Python语言的Web编程的设计与程序开发。可使用Flask+前端+MySQL框架进行系统开发重点、难点：基于数据库的应用系统开发与实现。5
5 重点、难点： 使用Bootstrap的组件，Bootstrap中的JS特效。 （四）JavaScript基本语法 学时 6 主要内容： 1. JavaScript基础及指令 2. JavaScrip常见功能及类型 3. Python Flask + JavaScrip应用 教学要求： 学习JavaScrip；详细介绍JavaScrip指令、JavaScrip脚本的语法及用途。 重点、难点： 通过实验验证JavaScrip语法和功能。 （五）JQuery基础 学时 4 主要内容： 1. JQuery选择器和菜单案例 2. JQuery表格和页面整合 教学要求： 了解JQuery语法及用途; 重点、难点： 通过实验验证JQuery语法和功能。 （六）数据库应用开发 学时 6 主要内容： 1. MySQL安装 2. MySQL语法 3. Flask + 前端 + MySQL整合 教学要求： MySQL概况；MySQL安装；MySQL语法；Flask + 前端 + MySQL整合使用。 重点、难点： 通过一系列实验,熟悉基于Python的Web编程逻辑，加强代码编写能力。 （七）综合实例展示 学时 2 主要内容： 1. 开发背景 2. 需求分析 3. 数据库设计 4. 各模块设计 5. 编程实现 教学要求： 完成简单的基于Python语言的Web编程的设计与程序开发。可使用Flask + 前端 + MySQL框架进行系统开发 重点、难点： 基于数据库的应用系统开发与实现
（八）复习（2学时）五、先修课要求及教学方法建议1、教学策略：课堂讲授、案例教学、演示结果2、方法建议：鼓励学生多多动手实践，重在实际练习，在练习中与学科知识相结合。3、先修课要求：电子商务导论、程序设计基础、数据库原理六、考核方式选修课：课程大作业结课七、教材、参考文献与其他教学资源教材：《FlaskWeb开发：基于Python的Web应用开发实战》（人民邮电出版社，［美】格林布戈主编）（ISBN:9787115373991)参考书目：《PythonWeb开发实战》（电子工业出版社，董伟明主编）1、（ISBN9787121297335)》（人民邮电出版社，AlSweigart主编）2、《Python编程快速上手》（ISBN9787115422699)《Flask Web开发入门、进阶与实战》（机械工业出版社，张学建主编）3、（ISBN 9787111673170)《大数据采集与处理》教学大纲一、课程信息(中文)大数据采集与处理课程名称(英文)Big data acquisition and processing3290446课程性质√必修课程编码口选修课程类型口通识课程√专业课程大数据管理与应用专业适用专业管理学院郝博文课程负责人开课部门学时学分学分：2总学时：32实验：4实践：8理论：20中文授课语言6
6 （八）复习（2学时） 五、先修课要求及教学方法建议 1、教学策略：课堂讲授、案例教学、演示结果 2、方法建议：鼓励学生多多动手实践，重在实际练习，在练习中与学科知 识相结合。 3、先修课要求：电子商务导论、程序设计基础、数据库原理 六、考核方式 选修课：课程大作业结课 七、教材、参考文献与其他教学资源 教材： 《Flask Web开发：基于Python的Web应用开发实战》（人民邮电出版社，[ 美]格林布戈主编） （ISBN:9787115373991） 参考书目： 1、《Python Web开发实战》（电子工业出版社，董伟明主编） （ISBN 9787121297335） 2、《Python编程快速上手》（人民邮电出版社，Al Sweigart主编） （ISBN 9787115422699） 3、《Flask Web开发入门、进阶与实战》（机械工业出版社，张学建主编） （ISBN 9787111673170） 《大数据采集与处理》教学大纲 一、课程信息 课程名称 (中文)大数据采集与处理 (英文)Big data acquisition and processing 课程编码 3290446 课程性质 √必修 ☐选修 课程类型 ☐通识课程 √专业课程 适用专业 大数据管理与应用专业 开课部门 管理学院 课程负责人 郝博文 学时学分 学分：2 总学时：32 理论：20 实验：4 实践：8 授课语言 中文
大数据导论、Python、概率论、线性代数、高等数学等先修课程二、课程内容简介本课程是大数据系列课程的基础，主要内容包括大数据采集、大数据预处理、大数据存储与计算、大数据安全等。本课程结合大数据应用各行业背景，向学生介绍电商、煤炭、教育、医疗、电信、交通等行业的大数据采集与处理过程。除此之外，本课程以某电商网站数据分析为背景，介绍了一个完整的数据采集、清洗、处理的离线数据分析案例，向学生展示了一个系统的实践操作过程，从而加深学生对大数据采集与处理技术的认识，使学生基本具备处理大数据的能力，最后，本课程简单介绍传统数据挖掘、深度学习、大模型等最新大数据分析处理技术，旨在拓宽学生眼界。三、课程目标LO1：培养具有扎实的数据科学与管理学理论基础L02：培养学生利用采集大数据的能力LO03：培养学生利用大数据进行量化分析的能力L04：培养学生的编程能力L05：培养学生的建模能力支撑毕业要求指标点支撑程度支撑培养目标指标点支撑程度课程目标强化数据科学与管理H、MH、M基础知识L01学理论基础培养学生数据分析、H、M数据建模和数据挖掘H、M基础知识、专业知识L02的能力培养学生数据分析、国情与国际知识、专业知H、MH、M数据建模和数据控掘L03识的能力培养学生数据分析、基础知识、专业知识H、M数据建模和数据挖掘H、ML04的能力培养学生利用大数据H、M基础知识、专业知识H、ML05进行量化分析的能力四、教学内容、要求及进度安排第1章大数据采集与处理概论（6学时）1.1绪论1.2工业大数据采集与处理基本流程第2章Python基础（4学时）7
7 二、课程内容简介 本课程是大数据系列课程的基础，主要内容包括大数据采集、大数据预处理、 大数据存储与计算、大数据安全等。本课程结合大数据应用各行业背景，向学生 介绍电商、煤炭、教育、医疗、电信、交通等行业的大数据采集与处理过程。除 此之外，本课程以某电商网站数据分析为背景，介绍了一个完整的数据采集、清 洗、处理的离线数据分析案例，向学生展示了一个系统的实践操作过程，从而加 深学生对大数据采集与处理技术的认识，使学生基本具备处理大数据的能力，最 后，本课程简单介绍传统数据挖掘、深度学习、大模型等最新大数据分析处理技 术，旨在拓宽学生眼界。 三、课程目标 L01：培养具有扎实的数据科学与管理学理论基础 L02：培养学生利用采集大数据的能力 L03：培养学生利用大数据进行量化分析的能力 L04：培养学生的编程能力 L05：培养学生的建模能力 四、教学内容、要求及进度安排 第1章 大数据采集与处理概论（6 学时） 1.1 绪论 1.2 工业大数据采集与处理基本流程 第2章 Python基础（4 学时） 先修课程 大数据导论、Python、概率论、线性代数、高等数学等 课程目标 支撑毕业要求指标点 支撑程度 支撑培养目标指标点 支撑程度 LO1 基础知识 H、M 强化数据科学与管理 学理论基础 H、M LO2 基础知识、专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L03 国情与国际知识、专业知 识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L04 基础知识、专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L05 基础知识、专业知识 H、M 培养学生利用大数据 进行量化分析的能力 H、M
2.1环境搭建2.2Python基础回顾2.3Python进阶第3章大数据采集（8学时）3.1数据采集与大数据采集3.1.1数据采集3.1.2大数据采集及数据来源3.1.3传统数据采集与大数据采集的区别3.1.4大数据采集分类3.2大数据采集方法3.2.1数据库采集3.2.2系统日志采集3.2.3网络数据采集3.2.4传感器采集3.2.5众包采集3.3网络爬虫3.3.1网络爬虫分类3.3.2网络爬虫发展现状3.3.3网络爬虫使用技术3.4实战3.4.1项目准备3.4.2架构设计3.4.3代码实现3.4.4结果展示第4章大数据预处理（8学时）4.1概述4.2大数据预处理总体架构4.2大数据预处理方法4.2.1数据清洗4.2.2数据集成4.2.3数据转换4.2.4数据消减4.3ETL工具Kettle4.3.1ETL介绍4.3.2Kettle介绍4.3.3Kettle安装与配置4.4实战4.4.1基于Python的数据预处理4.4.2基于Hadoop生态圈的Kettle应用第5章大数据分析（6学时）5.1传统数据挖掘算法8
8 2.1 环境搭建 2.2 Python基础回顾 2.3 Python进阶 第3章 大数据采集（8 学时） 3.1 数据采集与大数据采集 3.1.1 数据采集 3.1.2 大数据采集及数据来源 3.1.3 传统数据采集与大数据采集的区别 3.1.4 大数据采集分类 3.2 大数据采集方法 3.2.1 数据库采集 3.2.2 系统日志采集 3.2.3 网络数据采集 3.2.4 传感器采集 3.2.5 众包采集 3.3 网络爬虫 3.3.1 网络爬虫分类 3.3.2 网络爬虫发展现状 3.3.3 网络爬虫使用技术 3.4 实战 3.4.1 项目准备 3.4.2 架构设计 3.4.3 代码实现 3.4.4 结果展示 第4章 大数据预处理（8 学时） 4.1 概述 4.2 大数据预处理总体架构 4.2 大数据预处理方法 4.2.1 数据清洗 4.2.2 数据集成 4.2.3 数据转换 4.2.4 数据消减 4.3 ETL工具Kettle 4.3.1 ETL介绍 4.3.2 Kettle介绍 4.3.3 Kettle安装与配置 4.4 实战 4.4.1 基于Python的数据预处理 4.4.2 基于Hadoop生态圈的Kettle应用 第5章 大数据分析（6 学时） 5.1 传统数据挖掘算法
5.2深度学习算法5.3大模型五、先修课要求及教学方法建议1.先修课要求：大数据导论、Python、概率论、线性代数、高等数学等2.教学方法建议：无六、考核方式必修课：见考试大纲选修课要求如下：1.考核目标：应与课程目标一致2.考核方式与考核要求考试、考查及具体方式（如为考试，说明闭卷或开卷考试即可：如为考查明确“提交论文、调查报告、实验报告、读书报告”等形式。考核方式考核要求比重(%)对应的课程目标闭卷考试平时+期末平时（40%）L01、L02、L03、L04、L05期末（60%）3.填写《首都师范大学考试（考查）分析表》，与学生考试试卷或考查的论文、调查报告、实验报告、读书报告等一并保存五年。（从考试当日开始计算）七、教材、参考文献与其他教学资源参考教材：大数据采集与处理第1版，张雪萍著，电子工业出版社，2021-09八、备注各院系应有教学大纲修订的制度。上课前须按规定完成修订，并经院系专业负责人、教学院长批准并报教务处备案后公布大纲。教学须按教学大纲实施，不允许任课教师随意修订教学大纲和离开大纲要求实施教学。教学日历须按教学大纲编制，任课教师可以在总学时不变的前提下根据具体情况适当调整某些章节的教学时数；可以调整参考资料（不能调整教材）：在教学大纲或考试大纲规定的范围内确定考试方式、试卷结构、成绩评定方式。《大数据采集与处理实训》教学大纲一、课程信息（中文）大数据采集与处理实训课程名称(英文)Big data acquisitionand processingtraining3290447课程性质课程编码回必修口选修口通识课程专业课程课程类型9
9 5.2 深度学习算法 5.3 大模型 五、先修课要求及教学方法建议 1.先修课要求：大数据导论、Python、概率论、线性代数、高等数学等 2.教学方法建议：无 六、考核方式 必修课：见考试大纲 选修课要求如下： 1.考核目标：应与课程目标一致 2.考核方式与考核要求 考试、考查及具体方式（如为考试，说明闭卷或开卷考试即可；如为考查， 明确“提交论文、调查报告、实验报告、读书报告”等形式。 3.填写《首都师范大学考试（考查）分析表》，与学生考试试卷或考查的论 文、调查报告、实验报告、读书报告等一并保存五年。（从考试当日开始计算） 七、教材、参考文献与其他教学资源 参考教材：大数据采集与处理 第1版，张雪萍 著，电子工业出版社，2021-09 八、备注 各院系应有教学大纲修订的制度。上课前须按规定完成修订，并经院系专业 负责人、教学院长批准并报教务处备案后公布大纲。教学须按教学大纲实施，不 允许任课教师随意修订教学大纲和离开大纲要求实施教学。 教学日历须按教学大纲编制，任课教师可以在总学时不变的前提下根据具体 情况适当调整某些章节的教学时数；可以调整参考资料（不能调整教材）；在教 学大纲或考试大纲规定的范围内确定考试方式、试卷结构、成绩评定方式。 《大数据采集与处理实训》教学大纲 一、课程信息 考核方式 考核要求 比重(%) 对应的课程目标 闭卷考试 平时+期末 平时（40%） 期末（60%） L01、L02、L03、L04、L05 课程名称 (中文)大数据采集与处理实训 (英文)Big data acquisition and processing training 课程编码 3290447 课程性质 ☑必修 ☐选修 课程类型 ☐通识课程 ☑专业课程
大数据管理与应用专业适用专业管理学院郝博文课程负责人开课部门总学时：16学时学分学分：0理论：0实验：8实践：8中文授课语言大数据导论、Python、概率论、线性代数、高等数学等先修课程二、课程内容简介课程内容概要：本课程是大数据采集与处理的实验课程，主要内容包括大数据的采集实验以及大数据的处理实验。三、课程目标LO1：培养具有扎实的数据科学与管理学理论基础L02：培养学生利用采集大数据的能力L03：培养学生利用大数据进行量化分析的能力L04：培养学生的编程能力L05：培养学生的建模能力支撑毕业要求指标点支撑程度支撑程度支撑培养目标指标点课程目标强化数据科学与管理基础知识H、MH、ML01学理论基础培养学生数据分析、H、MH、M基础知识、专业知识数据建模和数据挖掘L02的能力培养学生数据分析、国情与国际知识、专业知H、M数据建模和数据挖掘H、ML03识的能力培养学生数据分析、基础知识、专业知识H、M数据建模和数据控掘H、ML04的能力培养学生利用大数据H、MH、M基础知识、专业知识L05进行量化分析的能力四、教学内容、要求及进度安排1Python读写文件2网络爬虫实验2.1招聘岗位爬虫2.2学堂在线爬虫3数据预处理基础实验3.1数据清洗3.2数据格式转换10
10 二、课程内容简介 课程内容概要: 本课程是大数据采集与处理的实验课程，主要内容包括大数 据的采集实验以及大数据的处理实验。 三、课程目标 L01：培养具有扎实的数据科学与管理学理论基础 L02：培养学生利用采集大数据的能力 L03：培养学生利用大数据进行量化分析的能力 L04：培养学生的编程能力 L05：培养学生的建模能力 四、教学内容、要求及进度安排 1 Python读写文件 2 网络爬虫实验 2.1 招聘岗位爬虫 2.2 学堂在线爬虫 3数据预处理基础实验 3.1 数据清洗 3.2 数据格式转换 适用专业 大数据管理与应用专业 开课部门 管理学院 课程负责人 郝博文 学时学分 学分：0 总学时：16 理论：0 实验：8 实践：8 授课语言 中文 先修课程 大数据导论、Python、概率论、线性代数、高等数学等 课程目标 支撑毕业要求指标点 支撑程度 支撑培养目标指标点 支撑程度 LO1 基础知识 H、M 强化数据科学与管理 学理论基础 H、M LO2 基础知识、专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L03 国情与国际知识、专业知 识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L04 基础知识、专业知识 H、M 培养学生数据分析、 数据建模和数据挖掘 的能力 H、M L05 基础知识、专业知识 H、M 培养学生利用大数据 进行量化分析的能力 H、M