《大数据基础》教学大纲课程名称：大数据基础课程类别（必修/选修）：选修课程文名称：BigDataBasics其中实验/实晚学时：16总学时/周学时/学分：32/2/2先修课程：Python语言及应用后续课程支撑：工业物联网导论授课地点：实验楼605授课时间：周二（三、四节）1-16周授课对象：2022智能制造2班开课学院：粤台产业科技学院任课教师姓名/职称：陈冠玮/讲师答疑时间、地点与方式：1.分配习惠演练，采用集中讲解方式课程考核方式：开卷（）闭卷（）课程论文（）其它（V）使用教材：大数据基础与Python机器学习1.教学参考资料：（大数据基础与Python机器学习》清华大学出版社高静、申志军、姜新华、陈像杰编着：ISBN：97873026023922.线上：1.https://mofanpy.com/tutorials/python-basic/2.课程情介：作为智能制造相关专业的本科选修类课程，兼顾智能制造中的《工业物联网基础》和《制造系统自动化技术》课程。本门课以大数据基础与Python机馨学习的基础知识为出发点，在信息集成技术、智慧生产系统和资料统计分析等方面分类介组，能够使学生对资料处理和应用有一个较为全面、清晰的认识。同时，在信息播炸的时代，大数据已成为企业和科研机构获取洞寒力和竞争优势的关键，课程自在Pandas，NumPy和SciPv方法进行数据分析处理、XAMPP和MYSQL方法进行数据存储。通过本课程，学生将能够运用各项分类方法解决实际问题。1
1 《大数据基础》教学大纲 课程名称：大数据基础 课程类别（必修/选修）：选修 课程英文名称：Big Data Basics. 总学时/周学时/学分：32/2/2 其中实验/实践学时：16 先修课程：Python 语言及应用 后续课程支撑：工业物联网导论 授课时间：周二（三、四节）1-16 周 授课地点：实验楼 605 授课对象：2022 智能制造 2 班 开课学院：粤台产业科技学院 任课教师姓名/职称：陈冠玮 / 讲师 答疑时间、地点与方式：1.分配习题演练，采用集中讲解方式 课程考核方式：开卷（）闭卷（）课程论文（）其它（✔） 使用教材：大数据基础与 Python 机器学习 1. 教学参考资料：《大数据基础与 Python 机器学习》 清华大学出版社高静、申志军、姜新华、陈俊杰编着；ISBN：9787302602392 2. 线上： 1. https://mofanpy.com/tutorials/python-basic/ 2. 课程简介： 作为智能制造相关专业的本科选修类课程，兼顾智能制造中的《工业物联网基础》和《制造系统自动化技术》课程。本门课以大数据基础与 Python 机器学习的基础知识为出发点，在信息集成技术、智慧生产系统和资料统计分析等方面分类介绍，能够使学生对资料处理和应用有一个较为全面、清晰 的认识。同时，在信息爆炸的时代，大数据已成为企业和科研机构获取洞察力和竞争优势的关键，课程旨在 Pandas、NumPy 和 SciPy 方法进行数据分 析处理、XAMPP 和 MYSQL 方法进行数据存储。通过本课程，学生将能够运用各项分类方法解决实际问题
课程教学目标及对毕业要求指标点的支撑：毕业要求课程教学目标支撑毕业要求指标点目标1：毕业要求1-工程知识：能够运用数学、基础科学和培养智能制造专业知识与技能的工程技术人才，运用机器指标点1.2掌握智能制造工程领城的专智能制造工程专业相关知识，对智能制造工程问间题人基本认知厘清工程问题并提出解决方案。业基础理论和技术知识。具有解决能力。指标点2.2能熟练掌握利用现代文献检毕业要求2-问题分析：能够应用数学、自然科学和索工具调研、分析和解决电气工程领域工程科学的基本原理，对于智能制造工程复杂间题复杂问题的能力。进行识别与表达，并通过文献研究分析，以获得有效结论。目标2：指标点4.1能够基于科学原理并采用科毕业要求4-研究：能够熟悉智能制造工程的机械加理解大数据基础的堆叠与数据处理，掌握理想数学模型的学方法对智能制造工程领城复杂工程工、机械设计、单片机编程、PLC控制、工业机器方法和数学模型的构建，学会将建立的模型应用于分析工问题进行实验设计、分析，并解释数据。人集成、工业物联网运维等基本科学研究方法，具程间题、解决工程间题指标点7.2能站在环境保护和可持续有科学研究精神，为智能制造工程复杂间题提出有发展的角度思考专业工程实践的可持效研究手段并将间题有效解决。续性，评价智能制造产品周期中可能对毕业要求7-环境与可持续发展：能够评估智能制造人类和环境造成的损害和隐患。工程复杂间题解决的工程手段所造成环境冲击，及指标点10.1能就专业问题，以口头、文对可持续发展的影响。稿、图表等方式表达自己的观点。毕业要求10-沟通：通过有效沟通管道，能够对智能指标点11.2能在多学科环境下（包括制造工程复杂问题提出具体思路与观点，使得问题模拟环境），在设计开发解决方案的过得到同事或外界人士关心，为解决问题创造良好的程中，运用工程管理和经济决策方法。沟通环境，加速解决问题时程。2
2 课程教学目标及对毕业要求指标点的支撑： 课程教学目标 支撑毕业要求指标点 毕业要求 目标 1： 培养智能制造专业知识与技能的工程技术人才，运用机器 人基本认知厘清工程问题并提出解决方案。 指标点 1.2 掌握智能制造工程领域的专 业基础理论和技术知识。 指标点 2.2 能熟练掌握利用现代文献检 索工具调研、分析和解决电气工程领域 复杂问题的能力。 毕业要求 1-工程知识：能够运用数学、基础科学和 智能制造工程专业相关知识，对智能制造工程问题 具有解决能力。 毕业要求 2-问题分析：能够应用数学、自然科学和 工程科学的基本原理，对于智能制造工程复杂问题 进行识别与表达，并通过文献研究分析，以获得有 效结论。 目标 2： 理解大数据基础的堆叠与数据处理，掌握理想数学模型的 方法和数学模型的构建，学会将建立的模型应用于分析工 程问题、解决工程问题 指标点 4.1 能够基于科学原理并采用科 学方法对智能制造工程领域复杂工程 问题进行实验设计、分析，并解释数据。 指标点 7.2 能站在环境保护和可持续 发展的角度思考专业工程实践的可持 续性，评价智能制造产品周期中可能对 人类和环境造成的损害和隐患。 指标点 10.1 能就专业问题，以口头、文 稿、图表等方式表达自己的观点。 指标点 11.2 能在多学科环境下（包括 模拟环境），在设计开发解决方案的过 程中，运用工程管理和经济决策方法。 毕业要求 4-研究：能够熟悉智能制造工程的机械加 工、机械设计、单片机编程、PLC 控制、工业机器 人集成、工业物联网运维等基本科学研究方法，具 有科学研究精神，为智能制造工程复杂问题提出有 效研究手段并将问题有效解决。 毕业要求 7-环境与可持续发展：能够评估智能制造 工程复杂问题解决的工程手段所造成环境冲击，及 对可持续发展的影响。 毕业要求 10-沟通：通过有效沟通管道，能够对智能 制造工程复杂问题提出具体思路与观点，使得问题 得到同事或外界人士关心，为解决问题创造良好的 沟通环境，加速解决问题时程
毕业要求11-项目管理：学会智能制造工程项目管理方法与技巧，能够合理分配资源做好项目管理。目标3：指标点5.2能针对具体的对象开发或毕业要求5-使用现代工具：能够针对智能制造工程培养大数据基础开发人才及结合Python编程语法整合能选用满足特定需求的现代工具，模拟和复杂问题，合理选用适当的技术、资源、现代工具，力，运动当代工具开发更贴近显示的仿真环境。预测专业问题，并能分析其局限性。进行预测与模拟并做可行性分析。通过国际化视野指标点6.2能分析和评价智能制造工和跨文化交流合作的能力，发掘更多有效解决问题的现代工具。程专业实践对社会、健康、安全、法律、文化的影响，以及这些制约因素对项目毕业要求6-工程与社会：能够衡量智能制造工程复实施的影响，并理解应承担的责任。杂问题解决的工程手段所造成社会影响与结果。3
3 毕业要求 11-项目管理：学会智能制造工程项目管 理方法与技巧，能够合理分配资源做好项目管理。 目标 3： 培养大数据基础开发人才及结合 Python 编程语法整合能 力，运动当代工具开发更贴近显示的仿真环境。 指标点 5.2 能针对具体的对象开发或 选用满足特定需求的现代工具，模拟和 预测专业问题，并能分析其局限性。 指标点 6.2 能分析和评价智能制造工 程专业实践对社会、健康、安全、法律、 文化的影响，以及这些制约因素对项目 实施的影响，并理解应承担的责任。 毕业要求 5-使用现代工具：能够针对智能制造工程 复杂问题，合理选用适当的技术、资源、现代工具， 进行预测与模拟并做可行性分析。通过国际化视野 和跨文化交流合作的能力，发掘更多有效解决问题 的现代工具。 毕业要求 6-工程与社会：能够衡量智能制造工程复 杂问题解决的工程手段所造成社会影响与结果
理论教学进程表支撑教学内容（重点、难点、课程恩政融入教学棋式周次教学主题授课教师学时数教学方法课程作业安排点)线下/混合式目标重点：。大数据的定义和发展历程·大数据的五项特性查阅大数据于智能目标陈冠玮·大数据在智能制遗中的应用案例线下教学2课堂讲授大数据导论1制造中应用，增加学-课程思政融入点：生理解及应用层面介绍大数据特性及产业发展，培养实事求是的科学态度和职业道德。重点：。大数据来源大数据定义及数据分类.大数据分析流程..针对资料采集及方目标。大数据采集设备陈冠玮2线下教学课堂讲投授2大数据技术基础法提出设计想法二·大数据采集方法课程思政融入点：介绍大数据分析及资料采集部分，培养实事求是的科学态度和职业道德。4
4 理论教学进程表 周次 教学主题 授课教师 学时数 教学内容（重点、难点、课程思政融入 点） 教学模式 线下/混合式 教学方法 作业安排 支撑 课程 目标 1 大数据导论 陈冠玮 2 重点： • 大数据的定义和发展历程 • 大数据的五项特性 • 大数据在智能制造中的应用案例 课程思政融入点： 介绍大数据特性及产业发展，培养实事求 是的科学态度和职业道德。 线下教学 课堂讲授 查阅大数据于智能 制造中应用，增加学 生理解及应用层面 目 标 一 2 大数据技术基础 陈冠玮 2 重点： • 大数据来源 • 大数据定义及数据分类 • 大数据分析流程 • 大数据采集设备 • 大数据采集方法 课程思政融入点： 介绍大数据分析及资料采集部分，培养实 事求是的科学态度和职业道德。 线下教学 课堂讲授 针对资料采集及方 法提出设计想法 目 标 二
重点：·Python编程环境·变量和内置数据类型难点：目标Python 编程基础自行撰写一套简单陈冠玮·软件安装及理解编程语言变量设置，23线下教学课堂讲授三-1代码，包含变量设置并运用数据类型将资料分类应用。课程思政融入点：介绍软件安装流程及资料类别，培养实事求是的科学态度和职业道德。重点：。列表、元组和字典·选择和循环难点：·数据存储与处理核心为列表，必须成自行撰写一套简单日标Python编程基础熟且熟悉应用，将资料透过选择和循环依序陈冠玮线下教学课堂讲授24代码，包含变量设二-2存入。置、条件判断及列表课程思政融入点：了解循环和条件选择核心知识点，掌握列表存储规则应用至大数据中，培养实事求是的科学态度和职业道德。重点：创建文件并运用知目标·函数和模块Python编程基础陈冠玮线下教学2课堂讲投5识点对文件进行读二文件操作-3取及写入Debug5
5 3 Python 编程基础 -1 陈冠玮 2 重点： • Python 编程环境 • 变量和内置数据类型 难点： • 软件安装及理解编程语言变量设置， 并运用数据类型将资料分类应用。 课程思政融入点： 介绍软件安装流程及资料类别，培养实事 求是的科学态度和职业道德。 线下教学 课堂讲授 自行撰写一套简单 代码，包含变量设置 目 标 三 4 Python 编程基础 -2 陈冠玮 2 重点： • 列表、元组和字典 • 选择和循环 难点： • 数据存储与处理核心为列表，必须成 熟且熟悉应用，将资料透过选择和循环依序 存入。 课程思政融入点： 了解循环和条件选择核心知识点，掌握列 表存储规则应用至大数据中，培养实事求 是的科学态度和职业道德。 线下教学 课堂讲授 自行撰写一套简单 代码，包含变量设 置、条件判断及列表 目 标 二 5 Python 编程基础 -3 陈冠玮 2 重点： • 函数和模块 • 文件操作 • Debug 线下教学 课堂讲授 创建文件并运用知 识点对文件进行读 取及写入 目 标 二
难点：·将代码模块化创建文件并可读可写-代码Debug和间题查找课程思政融入点将自行撰写代码模块化，训练查找错误能力，培养实事求是的科学态度和职业道德。重点：·数据采集技术·数据清洗和转换方法。使用Python进行数据预处理难点：日标数据采集与预处使用波士顿房价进陈冠玮线下教学课堂讲授2·数据清理6=理行数据标准化·删除法、数据插补、异常数据处理·数据标准化课程思政融入点：介绍资料预处理方法，培养实事求是的科学态度和职业道德。重点：·数据分析基础使用Pandas对文档日标·使用Numpy和Pandas进行数据分析课堂讲授陈冠玮2线下教学读取显示，并针对表7数据分析二·使用Matplotlib进行数据可视化单合并难点：建立Pandas基础6
6 难点： • 将代码模块化 • 创建文件并可读可写 • 代码 Debug 和问题查找 课程思政融入点： 将自行撰写代码模块化，训练查找错误能 力，培养实事求是的科学态度和职业道德。 6 数据采集与预处 理 陈冠玮 2 重点： • 数据采集技术 • 数据清洗和转换方法 • 使用 Python 进行数据预处理 难点： • 数据清理 • 删除法、数据插补、异常数据处理 • 数据标准化 课程思政融入点： 介绍资料预处理方法，培养实事求是的科 学态度和职业道德。 线下教学 课堂讲授 使用波士顿房价进 行数据标准化 目 标 二 7 数据分析 陈冠玮 2 重点： • 数据分析基础 • 使用 Numpy 和 Pandas 进行数据分析 • 使用 Matplotlib 进行数据可视化 难点： • 建立 Pandas 基础 线下教学 课堂讲授 使用 Pandas 对文档 读取显示，并针对表 单合并 目 标 二
·索引操作·文档及表单合并·表单分组及变形课程思政融入点：介绍Pandas在数据分析处理的功能，培养实事求是的科学态度和职业道德。目标期中总结复习陈冠玮210线下教学期中总结复习与考查笔试测验笔试理论测验与考查-16合计实践教学进程表教学支撑课项目类型（验证/综周次实验项目名称授课教师学时教学内容（重点、难点、课程愿政融入点）合/设计）程目标方法重点：·数据采集技术使用数据采集·数据清洗和转换方法。使用Python进行数据预处理与预处理知识难点：波士顿房价进行数据标点，将共享桦陈冠玮综合目标三82.删除法、数据插补、异常数据处理准化属导入代码，·数据标准化实际应用至项课程思政融入点：目介绍资料预处理方法，培养实事求是的科学态度和职业道德7
7 • 索引操作 • 文档及表单合并 • 表单分组及变形 课程思政融入点： 介绍 Pandas 在数据分析处理的功能，培养 实事求是的科学态度和职业道德。 10 期中总结复习 与考查 陈冠玮 2 期中总结复习与考查 线下教学 笔试测验 笔试理论测验 目 标 一 合计 16 实践教学进程表 周次 实验项目名称 授课教师 学时 教学内容（重点、难点、课程思政融入点） 项目类型（验证/综 合/设计） 教学 方法 支撑课 程目标 8 波士顿房价进行数据标 准化 陈冠玮 2 重点： • 数据采集技术 • 数据清洗和转换方法 • 使用 Python 进行数据预处理 难点： • 删除法、数据插补、异常数据处理 • 数据标准化 课程思政融入点： 介绍资料预处理方法，培养实事求是的科学 态度和职业道德 综合 使用数据采集 与预处理知识 点，将共享梣 属导入代码， 实际应用至项 目 目标三
重点：·Matplotlib的安装和写入·折线图、柱形图、散点图、雷达图·修饰语法、样式选择难点：使用Matplotlib·数据预处理完成方可资料可视化将资料可视波士顿房价数据可视化陈冠玮2综合目标三9。各项图形设置方法及代码编写方式化，使学生更实验·图形显示修饰语法贴近资料处理·图形样式选择及切换课程思政融入点：介绍Matplotlib和Pandas在数据分析处理的可视化，培养实事求是的科学态度和职业道德。重点：·线性回归形式搭配求解方法·线性回归参数求解方法正规方程法、2综合陈冠玮目标三11银行定量分析实验-1课程思政融入点：梯度下降法进介绍线性回归方法及预测，培养实事求是的科行数据检测学态度和职业道德重点：·非线性回归模型搭配求解方法·线性回归方程的选择和预测正规方程法、陈冠玮综合目标三212银行定量分析实验-2课程思政融入点：梯度下降法进介绍非线性回归方法及预测，培养实事求是的行数据检测科学态度和职业道德。8
8 9 波士顿房价数据可视化 实验 陈冠玮 2 重点： • Matplotlib 的安装和写入 • 折线图、柱形图、散点图、雷达图 • 修饰语法、样式选择 难点： • 数据预处理完成方可资料可视化 • 各项图形设置方法及代码编写方式 • 图形显示修饰语法 • 图形样式选择及切换 课程思政融入点： 介绍 Matplotlib 和 Pandas 在数据分析处理的可 视化，培养实事求是的科学态度和职业道德。 综合 使用 Matplotlib 将资料可视 化，使学生更 贴近资料处理 目标三 11 银行定量分析实验-1 陈冠玮 2 重点： • 线性回归形式 • 线性回归参数求解方法 课程思政融入点： 介绍线性回归方法及预测，培养实事求是的科 学态度和职业道德。 综合 搭配求解方法 正规方程法、 梯度下降法进 行数据检测 目标三 12 银行定量分析实验-2 陈冠玮 2 重点： • 非线性回归模型 • 线性回归方程的选择和预测 课程思政融入点： 介绍非线性回归方法及预测，培养实事求是的 科学态度和职业道德。 综合 搭配求解方法 正规方程法、 梯度下降法进 行数据检测 目标三
重点：介绍各项分类·逻辑回归分类模型与应用算法，并分别·决策树分类模型与应用鸢尾花数据分类算法实陈冠玮综合2目标三13用案例比较结课程思政融入点：验-1果，使学生明介绍各项分类模型进行数据分类，培养实事求白差异性。是的科学态度和职业造德。重点：介绍各项分类·朴素贝叶斯分类模型与应用算法，并分别·支持向量机分类模型与应用鸢尾花数据分类算法实陈冠玮2综合目标三14用案例比较结课程思政融入点：验-2果，使学生明介绍各项分类模型进行数据分类，培养实事求白差异性。是的科学态度和职业道德重点：·XAMPP软件安装XAMPP软件·XAMPPControl Pannel·网页代码编写测试进行网页测难点：XAMPP数据库搭建实试，顺序讲解陈冠玮综合日标二215：了解网页运作模式.验流程及引导式。网页对应代码功能教学，逐步构课程思政融入点：建专案介绍网页设计方法及代码控制法则，培养实事求是的科学态度和职业道德重点：XAMPP数据库存储管phpMyAdmin陈冠玮2综合目标二16·phpMyAdmin平台搭建理实验平台设计，顺9
9 13 鸢尾花数据分类算法实 验-1 陈冠玮 2 重点： • 逻辑回归分类模型与应用 • 决策树分类模型与应用 课程思政融入点： 介绍各项分类模型进行数据分类，培养实事求 是的科学态度和职业道德。 综合 介绍各项分类 算法，并分别 用案例比较结 果，使学生明 白差异性。 目标三 14 鸢尾花数据分类算法实 验-2 陈冠玮 2 重点： • 朴素贝叶斯分类模型与应用 • 支持向量机分类模型与应用 课程思政融入点： 介绍各项分类模型进行数据分类，培养实事求 是的科学态度和职业道德。 综合 介绍各项分类 算法，并分别 用案例比较结 果，使学生明 白差异性。 目标三 15 XAMPP 数据库搭建实 验 陈冠玮 2 重点： • XAMPP 软件安装 • XAMPP Control Pannel • 网页代码编写测试 难点： • 了解网页运作模式 • 网页对应代码功能 课程思政融入点： 介绍网页设计方法及代码控制法则，培养实事 求是的科学态度和职业道德。 综合 XAMPP 软 件 进行网页测 试，顺序讲解 流程及引导式 教学，逐步构 建专案 目标二 16 XAMPP 数据库存储管 理实验 陈冠玮 2 重点： • phpMyAdmin 平台搭建 综合 phpMyAdmin 平台设计，顺 目标二
数据存储至平台:序存储数据至网络架构设置平台，讲解流难点：程及引导式教phpMyAdmin代码编写及平台操作*学，逐步构建数据分类及存储方法专案内部网及外部网设置及代码撰写-网页代码编写和Python落差较大.课程思政融入点：介绍数据存储至平台方法，培养实事求是的科学态度和职业道德。合计16课程考核评价依据及成绩比例（%）课程目标支撑毕业要求指标点作业实验考试合计文献检索50520目标一1、 21055102040目标二4、7、10、1155目标三5. 61020 4015205015100各注：1）根据《东范理工学院专试管理规定》第十二条规定：旷课3次（或6课时）学生不得参加该课程的期终考核，2）各项考核标准见附件所示。10
10 • 数据存储至平台 • 网络架构设置 难点： • phpMyAdmin 代码编写及平台操作 • 数据分类及存储方法 • 内部网及外部网设置及代码撰写 • 网页代码编写和 Python 落差较大 课程思政融入点： 介绍数据存储至平台方法，培养实事求是的科 学态度和职业道德。 序存储数据至 平台，讲解流 程及引导式教 学，逐步构建 专案 合计 16 课程考核 课程目标 支撑毕业要求指标点 评价依据及成绩比例（%） 作业 实验 考试 文献检索 合计 目标一 1、2 5 0 10 5 20 目标二 4、7、10、11 5 10 20 5 40 目标三 5、6 5 10 20 5 40 15 20 50 15 100 备注：1）根据《东莞理工学院考试管理规定》第十二条规定：旷课 3 次（或 6 课时）学生不得参加该课程的期终考核。2）各项考核标准见附件所示