可视化技术等。采用小组答辩的考试形式。考核内容包括：1、数据网络爬取2、数据清洗3、数 据建模4、数据的可视化，5、数据分析6、图像视频处理等。 (仁)课程成绩 1.考核环节及说明 成绩构成 考核说明 平时成绩 不定次数点名，点名时暂时不在场的，扣2分，缺勤（含请假）超过3或代替考勤的，扣除全 2)针对平时成绩对应的深程标，由作业、测则验、实验、课堂表现等部分构成，各部分占比及评分 标准由教师根据实际情况决定。 》期夫答古比：签料成绩0分占课程考核成绩的50. 期末答特 3)答辩内容 主要考核数据分析基本理论，数据分析算法、Pyh数据库技术、数据可视化技术等。 数据清洗：3、数据建模：4、 自拟 2.考核与评价方式 成绩比例（平时成绩50%+期末成绩50%） 课程目标 平时成绩(50%) 合计 期末成绩(50%) 课堂表现(25%) 测验(25%) 1 10 5 0 25% 2 15 10 25 50% 3 0 0 25 25% 合计（成绩构成） 25 25 50 100% 五、教学方法 本课程教学所采用的教学方法 1,课堂讲授：主要讲授大数据基本概念、数据的获取、清洗、建模、可视化和分析，以及大 数据在各领域的应用与产业发展相关的知识。 2.案例分析：对实际案例进行分析讲解和代码演示。通过案例和真实项目的方式让学生掌握 大数据分析的基础技术。 3。机房练习：练习数据获取、清洗、建模、可视化和分析的基本方法。 4.课堂测试：学生随堂测试和讲评。 5.翻转课堂：学生讲解自己的数据分析案例 六、参考材料 线上：中国大学MOOC大数据基础与应用htps:www.icourse163.org/course/BIT-1205834821? …4 ·4· 可视化技术等。采用小组答辩的考试形式。考核内容包括：1、数据网络爬取 2、数据清洗 3、数 据建模 4、数据的可视化，5、数据分析 6、图像视频处理等。 (二) 课程成绩 1． 考核环节及说明 成绩构成 考核说明 平时成绩 1) 平时成绩满分为 50 分，占总成绩的 50%。主要包括：课堂表现、线上学习情况（泛雅平台统计 分数）25%和期中随堂考核 25%两部分。除经学校/学院书面同意外，不得调换上课时间；不定时、 不定次数点名，点名时暂时不在场的，扣 2 分，缺勤（含请假）超过 1/3 或代替考勤的，扣除全 部课堂表现分；当周没有线上学习记录的，扣 5 分 2) 针对平时成绩对应的课程目标，由作业、测验、实验、课堂表现等部分构成，各部分占比及评分 标准由教师根据实际情况决定。 期末答辩 1) 期末答辩占比：答辩成绩 100 分，占课程考核成绩的 50%。 2) 评定依据：根据答辩评分标准进行。 3) 答辩内容：主要考核数据分析基本理论，数据分析算法、Python 数据库技术、数据可视化技术等。 采用小组答辩的考试形式。考核内容包括：1、数据网络爬取；2、数据清洗；3、数据建模；4、 数据的可视化；5、数据分析；6、图像视频处理等，答辩主题自拟。 2． 考核与评价方式 课程目标 成绩比例（平时成绩 50%+期末成绩 50%） 平时成绩（50%） 合计 期末成绩（50%） 课堂表现（25%） 测验（25%） 1 10 15 0 25% 2 15 10 25 50% 3 0 0 25 25% 合计（成绩构成） 25 25 50 100% 五、教学方法 本课程教学所采用的教学方法： 1． 课堂讲授：主要讲授大数据基本概念、数据的获取、清洗、建模、可视化和分析，以及大 数据在各领域的应用与产业发展相关的知识。 2． 案例分析：对实际案例进行分析讲解和代码演示。通过案例和真实项目的方式让学生掌握 大数据分析的基础技术。 3． 机房练习：练习数据获取、清洗、建模、可视化和分析的基本方法。 4． 课堂测试：学生随堂测试和讲评。 5． 翻转课堂：学生讲解自己的数据分析案例。 六、参考材料 线上：中国大学 MOOC 大数据基础与应用 https://www.icourse163.org/course/BIT-1205834821?