[计算机基础——大数据与云计算]

本科课程教学大纲（政商学院）

主 审:

一、课程描述

1.简要描述课程性质。不是对必修/选修的描述，而是对学科专业性质的描述。

《计算机基础——大数据与云计算》课程是针对政商研究院学生开设的一门公共选修课。为适应政商研究院打造政商精英的人才培养模式，培养基础宽厚，知识、能力、素质、精神俱佳的优秀学生，造就具有深厚的人文底蕴、扎实专业知识、强烈创新意识，本课程注重在当前IT技术飞速发展的同时，在企业主推大数据和云计算的背景下，重点探讨大数据及云计算背后的科学问题:数据科学的概念、理论、方法、技术、工具、应用及最佳实践，为学生更好地掌握专业知识以及提升自己的核心竞争力打下坚实基础。

2.简要描述课程主要内容，学生将从课程获得什么，教师的教学方式是什么等。

本课程侧重讲解数据科学的相关概念、方法、技术和应用，教学采用理论知识讲授、课堂实验、课下实践的形式授课，理论知识的讲授贯穿实际案例。通过本课程的学习，要求学生理解大数据及云计算时代数据科学的基本理论依据和相关概念，掌握解决问题的方法和技术，能够针对实际问题，使用工具进行处理和分析；同时引导学生在大数据及云计算时代具备深刻思考和创新精神，提升其学习不同专业背景知识的兴趣，提升专业技能。

3.简要描述课程成绩构成。包括考核方式、成绩占比及评分标准等。

（1）考核方式与成绩占比

① 出勤率: 10 %

② 课堂参与: 加分项

③ 案例讨论与实践: 20 %

④ 作业及实验: 20 %

⑤ 期末考查: 50 %

（2）评分标准

二、课程目标

按课程章节分别列出每章的教学目标，采取何种方式，培养学生何种能力。

（一）第1讲 数据科学的提出背景

1.1 大数据时代到来

1.2 大数据的4V特征

1.3 大数据时代的变革

教学要求:通过本讲的学习，使学生理解大数据及云计算时代的出现背景，掌握大数据的4V特征，了解大数据时代的变革。

重点:大数据的4V特征。

难点:大数据相关理论知识。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:Facebook数据分析案例

讲授学时:1.5

实践学时:0.5

（二）第2讲 什么是数据科学

2.1 什么是数据

2.2 如何定义数据科学

2.3 数据科学对各学科的影响

2.4 数据科学研究目的与任务

教学要求:通过本讲的学习，使学生理解数据科学的定义，以及数据科学对各学科的影响，掌握数据科学的研究目的与任务。

重点:数据科学定义。

难点:数据科学的研究任务。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:果导因逆向思维分析——最牛分析师

讲授学时:1.5

实践学时:0.5

（三）第3讲 数据科学的理论体系

3.1 数据科学发展里程碑

3.2 数据科学的知识体系

教学要求:通过本讲的学习，使学生了解数据科学的发展数据科学的知识体系，理解数据科学与本专业之间的内在联系。

重点:数据科学知识体系。

难点:数据科学与专业的内在联系。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:全球大数据库领域开源工具。

讲授学时:1学时

实践学时:1学时

（四）第4讲 常用工具的使用

4.1 Word 2016基本操作

4.2 数据分析工具介绍

教学内容:通过本讲的学习，使学生掌握常用文档编辑工具Word 2016的使用，能够用Word 2016撰写并格式化数据分析报告；熟悉常用的数据分析工具。

重点:Word 2016的基本操作。

难点:数据分析工具的使用。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:如何撰写数据报告。

讲授学时:1

实践学时:1

（五）第5讲 课堂汇报1

教学内容:按小组汇报选用的数据分析工具的使用过程。

重点:数据分析工具的使用。

难点:数据分析工具的使用。

采用的教学方法:课堂汇报。

实践学时:2学时

（六）第6讲 数据科学的基本概念

6.1 数据科学的术语

6.2 数据科学本体

教学内容:通过本讲的学习，使学生熟悉数据科学的常见术语，理解什么是数据化、数据柔术、数据产品、数据改写、数据打磨、数据洞见、数据分析式思维、数据连续性、数据驱动等概念。

重点:数据科学常见术语。

难点:数据科学常见术语。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:数据科学领域的职位划分。

讲授学时:1.5

实践学时:0.5

（七）第7讲 数据科学的基本原则

7.1 三世界原则

7.2 三要素原则

7.3 数据驱动原则

7.4 数据复杂性原则

7.5 数据资产原则

7.6 DIKUW原则

7.7 3C原则

7.8 协同原则

7.9 从简原则

7.10 数据范式原则

教学内容:通过本讲的学习，要求学生理解数据科学的十项原则，并初步了解数据分析的方法和技术。

重点:数据科学基本原则的相关理论与实践。

难点:数据科学基本原则的相关理论与实践。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:开源数据统计工具

讲授学时:1.5

实践学时:0.5

（八）第8讲 数据科学项目

8.1 数据科学项目中的角色及任务

8.2 数据科学项目的流程

教学内容:通过本讲的学习，要求学生了解数据科学项目中的主要角色及任务，熟悉项目流程。

重点:数据科学项目流程。

难点:数据科学项目流程。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:数据科学项目

讲授学时:1.5

实践学时:0.5

（九）第9讲 数据科学家

教学内容:通过本讲的学习，使学生了解世界各地的数据科学家及在做工作，并能与所学专业进行联系。

重点:数据科学家的研究领域。

难点:数据科学家的研究领域。

采用的教学方法:知识点讲解、实践指导、动手实验。

参考案例:数据科学家Patil

讲授学时:1.5

实践学时:0.5

（十）第10讲 常用工具的使用

10.1 Excel 2016基本操作

10.2 数据分析工具介绍

教学内容:通过本讲的学习，使学生掌握常用表格处理工具Excel 2016的使用，能够用Excel 2016对数据进行统计分析。

重点:Excel 2016的数据处理功能。

难点:Excel 2016的数据处理功能。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:Excel 2016的基本操作。

讲授学时:1

实践学时:1

（十一）第11讲 课堂汇报2

教学内容:每组自选主题，介绍所选主题的调研与数据收集。

重点:数据收集。

难点:数据收集。

采用的教学方法:课堂汇报。

实践学时:2学时

（十二）第12讲 数据科学动态跟踪

12.1 数据科学资源

12.2 数据科学竞赛

教学内容:通过本讲的学习，使学生了解数据科学相关资源，了解数据科学相关竞赛并积极参加。

重点:数据科学调研。

难点:数据科学调研。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:管理工具和方法。

讲授学时:1

实践学时:1

（十三）第13讲 统计学与数据科学

13.1 常用的统计学知识

13.2 统计学在数据科学中的应用案例

教学内容:通过本讲的学习，使学生了解数据科学中常用的统计知识，了解统计学在数据科学中的应用案例。

重点:统计学知识。

难点:统计学知识。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:常用的统计工具。

讲授学时:1

实践学时:1

（十四）第14讲 机器学习与数据科学

14.1 常用的机器学习知识

14.2 机器学习系统

14.3 机器学习类型

教学内容:通过本讲的学习，使学生了解数据科学中机器学习的相关知识，了解机器学习系统和类型。

重点:机器学习基础知识。

难点:机器学习基础知识。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:AlphaGo的介绍。

讲授学时:1

实践学时:1

（十五）第15讲 常用工具的使用

15.1 PowerPoint 2016基本操作

15.2 数据分析工具介绍

教学内容:通过本讲的学习，使学生掌握常用文档演示工具PowerPoint 2016的使用，能够用PowerPoint 2016制作项目答辩PP。

重点:PowerPoint 2016的基本功能。

难点:PowerPoint 2016的基本功能。

采用的教学方法:案例讲解、实践指导、动手实验。

参考案例:PowerPoint 2016的基本操作。

讲授学时:1

实践学时:1

（十六）第16讲 课堂汇报3

教学内容:分组汇报数据处理及分析过程。

重点:数据处理及分析。

难点:数据处理及分析。

采用的教学方法:课堂汇报。

实践学时:2学时

（十七）第17讲 课堂汇报4

教学内容:分组汇报数据处理及分析过程。

重点:数据处理及分析。

难点:数据处理及分析。

采用的教学方法:课堂汇报。

实践学时:2学时

（十八）第18讲 课堂汇报5

教学内容:分组汇报数据处理及分析过程。

重点:数据处理及分析。

难点:数据处理及分析。

采用的教学方法:课堂汇报。

实践学时:2学时

三、课程资料

（一）教科书

1、苑俊英等. 计算机应用基础（第4版），2017年.

2、苑俊英等. 计算机应用基础实验教程（第4版）2017年.

3、郎为民．漫话大数据．人民邮电出版社, 2014-05.

4、郎为民．大话云计算．人民邮电出版社, 2012-01.

（二）参考书目

1、[加] 阿利斯泰尔·克罗尔（Alistair，Croll）本杰明·尤科维奇（）本杰明·尤科维奇（Benjamin，Yoskovitz） 著；韩知白，王鹤达 译. 精益数据分析. 人民邮电出版社,2015-01.

2、（英）Ben Hunt著，宫鑫等译. 转化:提升网站流量和转化率的技巧. 机械工业出版社,2013-09.

3、陈哲 著 数据分析:企业的贤内助. 机械工业出版社, 2013-01.

4、张洪举 著. 网站数据分析:数据驱动的网站管理.优化和运营. 机械工业出版社, 2013-08.

（三）电子文献链接

1、云计算论坛. http://bbs.csdn.net/forums/CloudComputing.

2、大数据社区. http://www.bigdata.ren/.

3、从公众平台分析，谈谈怎么做数据分析. http://www.woshipm.com/operate/185101.html.

四、教学进度计划表

五、教学活动与预期成果评估

（一）教学活动

1、个人预习

2、课堂讲授

3、课堂问答

4、小组讨论

5、课程实践

6、期末考查

（二）对预期学习成果的考察

六、评分体系与标准(评分项目不少于3项)

列出评分体系（评分构成与分数占比）、评分标准及考核要求。