课程教案大数据工具应用微课视频版钟雪灵清华大学出版社.docx

课程教案大数据工具应用微课视频版钟雪灵清华大学出版社.docx

《课程教案大数据工具应用微课视频版钟雪灵清华大学出版社.docx》由会员分享，可在线阅读，更多相关《课程教案大数据工具应用微课视频版钟雪灵清华大学出版社.docx（17页珍藏版）》请在冰豆网上搜索。

课程教案大数据工具应用微课视频版钟雪灵清华大学出版社

《大数据工具应用》课程教案

一、课程简介

课程类别：

职业选修课

授课对象：

本科层次各专业

学时与学分：

34学时，2学分

使用教材：

《大数据工具应用》（微课视频版）,钟雪灵,郭艺辉主编.清华大学出版社.高等学校大数据管理与应用专业规划教材.ISBN9787302559641.2020,08.

参考教材：

[1]袁梅宇.数据挖掘与机器学习Weka应用技术与实践（第二版）.北京：

清华大学出版社，2016.

[2]喻梅,于健.数据分析与数据挖掘.北京：

清华大学出版社，2018.

[3]雷明.机器学习：

原理、算法与应用.北京：

清华大学出版社，2019.

[4]朱洁,罗华霖.大数据架构详解：

从数据获取到深度学习.北京：

电子工业出版社，2016.

[5]刘红阁,王淑娟,温融冰.人人都是数据分析师：

Tableau应用实战（第2版）.北京：

人民邮电出版社，2019.

[6]王国平.Tableau数据可视化：

从入门到精通.北京：

清华大学出版社，2017.

[7]周苏,王文.大数据可视化.北京：

清华大学出版社，2019.

[8]美智讯.Tableau商业分析：

从新手到高手.北京：

电子工业出版社，2018.

[9]MalekipirbazariM,AksakalliV.Riskassessmentinsociallendingviarandomforests[J].ExpertSystemswithApplication,2015,42（10）:

4621-4631.

二、教学目的与教学要求：

移动互联网、云计算、大数据、人工智能、物联网等先进信息技术层出不穷，不断渗透至社会的各个领域，产生了许多新的应用场景，深刻地改变着人们的社交方式、生活方式和工作方式。

数字时代要求有新的教育，新工科、新医科、新农科、新文科的概念应运而生。

本课程讲授新兴的信息技术，围绕大数据的基础知识和工具应用进行课程建设和开发。

课程包括七章，涵盖数据获取、数据挖掘、数据呈现和数据思维等四部分内容。

课程立足应用入门，强调工具操作，突出案例教学。

学习本课程，学生将能拓展所学专业的知识边界，获得一定的大数据知识与技能，建立数据思维。

第1次课2学时

本次教学重点：

大数据的特点、数据获取、数据存储

本次教学难点：

大数据的结构、数据管理、数据分析

本次教学内容：

第一章大数据概述

1.1大数据应用概况

1.1.1大数据的定义

1.1.2大数据的特点

1.1.3大数据的结构

1.1.4相关技术

1.1.5现状与趋势

1.2大数据处理步骤

1.2.1数据获取

1.2.2数据存储

1.2.3数据管理

1.2.4数据分析

1.3应用案例

1.3.1商品推荐服务

1.3.2公共信息服务

1.3.3数据呈现服务

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

第2次课2学时

本次课教学重点：

格式转换与数据清洗整理、网页数据获取

本次课教学难点：

八爪鱼模板采集任务、自定义采集模式

本次课教学内容：

第二章数据获取

2.1格式转换与数据清洗整理

2.2网页数据获取

2.2.1八爪鱼采集原理与安装

2.2.2模板采集任务

2.2.3自定义采集模式

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

本次课实践教学设计：

1、完成iris.csv和dataset.txt文件到excel文件的转换。

2、对学生资料.xlsx文件做以下处理：

根据旧准考证号加上班级序号名称来生成新的追考证号码。

规则是：

旧号码的前6位+0+班级号+旧号码后3位。

3、使用最新版本的八爪鱼软件的“简易采集”模式，对“新浪财经”的股票推荐信息进行采集。

采集网址为：

4、

5、使用最新版本的八爪鱼软件的“自定义采集-向导模式”，对京东网站的某项商品搜索结果进行采集。

并将结果保存为excel文件。

6、完成bank-data.xlsx文件到arff文件的转换。

7、对weather.numeric.arff数据集中的数值型属性“温度（temperature）”离散成低温（cool），中温（mild），高温（hot）三个等级。

8、生成weather.nominal.arff数据集的决策树。

9、对CPU.arff数据集使用M5P分类器进行线性回归。

10、使用SimpleKMeans聚类器对weather.numeric.arff数据集进行聚类，选择2个簇和欧氏距离，其他参数保持默认值，忽略play属性。

11、使用EM聚类器对weather.numeric.arff数据集进行聚类，选择2个簇，其他参数保持默认值，忽略play属性。

第3次课2学时

本次课教学重点：

Weka数据分析入门、数据预处理、J48决策树分类器

本次课教学难点：

数据预处理、J48决策树分类器

本次课教学内容：

第三章数据分析入门

3.1Weka简介与数据预处理

3.1.1软件下载

3.1.2文件与数据格式

3.1.3Weka程序界面

3.1.4数据预处理

3.2数据分类

3.2.1J48决策树分类器

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

第4次课2学时

本次课教学重点：

LinearRegression分类器、数据聚类

本次课教学难点：

M5P分类器、EM聚类器

本次课教学内容：

第三章数据分析入门

3.1Weka简介与数据预处理

3.2.2LinearRegression分类器

3.2.3M5P分类器

3.3数据聚类

3.3.1SimpleKMeans聚类器

3.3.2EM聚类器

3.3.3DBSCAN聚类器

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

本次课实践教学设计：

1、对glass.arff文件中的玻璃数据应用排序技术，确定基于信息增益的四个最重要的属性是什么？

2、使用上述玻璃数据集，运行基于相关性的CfsSubsetEval评估器，使用BestFirst搜索方法；然后运行J48作为基学习器的包装方法，再次使用BestFirst搜索方法。

检查输出的属性子集，这两种方法都选择出来的有哪些属性？

它们与题1中使用信息增益所生成的排序输出有何关系？

3、使用cpu.arff数据集，切换到Visualize标签页，实现如下结果：

打开某一个放大散点图，横坐标（即X坐标）设置为CACH属性，纵坐标（即Y坐标）设置为class属性，同时使用Rectangle选项来选择实例，使得图中只显示CACH范围大概在15~70之间并且class范围大概在100~400之间的所有实例，其它实例不显示。

请把该结果图截图显示在实验结果中。

第5次课2学时

本次课教学重点：

关联规则相关概念、Apriori算法、属性选择

本次课教学难点：

Apriori关联规则挖掘

本次课教学内容：

第三章数据分析入门

3.4数据关联

3.4.1关联规则相关概念

3.4.2Apriori算法介绍

3.4.3Apriori关联规则挖掘

3.5选择属性

3.5.1属性选择概述

3.5.2Weka中Selectattributes标签页

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

第6次课2学时

本次课教学重点：

选择属性、Weka中选择属性操作、数据可视化

本次课教学难点：

数值型类别属性可视化

本次课教学内容：

第三章数据分析入门

3.5选择属性

3.5.3选择属性模式介绍

3.5.4Weka中选择属性操作示例

3.6数据可视化

3.6.1Visualize标签页

3.6.2数值型类别属性可视化

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

作业布置：

1、在Weka软件探索者界面中，利用Visualize标签页通过更改各个参数来进行数据集的可视化属性设置后，需要单击以下（）按钮，所有更改才会生效。

A.SelectAttribute

B.SubSample

C.Update

D.Fastscrolling

2、Ranker方法既可以用于单个属性评估器，又可以用于属性子集评估器。

A.对B.错

3、利用weka软件进行数据可视化时，用户可以选择类别属性对数据点着色，如果类别属性是标称型，则显示为彩色条。

A.对B.错

第7次课2学时

本次课教学重点：

贝叶斯公式、贝叶斯网络、创建贝叶斯网络

本次课教学难点：

使用贝叶斯网络进行推理

本次课教学内容：

第四章数据分析进阶

4.1贝叶斯网络

4.1.1贝叶斯公式简介

4.1.2贝叶斯网络简介

4.1.3创建贝叶斯网络

4.1.4使用贝叶斯网络进行推理

教学组织：

1、采用混合式教学法。

线上讲授演示与线下集中辅导答疑相结合。

2、采用模拟教学法。

切合知识点，运用模拟软件的操作演示，拓宽学生的思维空间，增加学生的学习兴趣，提高学生的能力。

3、采用演示法。

通过相关图片及视频资料，获得生动的表象，激起学生的感性认识，促进其对知识点比较全面、深刻地理解和掌握。

本次课实践教学设计：

完成下图所示的贝叶斯网络，应用weka工具进行分析。

第8次课2学时

本次课教学重点：

神经网络介绍、Weka神经网络选项设置、编辑神