《大数据概论》课程教学大纲.pdf

《大数据概论》 课程教学大纲 一、 课程基本信息 √ 总学时为学时数 □理论课 （含上机、实验学时） 课程类型 总学时为周数 □实习 □课程设计 □毕业设计 课程编码 7294421 总学时 16 学时 学分 1 课程名称 大数据概论 课程英文名称 Data Science Essentials 适用专业 数据科学与大数据技术 先修课程 （7030701）高等数学Ⅰ(1)、（7030702）高等数学Ⅰ(2) 开课部门 信息学院人工智能系 二、 课程性质与目标 本课程的授课对象为数据科学与大数据技术专业本科生，课程性质为专业选 修课，本课程介绍了进行数据科学分析和开发的所有关键要点，提供了高级数据 探索和操作技术，带学生学习常用的机器学习算法以及一些实用又有效的数据处 理技术，最终利用图形化表示完善数据科学概述。 课程目标 1：使学生深入了解数据科学概念，轻松进行理论扩展课程目标； 课程目标 2：培养学生大数据平台运营、大数据分析和数据可视化基本思想 和基本技能。 课程思政目标：提高学生数据分析和数据展现的能力，为后续的应用性开发 课程的学习打好编程基础，做到学以致用。 三、 课程教学基本内容与要求 第一单元 数据科学介绍及编程语言 （一）教学基本内容 1.1 数据科学简介 1.2 Python 介绍 （二）教学基本要求 1、掌握： Python 语言基本认识 2 、理解： 数据科学的基本理论和研究方法 1 3、了解： 数据科学的技术应用 第二单元 分类器认识 （一）教学基本内容 2. 1 使用最近邻方法进行图像分类 2.2 空间距离度量 （二）教学基本要求 1、掌握： 最近邻分类 2 、理解： 图像数据结构与分类 3、了解： Python 数据运算的编程方法 第三单元 爬山问题--梯度下降原理 （一）教学基本内容 3.1 损失函数 3.2 随机梯度下降 3.3 学习率 （二）教学基本要求 1、掌握： 梯度的概念 2 、理解： 梯度下降 3、了解： 优化理论 第四单元 高级的分类器 （一）教学基本内容 4.1 线性和逻辑回归 4.2 线性分类方法 （二）教学基本要求 1、掌握： 线性分类 2 、理解： 线性分类几何意义 3、了解： 支持向量机方法 第五单元 感知机原理 （一）教学基本内容 5.1 激活函数 2 5.2 权重 5.3 感知机 （二）教学基本要求 1、掌握： 神经元模型 2 、理解： 激活函数 3、了解： 感知机分类器 第六单元 后向传播原理 （一）教学基本内容 6.1 前向传播 6.2 后向传播 6.3 全连接网络 （二）教学基本要求 1、掌握： 随机梯度下降 2 、理解： 前向与后向传播 3、了解： 全连接网络 第七单元 卷积神经网络认识 （一）教学基本内容 6.1