教案-《人工智能应用导论》6-2 任务二 数据处理模块

教案（2学时）任务二数据处理模块将带领你构建智慧安防系统的数据中枢。数据是所有智能决策的基石，本模块将模拟处理来自校园一卡通系统和物联网报警设备的多源异构数据，进行清洗、整合和初步分析，为上层应用提供高质量、结构化的“情报”支持。本任务是构建安防系统的数据处理中枢。通过Python清洗和整合多源异构数据，利用Pandas实现基于规则的异常行为检测，并调用API接口将警报推送至中央平台。重点在于掌握数据预处理逻辑与系统间通信技术，是连接底层感知与上层应用的核心环节。理解多源数据清洗、整合的基本流程，掌握Pandas库的核心操作方法。理解基于规则的异常检测逻辑，掌握HTTPPOST请求及API通信的工作原理。能够利用Python对多源异构数据进行清洗、合并，并实现基于时间窗口的异常行为检测。能够编写健壮的代码，将警报信息封装为JSON格式并通过API接口发送至中央平台。素质目标培养严谨细致的工匠精神，树立保障数据质量和系统安全的职业责任意识。强化工程化思维，养成编写规范代码、进行模块化设计和异常处理的良好习惯。Pandas数据清洗与整合：掌握利用Pandas对CSV数据进行缺失值处理、去重以及多表关联合并的核心操作。API通信的实现：理解HTTP协议，能够使用requests库构建JSON数据并通过POST请求将警报发送至中央控制平台。异常检测规则的算法实现：将业务需求转化为逻辑严密的代码，特别是利用时间窗口（如滑动窗口）进行复杂条件判断的逻辑构建。时间序列数据处理：掌握时间格式的转换、计算与比较，并在检测逻辑中准确应用时间差筛选。案例导入，引发思考：在讲解数据清洗环节时，通过“脏数据导致系统误判”的反面案例，让学生直观感受数据质量的重要性，引出诚信治学的职业规范。技能实训，强化规范：在编写异常检测和API通信代码时，要求学生严格遵守编程规范和异常处理机制，通过代码的健壮性训练，潜移默化地培养严谨细致的工匠精神和责任感。情境体验，升华价值：结合校园安防的模拟场景，强调软件工作在维护师生安全、构建平安校园中的社会价值，激发学生的专业使命感。2.3教学资源与环境1.超星学习通平台、智慧职教1.

数据在系统中的价值：了解数据是智能决策的基石，理解“垃圾进，垃圾出”的IT原则。

2.

Pandas库基础：回顾或学习Pandas的基本概念，如DataFrame、Series、数据读取（read_csv）。

3.

HTTP协议与API基础：了解什么是API，以及POST请求的基本作用。

4.

任务预习：阅读任务二文档，理解数据处理模块的功能和目标。1.

【任务推送】

在学习通/班级群发布课前导学任务单，包含学习目标和预习资料链接（如Pandas入门教程、HTTP协议简介）。

2.

【个性辅导】

在班级群或论坛中预留答疑时间，解答学生预习中的共性问题。

3.

【策略调整】

设计线上自测题（如选择题），分析学生预习情况，为课堂讲解重点和难点提供依据。1.

【自主学习】

根据任务单，利用提供的微课视频、文档和在线资源，学习Pandas数据读取和HTTP协议的基本知识。

2.

【线上自测】

完成教师发布的预习自测题，检验学习效果。

3.

【问题记录】

在预习过程中记录不理解的知识点，准备在课堂上提问。1.

以学定教：通过线上自测反馈，精准定位学生的知识薄弱点，使课堂教学更具针对性，提高效率。

2.

能力培养：引导学生利用数字化平台进行自主学习，培养其信息检索和高效学习的能力。

3.

知识铺垫：为课堂的实战操作打下坚实的理论基础，降低学习门槛，提升课堂参与度。例会（5分钟）考勤。课前学习情况梳理。1.【课堂考勤】点到，做好考勤记录。2.【激励措施】根据学生自主学习完成情况进行积分奖励。3.课前学习情况总结1.【课堂签到】1.通过激励，让学生课前自主学习有动力。2.回顾知识，强化记忆。引入(5分钟)

1.

情境回顾：展示智慧安防系统后台，聚焦“数据洪流”问题（如：成千上万条原始门禁记录、报警信号杂乱无章）。

2.

问题抛出：提问“如果这些数据有缺失、重复或混乱，中央平台还能做出正确的决策吗？”

3.

任务发布：明确本节课任务是开发“数据处理模块”，作为系统的“智慧大脑”，负责数据的“去伪存真”和“情报上报”。

4.

知识铺垫：简要介绍数据处理流程（ETL）及本任务涉及的Python库（Pandas,requests）。1.

【情境创设】通过演示系统后台，营造真实工作场景，激发学生兴趣。

2.

【问题驱动】提出关键问题，引发学生思考数据质量的重要性。

3.

【任务发布】清晰阐述本节课的核心任务和目标。

4.

【知识铺垫】快速回顾相关知识点，为后续实践做好铺垫。1.

【情境感知】观察系统演示，理解数据处理在安防系统中的关键作用。

2.

【思考讨论】针对教师提出的问题进行思考，初步形成对数据重要性的认识。

3.

【明确目标】清楚本节课需要完成的具体任务。

4.

【知识回顾】回顾预习内容，为接下来的实践操作做好准备。1.

激发兴趣：通过真实场景和问题，吸引学生注意力，提高学习主动性。

2.

明确目标：让学生清楚本节课的学习目标和任务，做到心中有数。

3.

承上启下：将课前预习与课中实践紧密衔接，形成完整的学习链条。

4.

培养思维：通过问题引导，培养学生的逻辑思维和问题意识。讲授(10分钟)

1.

数据处理流程：讲解数据清洗、整合、分析、输出的完整流程。

2.

Pandas核心操作：重点讲解dropna()（处理缺失值）、drop_duplicates()（处理重复值）、merge()（数据合并）等关键函数。

3.

异常检测逻辑：讲解基于时间窗口的滑动算法，如何筛选异常行为（如“1小时内访问超过3个地点”）。

4.

API通信原理：讲解HTTPPOST请求、JSON数据格式及requests.post()的使用方法。1.

【精讲点拨】对核心知识点进行精炼讲解，突出重点和难点。

2.

【案例演示】通过代码示例演示关键函数的使用方法和效果。

3.

【逻辑梳理】清晰阐述异常检测算法的逻辑思路。

4.

【强调规范】强调代码规范和异常处理的重要性。1.

【知识吸收】认真听讲，理解数据处理的核心概念和关键技术。

2.

【代码理解】跟随教师的演示，理解关键函数的用法和参数。

3.

【逻辑思考】思考异常检测算法的实现思路。

4.

【笔记记录】记录重点知识和代码示例。1.

突破重难点：针对数据处理中的核心技术和难点进行重点讲解，帮助学生理解。

2.

提供方法指导：为学生后续的实践操作提供具体的方法和思路。

3.

培养逻辑思维：通过讲解算法逻辑，培养学生的逻辑思维和问题解决能力。

4.

强调规范意识：培养学生的代码规范意识和良好的编程习惯。实战演练(45分钟)

1.

数据清洗与整合：加载并检查user_info.csv和access_records.csv，使用Pandas处理缺失值、重复值，基于user_id合并两个DataFrame。

2.

异常检测规则实现：将时间列转换为datetime格式，编写滑动窗口算法检测异常（如“1小时内访问超过3个地点”），封装异常信息为JSON格式。

3.

API通信与联调：使用requests.post()发送数据至中央控制平台API，处理响应并验证功能。

4.

问题排查与优化：针对常见错误（如路径错误、时间格式、API连接）进行调试。1.

【任务发布】发布详细的实践任务单，明确各阶段目标和验收标准。

2.

【巡回指导】分组巡视，针对学生遇到的路径错误、时间计算、API连接等问题进行个性化辅导。

3.

【集中讲解】对共性问题（如时间窗口逻辑、API参数）进行集中演示和讲解。

4.

【成果验收】检查学生代码实现，确保功能完整性。1.

【小组协作】分组完成数据清洗、整合和异常检测代码编写。

2.

【代码调试】运行代码，根据报错信息进行调试和优化。

3.

【联调测试】启动中央平台，验证数据处理模块能否成功发送警报。

4.

【问题记录】记录实践过程中遇到的难点和解决方案。1.

强化技能应用：将理论知识转化为实际编程能力，培养解决复杂问题的能力。

2.

培养工程思维：通过模块化设计和异常处理，建立规范的软件开发习惯。

3.

体验系统协同：理解模块间API通信的重要性，感受完整系统的工作流程。

4.

提升问题解决能力：在调试过程中培养分析问题和解决问题的能力。展示和点评(15分钟)

1.

成果展示：选取2-3组学生的代码和运行截图进行展示。

2.

功能演示：学生现场演示数据处理模块的运行效果，包括数据清洗、异常检测和API通信。

3.

问题点评：教师针对展示的代码进行点评，指出优点和不足。

4.

经验分享：学生分享在实践过程中遇到的问题和解决方法。1.

【成果展示】邀请学生上台展示代码和运行效果。

2.

【点评指导】对展示的代码进行点评，肯定优点，指出不足，提出改进建议。

3.

【引导讨论】引导学生分享实践经验和心得体会。

4.

【总结提升】总结本次实践中的共性问题，提炼关键知识点。1.

【成果展示】上台展示自己的代码和运行效果。

2.

【功能演示】现场演示数据处理模块的运行效果。

3.

【经验分享】分享实践过程中的经验和心得。

4.

【学习借鉴】学习其他同学的优点，反思自己的不足。1.

检验学习效果：通过展示和演示，检验学生对知识的掌握程度和实践能力。

2.

促进相互学习：通过展示和点评，让学生相互学习，取长补短。

3.

提升表达能力：培养学生的表达能力和沟通能力。

4.

总结提升：通过点评和总结，帮助学生巩固所学知识，提升技能水平。总结与作业布置(10分钟)

1.

课堂总结：

-回顾数据处理“输入-处理-输出”的核心流程。

-强调数据质量对系统智能决策的决定性作用。

-梳理本次实践的关键技能点（Pandas清洗、滑动窗口算法、API通信）。

2.

作业布置：

-

基础作业：完善代码注释，调整异常检测阈值并测试结果。

-

拓展作业：尝试增加一个新的异常检测规则（例如：深夜访问实验室）。1.

【课堂总结】带领学生回顾本次课的核心内容和关键技能点。

2.

【强调重点】再次强调数据质量的重要性。

3.

【发布作业】在学习通或班级群发布分层作业，明确要求和提交方式。

4.

【资源推送】提供拓展学习资源（如Pandas高级函数、异常检测算法）。1.

【知识回顾】跟随教师总结，梳理本次课的知识点和技能点。

2.

【明确任务】了解作业要求和提交方式。

3.

【资源查看】查看教师推送的拓展学习资源。

4.

【问题记录】记录作业中可能遇到的问题，准备课后解决。1.

巩固学习成果：通过总结，帮助学生深化对知识的理解和记忆。

2.

明确学习方向：通过作业布置，为学生提供课后学习的目标和方向。

3.

满足个性化需求：分层作业满足不同层次学生的学习需求，激发学习兴趣。

4.

培养自主学习能力：通过拓展作业，培养学生的自主学习和探究能力。1.基础巩固(必做)

-完善代码注释，优化异常检测规则

-撰写实验报告，总结数据处理流程和遇到的问题

2.能力提升(选做)

-增加新的异常检测规则（如深夜访问实验室）

-尝试使用Pandas的更多函数优化数据处理

-研究JSONSchema验证API请求数据格式

3.拓展思考(探究)

-探讨如何提高异常检测的准确率（如引入机器学习）

-分析大规模数据处理时的性能优化方案1.【任务发布】在学习通发布分层作业，明确基础、提升和探究任务的要求

2.【资源推送】提供Pandas高级函数、异常检测算法等拓展学习资源

3.【在线答疑】在班级群或论坛提供课后辅导时间

4.【成果收集】收集学生作业，进行批改和点评1.【自主完善】根据课堂实践，优化和改进自己的代码

2.【拓展学习】选择感兴趣的提升或探究任务进行深入学习

3.【问题探究】针对拓展任务进行研究和实践

4.【成果提交】按时提交作业，参与线上讨论和交流1.巩固学习成果：通过复习和总结，深化对数据处理技术的理解

2.满足个性化需求：分层作业满足不同层次学生的学习需求，激发学习兴趣

3.培养探究精神：鼓励学生探索更高级的技术，培养创新思维和自主学习能力

4.拓展知识边界：为后续课程学习（如机器学习）奠定基础5.1教学目标达成情况核心概念与模块化设计：学生基本理解了数据处理模块在系统中的作用，但对模块间接口设计的规范性认识不足。API对接与软件环境：多数学生能完成API对接，但在异常处理和独立环境配置方面能力需加强。任务协作与通信：小组协作中，分工明确，但沟通效率有待提升。5.2教学方法有效性任务驱动法：有效激发学习兴趣，目标明确，但部分学生反映异常检测算法逻辑较难。