大数据分析导论-教案 金大卫

大数据分析导论

教案承担课程的教学单位中南财经政法大学信息工程学院承担课程的教研室授课对象课程名称大数据分析导论授课教师编制时间中南财经政法大学信息工程学院制

教案首页课程名称大数据分析导论2（学分）总学时48学时讲课32学时实验0上机16学时实训0其它0类别通识必修课（√）通识选修课（）学科/专业基础课（）专业必修课（）专业选修课（）集中实践（）任课教师职称授课对象教学目的

与要求1.理解数据与大数据的基本概念、特征和价值，把握从信息化到智能化演进的技术脉络。2.掌握计算机网络体系结构、计算机系统组成与数据表示等数据基础设施知识。3.掌握Python编程基础，能够编写规范的数据处理程序。4.掌握网络数据获取（爬虫）的基本方法，能够合规采集网页数据。5.掌握数据分析的基本流程与常用工具，能够对数值型与文本型数据进行分析与可视化。6.理解大语言模型的原理与应用方式，掌握提示词工程基本方法，能够运用AI工具辅助数据分析。7.掌握WPS智能办公工具进行数据处理的方法，具备利用智能工具提升工作效率的素养。教学的重点

与难点教学重点：1.大数据的基本特征（4V/5V）与数据价值2.Python编程基础与控制结构、函数的运用3.requests+BeautifulSoup数据采集方法4.Pandas数据清洗、统计分析与可视化5.提示词工程与大模型应用教学难点：1.网络体系结构与HTTP协议工作机制2.数据在计算机中的表示与字符编码3.Python程序逻辑构建与调试4.数据分析方法的选择与结果解读5.面向复杂任务的提示词设计与迭代优化教材《大数据分析导论（第3版）》金大卫主编清华大学出版社参考资料[1]《大数据导论（第2版）》林子雨主编人民邮电出版社2023年[2]《利用Python进行数据分析（原书第3版）》[美]韦斯·麦金尼著机械工业出版社2023年[3]《Python编程：从入门到实践（第3版）》[美]埃里克·马瑟斯著人民邮电出版社2023年[4]Pandas、NumPy、Matplotlib、Scikit-learn官方文档（最新版）其它要求按时上课，认真完成课堂练习、上机实验和课后作业，遵守上机操作规范和数据合规要求

大数据分析导论课程教案授课题目第1章数据驱动：从信息化到智能化的跨越授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解数据的基本概念、分类与生命周期。2.掌握大数据的4V/5V特征及其带来的技术挑战。3.了解数据驱动决策的典型应用场景与大数据产业格局。教学重点与难点教学重点：大数据4V/5V特征；数据驱动的基本方式与数据价值。教学难点：大数据与传统数据处理方式的本质区别。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“双十一数据大屏”“城市交通大脑”等案例引入数据的价值。2.讲授新知（40分钟）：讲解数据概念与分类、大数据4V/5V特征、数据驱动的基本流程，梳理从信息化到智能化的演进脉络。3.案例分析（15分钟）：分析零售、金融、交通等行业的大数据应用案例。4.课堂讨论（20分钟）：组织学生讨论“身边的大数据应用及其价值”。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例分析法、课堂讨论课程思政结合国家大数据战略与“数字中国”建设，引导学生认识数据要素的战略价值，树立数据安全与隐私保护意识。作业、讨论、辅导答疑1.复习本章内容。2.列举3个身边的大数据应用案例，分析其数据来源与价值。课后小结学生对大数据特征与应用形成整体认知，为后续章节学习奠定基础。

大数据分析导论课程教案授课题目第2章数据传输（上）：自顶向下的网络授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解计算机网络的基本概念、组成与分类。2.掌握网络体系结构与分层模型（OSI/TCP-IP）。3.理解数据封装与传输的基本过程。教学重点与难点教学重点：网络协议分层模型；数据封装与解封装过程。教学难点：分层模型中各层功能与协议的对应关系。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“发出一条微信消息经历了什么”引入网络传输过程。2.讲授新知（40分钟）：讲解网络组成与分类、五层体系结构、各层核心功能与代表协议。3.案例分析（15分钟）：以一次网页访问为例，完整追踪数据包的封装与传递过程。4.课堂讨论（20分钟）：讨论分层设计思想及其在软件设计中的借鉴意义。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例演示、启发式提问课程思政介绍我国网络基础设施建设成就（5G、千兆光网），增强学生的科技自信与网络强国意识。作业、讨论、辅导答疑1.复习网络体系结构。2.绘制一次网页访问的数据封装流程图。课后小结学生建立网络分层模型的整体框架，理解数据传输机制。

大数据分析导论课程教案授课题目第2章数据传输（下）：互联网与Web技术授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.掌握IP地址、域名与DNS的作用。2.理解HTTP/HTTPS协议的基本工作原理。3.了解Web体系结构与HTML、URL等基础技术。教学重点与难点教学重点：HTTP请求/响应机制；DNS解析过程。教学难点：HTTP报文结构与无状态特性。教学内容及时间安排（教学过程设计）1.导入（10分钟）：从“浏览器输入网址到页面展示”的完整过程回顾引入。2.讲授新知（40分钟）：讲解IP地址与域名系统、DNS解析流程、HTTP请求/响应模型、HTTPS安全机制、Web基础技术。3.案例分析（15分钟）：使用浏览器开发者工具抓取并分析一次HTTP请求。4.课堂讨论（20分钟）：讨论HTTPS普及与网络安全的现实意义。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、工具演示、课堂讨论课程思政结合《网络安全法》《个人信息保护法》，强调数据传输安全与法律边界。作业、讨论、辅导答疑1.复习HTTP协议。2.使用浏览器开发者工具观察并记录一次完整的HTTP请求。课后小结学生理解Web数据传输机制，为第6章爬虫学习打下基础。

大数据分析导论课程教案授课题目第3章数据载体：计算机系统与数据的表示授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.了解计算机硬件系统的组成（冯·诺依曼结构）。2.理解软件系统层次与操作系统的功能。3.掌握数值与字符数据在计算机中的表示方法。教学重点与难点教学重点：冯·诺依曼体系结构；字符编码方式（ASCII/Unicode/UTF-8）。教学难点：二进制与各进制转换；字符编码原理。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“计算机为什么只能识别0和1”引入数据表示问题。2.讲授新知（40分钟）：讲解计算机硬件组成、软件层次结构、进制转换、数值/字符/多媒体数据的表示方法。3.案例分析（15分钟）：分析中文乱码问题的编码成因。4.课堂讨论（20分钟）：讨论存储单位换算与日常数据量的估算（KB到PB）。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例分析、课堂练习课程思政介绍我国自主CPU与操作系统研发进展（龙芯、鸿蒙），激发学生科技自立自强情怀。作业、讨论、辅导答疑1.复习数据表示。2.完成进制转换与字符编码练习题。课后小结学生理解数据在计算机中的承载与表示方式。

大数据分析导论课程教案授课题目第4章数据前沿：智能时代的演进授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解云计算的概念、服务模式与部署模式。2.了解大数据技术栈（Hadoop/Spark生态）的基本构成。3.了解物联网、边缘计算等前沿技术与大数据的关系。教学重点与难点教学重点：云计算三种服务模式（IaaS/PaaS/SaaS）；大数据技术栈基本构成。教学难点：分布式存储与分布式计算的基本思想。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“网盘与云计算”引入按需服务理念。2.讲授新知（40分钟）：讲解云计算服务与部署模式、Hadoop/Spark大数据技术栈、物联网与边缘计算。3.案例分析（15分钟）：分析公有云平台上部署数据分析任务的典型场景。4.课堂讨论（20分钟）：讨论云服务模式对企业信息化建设的影响。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例教学、小组讨论课程思政介绍我国云计算与大数据产业成就（阿里云、华为云），增强科技自立自强意识。作业、讨论、辅导答疑1.复习本章内容。2.调研一种云服务产品并撰写简要报告。课后小结学生建立智能时代技术演进的全景认知。

大数据分析导论课程教案授课题目第5章Python编程入门：环境与数据类型授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.了解Python语言特点与应用领域。2.掌握Python开发环境（Anaconda/Jupyter）的搭建与使用。3.掌握基本数据类型、变量、运算符与输入输出。教学重点与难点教学重点：Python基本语法、数据类型与运算符。教学难点：动态类型概念与类型转换。教学内容及时间安排（教学过程设计）1.导入（10分钟）：展示Python在数据分析领域的典型应用案例。2.讲授新知（40分钟）：讲解Python特点、开发环境搭建、变量与基本数据类型、运算符、输入输出。3.案例分析（15分钟）：演示编写第一个数据处理小程序。4.课堂讨论（20分钟）：讨论Python与其他编程语言的对比及选择理由。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、现场编程演示课程思政强调编程规范与工匠精神，培养严谨求实的治学态度。作业、讨论、辅导答疑1.安装Python开发环境。2.完成基本语法练习。课后小结学生完成编程入门，为后续编程学习奠定基础。

大数据分析导论课程教案授课题目实验一：Python环境搭建与基础语法授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.熟练搭建Anaconda+Jupyter开发环境。2.掌握变量、数据类型、运算符的实际运用。3.完成简单数据处理程序的编写与调试。教学重点与难点教学重点：JupyterNotebook使用；基础语法综合运用。教学难点：程序调试与常见错误排查。教学内容及时间安排（教学过程设计）1.导入（10分钟）：说明实验目标、任务要求与考核标准。2.教师指导（15分钟）：演示环境搭建关键步骤与典型示例代码。3.学生实操（50分钟）：学生完成开发环境配置、基础语法练习、简单数据处理程序编写与调试。4.成果展示（10分钟）：抽查学生完成情况并点评。5.课堂小结（5分钟）：归纳常见问题，布置课后巩固任务。教学方法及手段上机实践、巡回指导、作品点评课程思政培养学生动手实践能力与精益求精的调试精神。作业、讨论、辅导答疑1.完善实验报告。2.巩固课堂代码练习。课后小结学生具备独立搭建环境与编写基础程序的能力。

大数据分析导论课程教案授课题目第5章Python控制结构授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.掌握条件语句（if/elif/else）的语法与应用。2.掌握循环语句（for/while）及break/continue控制。3.能运用控制结构解决典型数据处理问题。教学重点与难点教学重点：分支与循环结构的语法逻辑。教学难点：循环嵌套与算法逻辑构建。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“成绩等级判定”案例引入条件判断需求。2.讲授新知（40分钟）：讲解分支结构、循环结构、break/continue、循环嵌套与典型算法模式。3.案例分析（15分钟）：演示数据筛选与统计的程序实现。4.课堂讨论（20分钟）：讨论同一问题的多种实现思路与效率对比。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、编程案例演示、课堂讨论课程思政通过算法优化对比，培养效率意识与精益求精的工程思维。作业、讨论、辅导答疑完成控制结构编程练习题。课后小结学生掌握程序流程控制，具备基本算法实现能力。

大数据分析导论课程教案授课题目第5章Python函数、模块与综合应用授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.掌握函数的定义、参数传递与返回值。2.理解模块与包的概念，掌握常用标准库的使用。3.了解异常处理与文件读写基础。教学重点与难点教学重点：函数定义与调用；模块导入与使用。教学难点：参数传递机制（可变与不可变对象）。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以代码复用需求引入函数概念。2.讲授新知（40分钟）：讲解函数定义与调用、参数类型、模块导入、异常处理与文件读写基础。3.案例分析（15分钟）：演示将数据处理逻辑封装为函数的完整重构过程。4.课堂讨论（20分钟）：讨论程序模块化设计思想及其工程意义。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例重构演示、课堂讨论课程思政培养模块化思维与团队协作意识。作业、讨论、辅导答疑1.完成函数封装练习。2.预习第6章网络数据获取内容。课后小结学生具备结构化编程能力，为数据获取学习做好准备。

大数据分析导论课程教案授课题目实验二：Python综合编程案例授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.综合运用数据类型、控制结构与函数解决实际问题。2.掌握程序调试的基本方法。3.完成小型数据处理项目的编写。教学重点与难点教学重点：综合编程能力训练。教学难点：问题分解与程序结构设计。教学内容及时间安排（教学过程设计）1.导入（10分钟）：发布综合案例任务（学生成绩统计分析程序）。2.教师指导（15分钟）：讲解问题分解思路与程序框架搭建方法。3.学生实操（50分钟）：学生完成数据录入、统计计算、等级划分、结果输出的全流程编程与调试。4.成果展示（10分钟）：学生展示程序运行效果并讲解实现思路。5.课堂小结（5分钟）：点评共性问题，布置拓展任务。教学方法及手段项目驱动、上机实践、成果展示课程思政培养工程实践能力与运用技术解决实际问题的信心。作业、讨论、辅导答疑完善综合案例并提交实验报告。课后小结学生Python编程能力得到综合训练，达到课程编程要求。

大数据分析导论课程教案授课题目第6章数据获取：HTTP协议与爬虫原理授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解网络爬虫的概念、类型与应用场景。2.掌握requests库发起HTTP请求的方法。3.了解爬虫的法律边界与robots协议。教学重点与难点教学重点：requests库的使用；HTTP请求参数设置。教学难点：请求头、请求参数与响应内容的对应关系。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以搜索引擎、比价网站引入自动化数据获取需求。2.讲授新知（40分钟）：讲解爬虫概念与分类、requests库基本用法、GET/POST请求、响应内容解析。3.案例分析（15分钟）：演示获取网页源代码的完整流程。4.课堂讨论（20分钟）：讨论数据爬取的法律边界、robots协议与合规要求。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、编程演示、案例讨论课程思政强调数据合规获取意识与法律底线，树立正确的数据伦理观。作业、讨论、辅导答疑1.复习requests库用法。2.预习网页解析相关内容。课后小结学生理解爬虫原理，掌握基本请求方法。

大数据分析导论课程教案授课题目实验三：网页爬取与解析实战授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.掌握requests+BeautifulSoup爬取与解析网页的完整流程。2.能提取网页中的结构化数据并保存为文件。3.了解常见反爬机制及合规应对方式。教学重点与难点教学重点：HTML结构解析与数据提取。教学难点：复杂页面结构的定位与选择器使用。教学内容及时间安排（教学过程设计）1.导入（10分钟）：明确实验任务：合规爬取指定网站的公开数据。2.教师指导（15分钟）：演示网页结构分析与解析代码框架。3.学生实操（50分钟）：学生完成网页请求、HTML解析、数据提取与CSV保存。4.成果展示（10分钟）：展示爬取结果并交流解析技巧。5.课堂小结（5分钟）：归纳解析要点，布置拓展任务。教学方法及手段任务驱动、上机实践、巡回指导课程思政强调遵守robots协议、控制访问频率，培养数据合规意识。作业、讨论、辅导答疑1.完成实验报告。2.尝试对自选网站公开数据进行合规采集。课后小结学生具备实际数据采集能力。

大数据分析导论课程教案授课题目第7章数据分析基础：流程、工具与环境授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解数据分析的基本流程（问题定义→数据收集→清洗→分析→可视化）。2.掌握NumPy多维数组的基本操作。3.掌握Pandas核心数据结构（Series/DataFrame）的基本用法。教学重点与难点教学重点：数据分析流程；DataFrame基本操作。教学难点：NumPy/Pandas数据结构的设计思想。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以“如何分析大学生就业数据”引入分析流程。2.讲授新知（40分钟）：讲解数据分析流程、NumPy数组创建与运算、Pandas数据结构与基本操作。3.案例分析（15分钟）：演示用DataFrame完成数据读取与初步查看。4.课堂讨论（20分钟）：讨论数据清洗在整个分析流程中的作用。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、代码演示、课堂讨论课程思政引导学生用数据分析服务社会民生，培养用数据说话的科学精神。作业、讨论、辅导答疑1.复习NumPy/Pandas基础。2.安装配置数据分析环境。课后小结学生建立数据分析整体框架，掌握核心数据结构。

大数据分析导论课程教案授课题目第7章数值数据分析授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.掌握数据清洗方法（缺失值、重复值、异常值处理）。2.掌握描述统计与分组聚合分析方法。3.掌握Matplotlib/Seaborn数据可视化基础。教学重点与难点教学重点：数据清洗；分组聚合统计。教学难点：灵活运用groupby等聚合方法解决实际问题。教学内容及时间安排（教学过程设计）1.导入（10分钟）：展示“脏数据”对分析结论的影响。2.讲授新知（40分钟）：讲解缺失值/重复值/异常值处理、描述统计、分组聚合、常用图表绘制。3.案例分析（15分钟）：演示一份完整数据的清洗→统计→可视化过程。4.课堂讨论（20分钟）：讨论不同图表类型的适用场景与误导性问题。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、完整案例演示、课堂讨论课程思政强调数据真实性与图表规范，反对数据造假与误导性可视化。作业、讨论、辅导答疑1.复习数据清洗与可视化方法。2.准备实验用数据集。课后小结学生掌握数值数据分析全流程方法。

大数据分析导论课程教案授课题目实验四：数值数据分析实战授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.综合运用Pandas完成数据清洗与统计分析。2.运用可视化库规范呈现分析结果。3.能撰写简明的数据分析报告。教学重点与难点教学重点：完整分析流程实操。教学难点：分析方法选择与结果解读。教学内容及时间安排（教学过程设计）1.导入（10分钟）：发布实验任务：对给定数据集完成完整分析。2.教师指导（15分钟）：讲解数据集背景与分析思路。3.学生实操（50分钟）：学生完成数据清洗、统计分析、可视化输出与简要报告撰写。4.成果展示（10分钟）：展示分析结论与可视化图表。5.课堂小结（5分钟）：点评分析质量，布置报告完善任务。教学方法及手段任务驱动、上机实践、报告撰写课程思政培养基于数据的严谨决策意识。作业、讨论、辅导答疑完善分析报告并提交。课后小结学生具备独立完成数值数据分析的能力。

大数据分析导论课程教案授课题目第7章文本数据分析授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解文本数据分析的典型应用场景（舆情、评论分析等）。2.掌握文本预处理方法（分词、去停用词）。3.掌握词频统计与词云生成方法。教学重点与难点教学重点：中文分词（jieba）；词频统计与词云。教学难点：文本预处理流程的合理组织。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以电商商品评论分析案例引入。2.讲授新知（40分钟）：讲解文本分析流程、jieba分词、停用词处理、词频统计、词云绘制。3.案例分析（15分钟）：演示一份评论数据的完整文本分析过程。4.课堂讨论（20分钟）：讨论文本分析在舆情监测中的应用与局限。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、案例演示、课堂讨论课程思政结合网络舆情治理，引导学生理性表达、独立思考、辨别信息真伪。作业、讨论、辅导答疑1.复习文本分析方法。2.准备实验文本素材。课后小结学生掌握文本数据分析的基本方法。

大数据分析导论课程教案授课题目实验五：文本数据分析实战授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.完成文本数据采集→清洗→分词→统计→可视化的全流程实践。2.掌握jieba与wordcloud库的综合使用。3.能对词频与词云结果进行业务化解读。教学重点与难点教学重点：文本分析全流程实现。教学难点：分析结果的业务化解读。教学内容及时间安排（教学过程设计）1.导入（10分钟）：发布实验任务：分析指定文本语料。2.教师指导（15分钟）：演示流程框架与关键代码。3.学生实操（50分钟）：学生完成分词、停用词过滤、词频统计、词云生成与结果解读。4.成果展示（10分钟）：展示各组词云结果并解读。5.课堂小结（5分钟）：归纳要点，布置拓展任务。教学方法及手段任务驱动、上机实践、结果解读课程思政培养从文本数据中洞察社会现象的能力。作业、讨论、辅导答疑1.完成实验报告。2.自选语料完成拓展分析。课后小结学生具备文本数据分析实战能力。

大数据分析导论课程教案授课题目第8章人工智能大模型：原理与发展授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.了解人工智能、机器学习与深度学习的关系。2.理解大语言模型（LLM）的基本原理与发展历程。3.了解国内外主流大模型产品及其能力边界。教学重点与难点教学重点：大模型的工作原理；AIGC典型应用。教学难点：Transformer与预训练机制的直观理解。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以ChatGPT、DeepSeek等大模型的使用体验引入。2.讲授新知（40分钟）：讲解AI发展脉络、机器学习基本概念、大模型预训练与微调机制、国内外主流大模型。3.案例分析（15分钟）：演示大模型在文本生成、代码辅助等场景的应用。4.课堂讨论（20分钟）：讨论大模型的能力边界与“幻觉”问题。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、现场演示、课堂讨论课程思政介绍国产大模型发展成就，辩证看待AI伦理与就业影响，树立正确的技术观。作业、讨论、辅导答疑1.复习大模型原理。2.体验一个大模型产品并记录观察结果。课后小结学生建立大模型认知框架。

大数据分析导论课程教案授课题目第8章提示词工程与大模型应用授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.理解提示词工程的概念与作用。2.掌握提示词设计的基本原则与常用技巧。3.了解大模型在数据分析场景中的应用方式。教学重点与难点教学重点：提示词设计原则（角色、任务、约束、示例四要素）。教学难点：针对复杂任务设计高质量提示词。教学内容及时间安排（教学过程设计）1.导入（10分钟）：对比同一问题的两种提问方式的效果差异。2.讲授新知（40分钟）：讲解提示词工程概念、设计原则、思维链（CoT）等典型模式、大模型辅助数据分析的方式。3.案例分析（15分钟）：演示用提示词让大模型完成数据解释与报告生成。4.课堂讨论（20分钟）：学生现场编写提示词并互评效果。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、现场演示、互动实践课程思政引导学生合理使用AI工具，坚守学术诚信底线。作业、讨论、辅导答疑设计3个不同任务的提示词并对比效果。课后小结学生掌握提示词设计方法，能高效使用大模型。

大数据分析导论课程教案授课题目实验六：大模型应用与提示词工程实践授课时数2学时授课方式理论课（）讨论课（）实验课（√）习题课（）其他（）教学目的与要求1.熟练使用大模型完成多样化任务。2.综合运用提示词技巧优化模型输出。3.体验AI辅助数据分析（代码生成、结果解读）。教学重点与难点教学重点：提示词工程实战。教学难点：迭代优化提示词获得理想输出。教学内容及时间安排（教学过程设计）1.导入（10分钟）：发布实验任务清单与评价标准。2.教师指导（15分钟）：演示大模型调用与提示词迭代优化过程。3.学生实操（50分钟）：学生完成文本生成、代码辅助、数据解读等任务，并迭代优化提示词。4.成果展示（10分钟）：展示最优提示词与输出效果。5.课堂小结（5分钟）：归纳提示词工程实践经验。教学方法及手段上机实践、对比实验、经验交流课程思政强调AI工具使用的学术规范与内容真实性要求。作业、讨论、辅导答疑1.完成实验报告。2.整理个人提示词库。课后小结学生具备运用AI工具辅助学习与工作的能力。

大数据分析导论课程教案授课题目第9章WPS智能数据处理授课时数2学时授课方式理论课（√）讨论课（）实验课（）习题课（）其他（）教学目的与要求1.掌握WPS表格的智能数据处理功能（智能分列、数据透视表等）。2.掌握WPSAI的核心功能（智能问答、公式生成、数据分析）。3.了解智能办公工具提升效率的典型场景。教学重点与难点教学重点：数据透视表；WPSAI辅助分析。教学难点：数据透视表的灵活运用。教学内容及时间安排（教学过程设计）1.导入（10分钟）：以办公场景中的重复数据处理痛点引入。2.讲授新知（40分钟）：讲解WPS表格智能功能、数据透视表、WPSAI功能与应用方式。3.案例分析（15分钟）：演示用WPSAI分析销售数据的完整过程。4.课堂讨论（20分钟）：对比编程分析与智能工具分析的适用场景。5.课堂小结（5分钟）：归纳本章知识点，布置课后作业。教学方法及手段讲授法、软件演示、课堂讨论课程思政支持国产软件生态发展，增强民族软件自信。作业、讨论、辅导答疑1.复习WPS智能功能。2.准备实验数据。课后小结学生掌握智能办公数据处理方法。

大数据分析导论课程教案授课题目实验七：WPSAI智能