大数据分析导论-教案 金大卫 - 第6-9章

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

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智能数据处理实战授课时数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.熟练运用WPS表格完成数据清洗与透视分析。2.掌握WPSAI完成公式生成、图表生成、数据解读。3.完成综合数据处理任务。教学重点与难点教学重点：数据透视表实操；WPSAI应用。教学难点：复杂分析需求的工具化实现。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：处理给定业务数据。2.教师指导（15分钟）：演示关键操作步骤与注意事项。3.学生实操（50分钟）：学生完成数据整理、透视分析、AI辅助图表与报告生成。4.成果展示（10分钟）：展示数据处理成果并交流技巧。5.课堂小结（5分钟）：归纳操作要点，布置巩固任务。教学方法及手段上机实践、任务驱动、作品点评课程思政培养利用智能工具提升工作效率的意识。作业、讨论、辅导答疑完成实验报告。课后小结学生具备智能办公数据处理实战能力。

大数据分析导论课程教案授课题目实验八：综合数据分析案例授课时数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.综合运用爬虫、Pandas、可视化与大模型完成端到端分析项目。2.掌握小组协作与任务分工方法。3.完成综合项目报告。教学重点与难点教学重点：端到端综合项目实施。教学难点：各环节技术的衔接与整合。教学内容及时间安排（教学过