《数据科学导论》教案（32学时参考）张旗

数据科学导论参考教案说明为了方便各位任课老师的教学，本书作者将自己曾经讲授的数据科学导论教案（结合线上教学测验及讨论）提供给大家以作参考。由于该《数据科学导论》是一部新教材和新课程，所以此教案仅有参考价值。其实，就是完全按照这本新教材所写的教案，也只能作为参考而并非能适合每位老师的教学实际。事实上，不同的院校对同一门课程往往有不同的内容要求和课时设置，不同的老师对同一门课程也都有自己不同的教学思路和教学风格，如果统一为一种模式，则就限制了老师的发挥和创新。希望这份资料对各位任课老师的教学能有所帮助！当然，若发现其中有不妥或错误之处也请指正！作者课程教学基本情况课程名称数据科学导论/大数据导论课程类别必修课学时总学时理论学时课内实验（实践）学时讲授习题课上机学时实验学时3232000使用教材名称出版社出版时间教材选用情况说明《数据科学导论》张旗、魏惠梅清华大学出版社2024教学主要内容及学习方法本课程的主要内容：本课程是计算机类专业的必修课，重点关注培养学生的数据思维、学科前沿视野及相关技能，独创的思维训练教学环节特别是批判性思维实践，以数据科学基本知识图谱为载体达到引导学生独立思考与主动探究的目的。开放的主题讨论、思维导图构建、数据产品设计等环节则充分挖掘学生的好奇心和创新力；团队合作与个性化学习相结合，培养学生的敢于担当、终身学习等优良的心智习惯。通过本课程的学习，学生应该能够：基于数据思维理解数据科学的基本概念，构建自己的知识图谱；用DIKW模型进行案例分析。采用所授的思维方法及思维导图等工具完成课程作业、参与讨论并进行探究式课题研究；培养能够主动及扩展学习的良好习惯。结合国家大数据战略找到自己的兴趣点，完成个性化结课报告的撰写，初步确定今后学习的重点及职业定位。 本课程的学习方法：鼓励学生采用预习、听课、复习的方法掌握基本概念，建立数据思维；以案例分析为导向，理解大数据应用场景，掌握实战编程技能；通过设问引思、追问启思、评价反思、迁移用思等步骤，学会用批判性思维自主开展探索与研究。学会借用思维导图等工具进行创新性思考及数据产品设计。考核方式成绩计算方法及所占总成绩百分比考查平时成绩*30%+期末成绩*70%第1次课教学内容数据与大数据授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：数据、大数据4V结构化数据、非结构化数据商业价值三要素四次工业革命（名称）、三次信息化浪潮（标志点）学完本节，你应该具有以下能力：举例说明大数据的四个特征。区分结构化数据与非结构化数据。解释大数据时代的三个技术基础。用5W1H法分析数据来源（某个数据产品、app、网站等）。学完本节，你还可以探索以下问题：你每天有哪些数据被“偷偷”记录下来了，分析并推断它们为什么有价值？根据数据的定义有哪些还未“数据化”？关于这个未来的创新点会是什么？教学重点、难点什么是数据、大数据4V教学进程安排课程导引（10分钟）：开篇实例–数据思维何为大学/课堂–终身思维的能力大数据时代人所需的能力--好奇心、批判性思维、创新性思维本课内容（40分钟）：数、数据与大数据数据（电子记录）大数据4V（大量Volume、多样Variety、高速Velocity、低价值密度Value）数据及分类结构化数据与非结构化数据思维训练（20分钟）：5W1H分析法布鲁姆教育目标与学生自检表思考与实践（20分钟）5W1H分析法实战--数据的产生数据与数据价值课后学习任务布置XMind安装课后总结分析第2次课教学内容数据科学授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：数据科学的定义数据科学韦恩图数据科学的主要内容及流程数据加工、数据集成、数据清洗学完本节，你应该具有以下能力：理解数据科学韦恩图的含义及数据科学的交叉性。绘制数据科学问题的流程图（思维导图），解释每一阶段的作用。为什么数据加工（类似的用词数据预处理、数据准备）如此重要？如此花费时间？学完本节，你还可以探索以下问题：应用5W1H分析法分析你感兴趣的大数据案例。应用5Why分析法理解数据科学的新术语（如数据驱动、数据标注）。用思维导图整理你的思考，用金字塔原理理顺你的逻辑。教学重点、难点数据科学的定义、维恩图教学进程安排课程导引（10分钟）：复习：什么是数据开篇案例：啤酒与尿不湿本课重点（50分钟）：数据科学的产生信息化浪潮与“数据科学”三元世界数据科学的定义数据价值链“数据科学是有关数据价值链实现过程的基础理论与方法学，它运用建模、分析、计算和学习杂糅的方法研究从数据到信息、从信息到知识、从知识到决策的转换，并实现对现实世界的认知和操控”数据科学维恩图思维训练（10分钟）：金字塔原理--逻辑顺序思考与实践（20分钟）：思维导图创建课后学习任务布置测验：理解数据科学讨论：理解“数据科学”中的新术语课后总结分析第3次课教学内容科学范式的演化授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：范式、范式的演变经验范式、理论范式、模拟范式、发现范式第四范式--数据密集型科学发现范式学完本节，你应该具有以下能力：描述技术发展与范式演变的关系解释第四范式中“数据”“密集型”“科学发现”各自的含义及相关性了解批判性思维及八个基本要素学完本节，你还可以探索以下问题：从范式演变的视角理解数据科学韦恩图“数据密集型科学发现范式”的内涵（5Why分析法、批判性思维要素法）教学重点、难点范式的演变、批判性思维要素教学进程安排课程导引（10分钟）：复习：结构化数据与非结构化数据开篇案例：自然语言处理–从规则到统计、从理性到经验本课重点（40分钟）：什么是范式范式的演变第四范式–数据密集型科学发现范式数据科学流程大数据经典：买披萨的故事思维训练（10分钟）：布鲁姆认知层次（记忆、理解、应用、分析、评估、创造）思考与实践（30分钟）5W1H扩展训练–数据的产生（Whatif、whatnext、sowhat）布鲁姆认知问题集课后学习任务布置测验：理解数据思维--基于买披萨的故事讨论：思维导图分享（我的第一张作品）课后总结分析第4次课教学内容统计学与统计思维授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：采样、总体大数定理正态分布、均值、方差统计描述、统计推断学完本节，你应该具有以下能力：理解统计思维与数据思维的不同，对统计思维和数据思维进行对比分析初步理解“用户画像”的概念及数据来源学完本节，你还可以探索以下问题：用学过的思维方法分析大数据案例，并提出你的问题。通过“啤酒与尿布”、“买披萨”等案例来理解数据思维，你的最大感受是什么？教学重点、难点统计思维、批判性思维要素教学进程安排课程导引（10分钟）：复习：什么是数据科学（交叉学科）开篇案例：“幸运者偏差”本课重点（40分钟）：统计学与统计思维大数定理统计分析、统计推断统计思维与数据思维的区别相同点：收集、整理、分析异同点：数据匮乏时代vs数据富足时代思维训练（10分钟）：5Why分析法思考与实践（30分钟）5Why分析法实践–大数据为什么火了课后学习任务布置测验：统计学与统计思维讨论：理解用户画像课后总结分析第5次课教学内容计算机与计算思维授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：计算思维抽象、自动化递归、容错算法、程序学完本节，你应该具有以下能力：理解“人”计算与“机器计算”的差别阐述算法的五大特征学完本节，你还可以探索以下问题：计算机三种基本算法的应用场景（如排序算法）举例说明计算思维中的“抽象”是什么。教学重点难点计算思维（抽象/自动化）、算法vs程序、批判性思维要素教学进程安排课程导引（10分钟）：复习：数据科学维恩图开篇案例：“人计算”vs“机器计算”本课重点（40分钟）：算法与程序计算机与计算思维（案例分析：排序算法）计算思维与数据思维的区别思维训练（10分钟）：批判性思维初探--八要素思考与实践（25分钟）批判性思维要素–假设（统计学：数据匮乏、大数定理）批判性思维要素–假设（数据科学：数据富足、大数据有价值）批判性思维要素–概念（计算机科学：算法、程序）作业概要（5分钟）什么是用户画像作业1：数据思维与DIKW模型课后学习任务布置测验：计算机与计算思维讨论：一切皆可量化--情感倾向分析课后总结分析第6次课教学内容数据思维与DIKW模型授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：数据思维的特点--整体性、量化性、价值性、动态性、相关性和多样性。DIKW模型（数据、信息、知识、智慧）数据驱动（从数据到智慧决策）学完本节，你应该具有以下能力：理解“数据”与“信息”的不同举例说明“一切皆可量化”初步理解“知识K”的内涵及基于数据驱动的“决策W”应用学完本节，你还可以探索以下问题：结合你的日常生活，理解并运用DIKW模型理解什么是用户画像及“标签”的分类基于DIKW模型的大数据案例分析教学重点、难点DIKW模型–数据与信息、信息与知识的区别教学进程安排课程导引（10分钟）：复习：数据科学定义、数据价值链开篇案例：别轻易点赞，它会泄露你的性格秘密本课重点（50分钟）：数据思维的特点数据价值链与DIKW模型一切皆可量化（案例分析）思维训练（10分钟）：批判性思维初探–评价标准思考与实践（20分钟）用户画像–数据从哪里来作业检查课后学习任务布置作业1完成课后总结分析第7次课教学内容知识发现与决策支持授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你应该牢记以下概念：知识与知识表示、知识发现数据分析、数据挖掘、机器学习决策支持学完本节，你应该具有以下能力：理解商业问题到数据科学问题的重要性从学科发展的时间轴理解数据分析、数据挖掘与机器学习三个词汇的区别与联系学完本节，你还可以探索以下问题：通过案例分析，比较商业需求与不同数据分析方法的关联性。教学重点、难点什么是知识？什么是“可执行知识”？教学进程安排课程导引（10分钟）：复习：DIKW模型开篇案例：“百度指数”能告诉你什么？本课重点（50分钟）：什么是知识（可执行知识）决策与决策支持决策支持的演变知识发现的方法数据分析数据挖掘机器学习思维训练（10分钟）：“过去我认为……,现在我认为……”思考与实践（20分钟）百度指数：让数据讲故事课后学习任务布置测验：从数据到知识讨论：让数据讲故事（百度指数体验）课后总结分析第8次课教学内容数据分析–描述性、探索性及可视化授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你可应该牢记以下概念：描述性分析、探索性分析、预测分析、可视化分析直方图、箱线图、散点图特征学完本节，你应该具有以下能力：通过简单案例分析，理解数据分析流程。举例说明数据探索性及可视化分析的区别及联系学完本节，你还可以探索以下问题：通过案例分析，比较商业需求与不同数据分析方法的关联性。借助DIKW模型，理解不同数据分析的结果呈现方式及价值。教学重点、难点数据分析与业务分析教学进程安排课程导引（10分钟）：开篇案例：如果你在《泰坦尼克号》上会怎样？复习：DIKW模型本课重点（45分钟）：数据分析常用方法描述性分析探索性分析数据可视化思维训练（10分钟）：STW分析法EChart官网数据可视化图–STW三层思考思考与实践（25分钟）讨论题：STW思考法实践–数据可视化课后学习任务布置测验：探索性与可视化分析讨论：See-Think-Wonder思考法实践--数据可视化课后总结分析第9次课教学内容监督学习–回归与分类授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你牢记以下概念：监督学习、非监督学习训练集、测试集、目标函数回归、分类学完本节，你应该具有以下能力：比较不同算法的应用场景理解不同算法的目标函数（模型评价标准）学完本节，你还可以探索以下问题：理解模型优化迭代的必要性探究自己生活中不同算法应用的可能性从商业场景角度，理解模型训练与模型应用（部署）的流程教学重点、难点建模三要素：数据、模型、目标函数教学进程安排课程导引（10分钟）：复习：从数据到知识开篇案例：Target的精准营销靠谱吗？本课重点（45分钟）：什么是机器学习有监督学习与无监督学习监督学习–回归与分类模型评估与优化思维训练（10分钟）：基于八大思维要素的实践–算法逻辑框架分析思考与实践（25分钟）讨论题：回归预测与分类预测课后学习任务布置结课报告选题课后总结分析第10次课教学内容无监督学习–聚类与相关授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你可以简述并使用以下概念：聚类、RFM模型购物栏分析、关联规则Kmeans算法学完本节，你应该具有以下能力：基于航空客户价值分析，理解RFM的实际意义。理解Kmeans算法流程及应用场景学完本节，你还可以探索以下问题：基于批判性思维要素理解回归、分类及聚类算法的异同点。探究自己生活中不同算法应用的可能性教学重点、难点有监督学习与无监督学习、分类与聚类教学进程安排课程导引（20分钟）：复习：有监督学习、无监督学习问题导引：“物以类聚人以群分”–你是如何理解的开篇案例：什么是“购物篮分析”？本课重点（45分钟）：聚类算法原理（学生观察总结：聚类中心、簇中心、K个数、停止条件）聚类算法应用（航空公司RFM模型应用、学习时长-学习成绩）关联分析原理（啤酒尿不湿、大数据思维：相关而非因果）关联分析应用（猜你还喜欢、购物篮分析、东北小馆重获新生）思维训练（15分钟）：批判性思维实践–机器学习算法比较思考与实践（10分钟）讨论题：CH43_回归预测与分类预测超星数据集：特征量、目标量（NBA球员年薪、大学生恋爱数据）课后学习任务布置结课报告选题调研课后总结分析第11次课教学内容神经网络与深度学习授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本章，你应该掌握以下概念：机器学习三要素–数据、假设空间、优化函数的进化神经单元、神经网络、BP学习算法学完本章，你应该具有以下能力：理解神经网络参数的训练流程理解传统机器学习算法、神经网络、深度学习的“进化”路径学完本章，你还可以探索以下问题：自然语言处理的基本流程，它与语音识别、文本处理结合的应用场景什么是图像理解，以及应用场景（自动驾驶）教学重点、难点特征工程、BP算法教学进程安排课程导引（15分钟）：复习：什么是机器学习开篇案例：ImageNet图像库有什么用本课重点（45分钟）：神经元模型激活函数神经网络模型BP学习算法深度学习（CNN与RNN）思维训练（10分钟）：3-2-1关联法传统机器学习vs深度学习思考与实践（20分钟）初识神经网络--玩玩PlayGround作业2：基于数据驱动的决策课后学习任务布置作业2调研课后总结分析第12次课教学内容数据库与数据仓库授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你可以简述并使用以下概念：数据库、关系型数据库OLTP、OLAP、ETL数据仓库DW、商业智能BI学完本节，你应该具有以下能力：数据库与数据仓库的区别及联系从大数据4V特征的视角，理解大数据分布式平台产生的背景及需求学完本节，你还可以探索以下问题：关于大数据存储的挑战是什么？背后的假设是什么？采用批判性思维的不同要素理解Google创新性思维的脉络及方法。 教学重点、难点数据仓库分层结构、商业智能教学进程安排课程导引（10分钟）：复习：结构化数据开篇案例：阿里巴巴数据仓库架构本课重点（50分钟）：数据存储与计算–从穿孔纸到大数据平台数据科学流程–从D到I数据仓库分层结构、数据立方体SQL语句思维训练（10分钟）：费曼学习法为什么需要数据仓库理解传感器思考与实践（20分钟）实践：SQL计算函数课后学习任务布置测验：数据来源讨论：理解传感器课后总结分析第13次课教学内容大数据分布式存储授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你可以简述并使用以下概念：分布式存储分布式文件系统HDFS、名称节点、数据节点学完本节，你应该具有以下能力：理解大数据分布式存储的特点（复制机制、心跳机制、负载均衡机制）理解为什么Google的“三驾马车”如此重要学完本节，你还可以探索以下问题：“分布式”与“列存储”之间的联系是什么？尝试用思维要素理解HDFS“目的”、“假设”及输入/输出分别是什么？教学重点、难点大数据4V–>大数据存储与计算教学进程安排课程导引（15分钟）：复习：大数据4V、数据存储–目的及假设开篇案例：春晚抢红包大战究竟“战”本课重点（45分钟）：Google的挑战–大型网页数据的管理目的、问题、假设分布式HDFS原理表10.1HDFS要素表（目的、问题、假设）复制机制、负载均衡、心跳机制思维训练（10分钟）：鱼骨图因果分析法HDFS机制的因果分析（问题及解决方案）思考与实践（20分钟）讨论题：理解Hadoop生态系统课后学习任务布置测验：Hadoop生态系统讨论：理解Hadoop生态系统课后总结分析第14次课教学内容大数据分布式计算授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本节，你可以简述并使用以下概念：MapReduce、Map（映射）函数、Reduce（归约）函数批量计算、内存计算、Spark学完本节，你应该具有以下能力：理解Map函数及Reduce函数的作用理解内存计算的本质理解Spark与Hadoop主要区别学完本节，你还可以探索以下问题：Spark生态圈新组件的目的与企业应用需求的关联教学重点、难点分布式计算、计算向数据靠拢教学进程安排课程导引（10分钟）：复习：HDFS分布式原理开篇案例：你的用户画像是如何构建出来的本课重点（60分钟）：大数据计算模式MapReduce–分而治之表10.MapReduce要素表（目的、问题、假设）Wordcount运行流程Spark与Hadoop的对比内存计算RDD特点（弹性分布式数据集）思维训练（10分钟）：联系-拓展-挑战（CEC）联系：HDFS-MapReduce拓展：MapReduce-SparkRDD思考与实践（10分钟）讨论题：理解Spark框架课后学习任务布置测验_Spark生态系统作业2提交课后总结分析第15次课教学内容从DIKW视角看大数据未来授课类型（请打√）：理论课eq\o\ac(□,√)讨论课eq\o\ac(□,√)实验课□上机□习题课□其它eq\o\ac(□,√)教学手段（请打√）：多媒体eq\o\ac(□,√)板书eq\o\ac(□,√)实物□挂图□音像eq\o\ac(□,√)其它eq\o\ac(□,√)教学方法：讲授与讨论、案例分析、问题探究、自主学习教学目的与要求学完本章，你可以简述并使用以下概念：传感器、物联网、工业物联网知识图谱ChatGPT学完本章，你应该具有以下能力：理解工业物联网的未来及挑战理解ChatGPT如此强大的底层技术逻辑是什么学完本章，你还可以探索以下问题：为什么ChatGPT的横空出世引发轰动？为什么它会影响未来各行业及岗位的变革？如何理解“人机融合”？你现在的任何决策是“人机融合”的结果吗？利弊如何？教学重点、难点从