大数据技术在会计与财务中的应用 教学大纲

PAGE6PAGE教学大纲课程类型：理论与实践课程性质：会计学、财务管理与审计学专业基础课，其他专业可根据培养方案选修学分与学时：2.5学分，40学时教学对象：高年级本科生或具有同等学历的学生；学硕与专硕研究生先修课程：《财务会计》《财务管理》《统计学》选用教材：《大数据技术在会计与财务中的应用》课程简介：本课程面向会计与财务数字化转型需求，以Python为主要技术工具，系统介绍大数据方法在会计研究与财务实践中的应用。课程构建“基础认知—技术方法—场景应用—数据治理—研究拓展”的学习体系，内容涵盖会计与财务中的大数据机遇与挑战、Python基础与数据处理、机器学习、文本分析、图像分析、音视频分析、社会网络分析、网络数据采集、SQL数据管理以及大数据会计研究现状。课程强调结构化数据与非结构化数据并重，通过财务舞弊预测、年报文本分析、面部可信度计算、高管情绪识别、审计师合作网络、新闻采集和采购订单管理等案例，引导学生完成数据获取、清洗、建模、评价、解释与结果表达的完整流程。通过理论讲授、案例演示、上机实践和综合项目，学生将理解技术如何服务会计判断与财务决策，并形成数据合规、模型审慎和人工复核意识。考核形式与评价标准：考核形式：考查课程成绩构成：课堂提问与讨论（10%），分章上机作业（20%），期中阶段测试（10%），综合案例项目（20%），期末考试（40%）考核点：（1）Python基础与财务数据处理；（2）机器学习模型选择、评价与解释；（3）文本、图像、音视频等非结构化数据分析；（4）社会网络构建与指标计算；（5）网络数据合规采集与SQL管理；（6）综合案例设计、结果复核与规范表达教学目标：完成本课程的学习之后，学生将具备以下能力：1.理解大数据、机器学习和非结构化数据分析在会计与财务中的应用逻辑、价值边界与主要风险2.掌握Python基础语法、常用数据结构以及Pandas等工具的数据读取、清洗、转换和导出方法3.能够根据财务问题选择适当的回归、分类、聚类、集成学习或神经网络方法，并正确评价和解释模型4.掌握文本、图像、音频和视频数据的获取、预处理、特征提取与典型任务实现路径5.掌握社会网络指标计算、网络数据合规采集及SQL数据存储、查询和管理的基本方法6.能够围绕真实会计与财务问题设计并完成数据分析项目，对数据来源、程序输出和模型结论进行人工复核教学重难点：教学重点：（1）Python与Pandas在会计和财务数据处理中的应用；（2）机器学习任务、模型选择、评价指标与可解释性；（3）文本、图像、音视频和社会网络数据的特征提取与案例实现；（4）爬虫数据采集与SQL数据管理的衔接；（5）DeepSeek、ChatGPT等大模型在财务文本分析中的应用。教学难点：（1）从财务业务问题到可计算任务的转换；（2）不同数据类型、算法与评价指标的合理匹配；（3）深度学习和多模态模型的原理理解与结果解释；（4）网络采集、个人信息与模型使用中的合规边界；（5）非技术背景学生的程序调试、错误定位和可复现分析能力培养。教学方法：通过理论讲解，帮助学生建立会计与财务大数据分析的完整知识框架；通过代码演示，呈现数据读取、特征提取、模型训练、结果评价和数据库操作的关键步骤；通过案例实操，引导学生复现财务舞弊预测、年报分析、图像与音视频分析、社会网络和SQL管理等案例；通过问题驱动和分组讨论，让学生比较不同方法的适用条件、结果差异与潜在风险；通过阶段任务与综合项目，训练学生完成需求分析、数据准备、程序实现、结果复核和汇报展示。项目作业：以小组为单位选择一个会计或财务问题，使用教材中的一种或多种大数据方法完成数据合规说明、数据处理、模型或指标计算、结果解释、局限性分析及成果展示。课程思政：本课程在教学目标、教学内容、教学设计和课程考核等方面融入以下思政元素：诚信与数据真实：在财务舞弊预测、年报分析和数据库管理案例中强调原始数据留痕、处理过程可追溯和结果如实报告，培养诚信为本的会计职业道德；法治与合规意识：结合数据安全、个人信息保护、版权和网络访问规则，要求学生在爬虫、图像与音视频分析中明确授权边界，不以技术便利替代合规审查；技术审慎与责任担当：强调模型输出并非会计结论，要求对训练数据、评价指标、异常结果和大模型生成内容进行人工复核，形成技术赋能、专业把关的责任意识；创新与终身学习：介绍机器学习、多模态分析和大模型技术的发展，引导学生主动学习新工具，同