课程

中国大学MOOC,为你提供一流的大学教育

认证学习
为你提供认证成绩和证书,以及AI高效学习服务
查看详情
大学

国家精品

认证学习

智慧课程

理学工学农学

计算机

经济管理

外语

音乐与艺术

心理学

文史哲法

医学与保健

教育教学

大学生竞赛

软件实训

人工智能

升学/择业

考研

期末突击

专升本

四六级

保研及论文

求职就业

专四专八

大学应试英语

大学生涯规划

期末资料

终身学习

名师专栏

兴趣技能

hi,小mooc
27考研英语80攻略
期末考试会员
SPOC学校专有课程
大数据工程技术创新创业实践
第1次开课
开课时间: 2024年09月01日 ~ 2025年01月31日
学时安排: 4
当前开课已结束 已有 61 人参加
老师已关闭该学期,无法查看
spContent=
—— 课程团队
课程概述

本课程为郑州工程技术学院与中科大数据研究院校企共建社会实践类一流本科课程,通过对信息技术新工科产学研联盟开展的新工科大数据技术能力考试提供针对性的知识讲解和实战训练,有效支持大数据人才的培养和认证,有助于快速提升大数据技术应用和开发能力。

成绩 要求

满分为100分,各得分环节占总分的权重为:

1.单元作业(用户需要在各章单元作业完成后,互评作业的数量≥5):20%;

2.单元测验:20%;

3.终结性考核(新工科联盟大数据技术能力1级评测成绩):60%。

课程大纲
大数据基础之Python入门
课时目标:Python 因其简洁性、易读性、可扩展性、丰富和强大的功能库等,已成为最受欢迎的程序设计语言之一。随着 Python 在机器学习、数据分析和数据可视化等领域发挥出强大能力,其在大数据方面的优势逐渐被人们所认可并投入实际应用。本章节包含了一系列 Python 实训项目,规划了一条简单快捷的 Python 学习路径,以完成任务通过关卡的方式,带领您轻松愉快的学习和掌握 Python 语言的基础知识和编程精髓。
1.1 Hello world
1.2 字符串处理
1.3 玩转列表
1.4 元组与字典
1.5 运算符的使用
1.6 顺序与选择结构
1.7 循环结构
1.8 函数结构
1.9 函数调用
1.10 经典函数实例
1.11 模块
1.12 类的基础语法
1.13 类的继承
1.14 类的其它特性
大数据基础之Linux入门
课时目标:Linux作为一套免费使用和自由传播的开源类Unix操作系统,在云计算、大数据平台的构建上占据了优势地位。本章节从零基础开始讲解Linux的使用方法,主要包括用户管理、文件/目录管理、文件压缩和归档、文件定位和网络配置等内容,当你挑战成功本章节的实训后,你将能够像使用Windows系统一样熟练地掌握Linux系统的使用。
2.1 Linux操作系统
2.2 Linux之用户管理
2.3 Linux之用户高级管理
2.4 Linux 文件/目录管理
2.5 Linux文件/目录高级管理(一)
2.6 Linux文件/目录高级管理(二)
2.7 Linux文件/目录高级管理(三)
2.8 Linux之文件打包和解压缩
2.9 Linux之文件/目录搜索
大数据基础之MySQL入门
课时目标:MySQL 是最流行的关系数据库管理系统(RDBMS,Relational Database Management System)之一,同时,也是WEB 应用方面最好的关系数据库管理系统应用软件之一。本章节选取MySQL进行实战演练,帮助你熟练掌握数据库的基本操作和SQL的基本语法,以及MySQL在Python中的应用。
3.1 初识MySQL
3.2 数据库和表的基本操作(一)
3.3 数据库和表的基本操作(二)
3.4 单表查询(一)
3.5 单表查询(二)
3.6 单表查询(三)
3.7 使用聚合函数查询
3.8 连接查询
3.9 子查询
3.10 分组选择数据
3.11 MySQL开发技巧——分页和索引
3.12 数据库设计——博客系统
3.13 数据库査询——选课系统
3.14 Python与MySQL编程基础
大数据分析之数据预处理
课时目标:数据采集和清洗是进行大数据分析的第一步,本章节从正则表达式入手,介绍如何使用Python的Requests/Re模块获取网页上的数据,再以NumPy、Pandas、Sklearn作为工具,介绍利用Python进行操作、处理、清洗和规整数据等方面的具体细节和基本要点。通过本章节的学习挑战,你将具备高效解决“脏”数据的能力。
4.1 Python正则表达式
4.2 网页爬取综合实例
4.3 爬虫实战——竞赛信息获取
4.4 爬虫实战——求是网周刊文章爬取
4.5 NumPy基础及取值操作
4.6 NumPy数组的高级操作
4.7 Pandas 初体验
4.8 Pandas数据预处理
4.9 sklearn数据预处理
4.10 基于矩阵分解的协同过滤算法
大数据分析之机器学习入门
课时目标:在完成了数据采集和清洗后,接下来就可以使用规整后的数据开展机器学习了,本章节介绍了线性回归、决策树,贝叶斯、K-means、DBSCAN、AGNES、EM、KNN等多种机器学习的回归算法、分类算法和聚类算法。完成本章节的学习挑战,你将成为一名合格的机器学习工程师。
5.1 线性回归
5.2 逻辑回归
5.3 感知机
5.4 多分类学习
5.5 决策树
5.6 朴素贝叶斯分类器
5.7 神经网络
5.8 支持向量回归(SVR)
5.9 k-means
5.10 DBSCAN
5.11 AGNES
5.12 EM算法
5.13 kNN算法
5.14 模型评估、选择与验证
5.15 聚类性能评估指标
大数据分析之数据可视化
课时目标:如何将数据以需要的图形方式展现出来,是本章节要解决的问题。本章节介绍了如何使用Python的matplotlib绘制各种高级图形,包括几何图形、组合图形、3D图形等。挑战完本章节的实训关卡,你将成为Python数据可视化的能手。
6.1 Matplotlib图形配置
6.2 Matplotlib接口和常用图形
6.3 Matplotlib子图与多子图
6.4 三维图
6.5 Basemap和Seaborn
6.6 泰坦尼克生还预测——可视化与探索性数据分析
案例实战
课时目标:本章节实训从案例问题出发,一步一步地带您学会如何对数据进行探索、如何对数据进行可视化、如何分析数据、如何选择特征、如何构建机器学习模型来解决实际问题,并且获得准确率高的识别结果。
7.1 美国教育数据分析
7.2 共享单车之租赁需求预估
7.3 罗斯福国家森林树木类型识别
展开全部
预备知识

大数据技术综合能力。具体包括:计算机基础、大数据基础知识、数据操作和处理、数据分析方法、数据可视化方法等。

郑州工程技术学院
2 位授课老师
张帆

张帆

副教授

胡浩翔

胡浩翔

高级工程师

下载
下载

下载App