《大数据分析基础》课程设计教学大纲.docx

《《大数据分析基础》课程设计教学大纲.docx》由会员分享，可在线阅读，更多相关《《大数据分析基础》课程设计教学大纲.docx（5页珍藏版）》请在得力文库 - 分享文档赚钱的网站上搜索。

1、大数据分析基础课程设计教学大纲课程代码: 课程名称: 英文名称: 课程学时: 授课单位: 指导方式: 适用专业:NENM1009 大数据分析基础 Intro to Big Data Analytics 54.传媒学院 集中指导 网络与新媒体大纲执笔人:大纲审稿人:课程设计学时:罗茜、高博文 王国燕教材及主要参考书：1）Python编程：从入门到实践，Eric Matthes著，袁国忠译，人民邮电出版 社2016年7月第一版；2）计算传播学导论，张伦、王成军、许小可编著，北京师范大学出版社2018 年11月第一版。一、课程设计教学目的及基本要求本课程将介绍大数据的基本理论、方法及其在社会科学研究

2、和数据新闻实践中的 应用。通过该课程，培养学生掌握大数据的基本理论，形成初步的大数据思维; 了解文本分析、情感分析、社会网络分析、数据挖掘等大数据分析方法，掌握 Gooseeker KNIME Ucinet Echarts Gephi 等数据抓取、分析、可视化工具； 掌握Python的基本语法与在大数据研究中的运用。二、课程设计内容及安排第一周大数据绪论学习目标：1 .对大数据的概念、发展趋势和应用形成初步的了解和认识2 .Python：简介与安装内容大纲：1.1 大数据的概念及发展趋势1.2 融媒体时代下的媒体数据特性1.3 数据挖掘技术与应用场景1.4 数据新闻的理解与发展1.5 计算传播

3、学简介第二周 数据获取（上）学习目标：1 .了解数据获取的基础知识，掌握公开数据库与数据集的查找与使用2 .python： print。函数、变量、数据类型内容大纲：2.1 数据获取的基础知识2.2 公开数据库与数据集的简介2.3 公开数据库与数据集的获取与使用第三周数据获取（下）学习目标：L了解数据爬取的基础知识，掌握数据爬取的基本使用2.python：列表内容大纲：3.1 HTML基础与正则表达式基础3.2 API的基础介绍与原理3.3 Gooseeker-数据爬取软件基础介绍3.4 Gooseeker数据爬取案例-爬虫规则的制作第四周文本分析（上）学习目标：1 .了解文本分析和内容挖掘的

4、基础知识，掌握KNIME的基本使用2 .python：操作列表内容大纲：4.1 文本分析的概念与分词4.2 英文分词工具介绍与使用：Voyant、netlytic KNIME4.3 个性化词云制作：Voyant、Wordart第五周 文本分析（下）学习目标：1 .了解中文文本分析的基础知识，掌握如何运用RostNat、jieba进行中文分词2 .python： if语句内容大纲：5.1 中文分词基础知识5.2 中文分词的工具与案例实战5.3 中文关键词提取的方法与案例实战5.4 中文词频统计工具及案例实战5.5 文本分析研究实例第六周 大数据可视化（上）学习目标：L掌握数据可视化的基本概念与分

5、类5.6 ython：字典内容大纲：6.1 大数据可视化基本理论6.2 可视化技术概述6.3 可视化技术分类6.4 不同数据类型的可视化技术6.5 媒体大数据可视化第七周 大数据可视化（下）学习目标：1 .了解不同类型的可视化技术，学习使用Excel、Tableau Flourish等工具进行数 据可视化2 .python： input 函数和 while 循环内容大纲：7.1 可视化工具介绍与案例：Tableau可视化技术7.2 可视化工具介绍与案例：Excel可视化技术7.3 可视化工具介绍与案例：Flourish可视化技术第八周 情感分析（上）学习目标：1 .了解情感分析的基础知识2 .

6、python：函数（上）内容大纲：8.1 情感分析的定义8.2 情感分析的分类8.3 情感分析的目标8.4 情感词典与情感库第九周 期中小组展示分组展示大数据可视化作品，作品形式不限，主题不限。每组报告展示时间12 分钟以内。最终需提交：1.大数据可视化作品；2.小组展示ppt。第十周 情感分析（下）学习目标：1 ,了解情感分析的应用，学习使用Python、Sentistrength RostNat等工具进行情 感分析2 .python：函数（下）内容大纲：10.1 情感分析工具介绍与使用：Sentistrength10.2 情感分析工具介绍与使用：RostNat10.3 使用Python进行

7、情感分析10.4 情感分析研究实例 第十一周社会网络分析（上）学习目标：1.1 .了解社会网络分析的基本概念与指标1.2 ython：类与对象（上）内容大纲：11.1 社会网络分析的基本概念11.2 社会网络分析的基本指标11.3 社会网络分析案例（1）第十二周 社会网络分析（中）学习目标：1 ,掌握使用Ucinet. Gephi等社会网络工具的基本使用2 .python：类与对象（下）内容大纲：2.1 1社会网络分析的工具及使用：Ucinet2.2 2社会网络分析的工具及使用：Gephi2.3 3社会网络分析案例（2）第十三周 社会网络分析（下）学习目标：1,了解网络传播结构的构建与解读2.

8、python：文件和异常内容大纲：13.1 网络传播结构的构建方法13.2 网络传播结构的解读13.3 网络传播结构的研究案例第十四周数据挖掘学习目标：L了解数据挖掘的基本理论、方法与应用，掌握使用modeler软件进行数据挖掘 的基本操作2.python：测试代码内容大纲：14.1 数据挖掘的基础理论与价值14.2 数据挖掘的基本概念与方法14.3 使用modeler软件进行数据挖掘的基本操作第十五周聚类分析学习目标：1 .了解聚类分析的基本原理，掌握使用Python进行文本主题聚类2 .python：数据可视化（上）内容大纲：15.1 聚类分析的概念与基本原理15.2 文本聚类的原理15.

9、3 文本聚类的主要方法15.4 主题聚类的研究案例第十六周机器学习学习目标：1 .了解机器学习的基本原理，掌握使用Python进行机器学习2 . python：数据可视化（下）内容大纲：16.1 机器学习的基本原理16.2 有监督的机器学习和无监督的机器学习16.3 机器学习的主要算法16.4 使用Python进行机器学习16.5 机器学习在传播学研究中的应用第十七周 期末作业展示(学术论文)期末论文需采用计算传播学方法，课堂汇报每位同学5分钟以内。简洁说明论文 的研究问题、研究意义、文献综述、研究方法、研究结果和讨论等。三、课程设计报告要求无四、课程设计考核方法及成绩评定考核方式：课程论文和数据可视化作品考核项目考核内容分数 占比注1课堂表现课堂发言、小组讨论5%期中考核个人成绩计算方法 小组得分=组间打分/(N1)+教师打分/2 个人得分=小组得分* (组内得分/(n-1 )/1002知识拓展文献阅读、小组报告15%3期中考核大数据可视化作品30%4期末考核课程论文50%五、其他要求课程设计时间安排