《大数据统计分析与R语言》教学大纲.docx

《《大数据统计分析与R语言》教学大纲.docx》由会员分享，可在线阅读，更多相关《《大数据统计分析与R语言》教学大纲.docx（8页珍藏版）》请在优知文库上搜索。

1、大数据统计分析与R语言教学大纲适用范围：202X成本科人才培养方案课程代码：08150431课程性质：专业选修课学分：4学分学时：64学时（理论48学时，实验16学时）先修课程：PythOn程序设计后续课程：大数据综合创新适用专业：数据科学与大致据技术开课单位：计算机科学与技术学院一、课程说明R语言是一种自由软件编程语言与操作环境，主要用于统计分析、绘图、数据挖掘R语言除了在统计研究领域具有很高的应用外，也越来越受到其他面向数据的工作者的欢迎，其强大的绘图和图友功能更是“无与伦比”.R占用内存少，运分速度快，而且开源.因此它现已成为大数据时代数据分析的一项必备技能.本课程的开设正是为了满足同学

2、们处理和分析各种复杂数据的需求,除了重点介绍R语=的基本编程规则和方法外,在简明扼要地阐述统计和数据投掘方法的基础上，讲述与之相对应的R包的实现.并通过生动的实例练习加强R语言的应用，本课程可作为需要iS行数据处理和分析的各专业学生的选修课，目的在于让学生熟练掌握R语言的基本编程方法，并在此基础上使刖R包来预处理、可视化和分析数据使得学生学捱用现代前沿的统计和数据挖凫方法处理各种复杂数据提供必备的编程技能.二、课程目标通过本课程的学习，使学生达到如卜目标：课程目标1：了解并掌握R语言与大数据统计分析的概念、R语言的基础知识、统计分析的修法核心，了解数据挖掘统计分析是新时代对人才的新要求。课程目

3、标2：培养团队合作的能力，追求思维储撞：学会主动思考、思辨：培养自主学习的能力。小组合作完成设计开发解决方案，系统模块化完成大数据分析的数据预处理、住模、分析、可视化等阶段.课程目标3：通过课程思政的引入使学生明白工匠精神和将益求精的重要性。健弊选择与使用恰当的工具对数据科学与大数据技术领域魁杂工程何时进行预测与帙拟。主动适应社会发展，成为国之里:器，做对社会对国家皆用之人.三、课程目标与毕业要求大数据统计分析与R语言b课程教学目标对数据科学与大数据技术专业毕业要求支绯见表I,表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑1.工程知根1.1掌握数学、自然科学、工程基础、数据科学与大数

4、据技术专业知识,并能够用于理解与描述大数据技术摘域的复杂工程问题。课程目标h了解并靠握R语言与大数据统计分析的概念、R语吉的基础知识、统计分析的算法核心，了解数据挖卷统计分析是新时代对人才的新要求。H3.设计/开发解决方案3.1能终针对大数据应用系统设计与开发满足特定需求的模块或算法。课程目标2：培养出其合作的能力,追求思维碰撞；学会主动思考、思辨：培笄自主学习的能力.小殂合作完成设计开发解决方案，系统蟆块化完成大数据分析的数据预处理、建模、分析、可视化等阶段.H5.使用现代工具5.2能监选择与使用恰当的技术,资源、现代工程工具和信息技术工具，对数据科学与大数据技术领域复杂工程问题进行预测与模

5、拟.课程目标3：通过课程思政的引入使学生明白工匠精神和精益求制的电要性。能城选择与使用恰当的工具对数据科学与大数据技术领域处柒工程向卷进行预测与模拟.主动适应社会发展,成为国之血器，做对社会对国家有用之人.H注t表中-H（离）、M（中）”表示獴程与相关毕业要求的关联度四、教学内容基本要求与学时分配1 .理论部分理论部分的教学内容、基本要求与学时分配见表2.2教学内容、苓本鬟求与学时分配教学内容教学要求，教学工点建点理论学时实设学时对应的源程目标1.R语音引言1.1R语古的起源和发展1.2 安装和运行R系统1.3 安装和使用包1.4 工作空间的管理1. 5RtUdi。的使用1.6R语皆与数据科学

6、校学要求，r?R语言的基本特点和应用场累：常报R语言开发环境的安装和配置；.值点：熟悉R语言的集成开发环境RStud100难点I工作空间管理的理解和应用，21,2、32.数据与运算2. 1基础知识2.2 数据类型与数据表示2.3 基本运并2.4数据类型转换与R中常见的数据结构教学要求：使学生了解并熟悉Rifi言数据表示方法：掌握R语言明本运算方法.值点：数据类中与数据表示。难点tR语言基本运算.41、2、33.程序设计基础3.1控制流3.2函数设计3.3变成规例与性能优化教学要求:使学生理解并熟练掌握控制流：熟练掌握函数设计方法.值点:控制流的使用方法以及相关应用场景。难点：函数设计和时装以及

7、函数设计的优化。41,2、34.类与对象4.1面向对象程序设计方法4.2S3S4类4.3引用类1.4维承教学要求：使学生了解面向对余特性在R语言数据分析工程中的体现。了解掌握S3类S4类和引用类的区别干联系，掌握面向对象设计方法和类的构建。重点,理新维承的特性并灵活运用维承魔点：掌握引用类.64】、2、36.数据结构与数据处三5.1向量5.2矩阵与数组5.3数据框5.4因子列表5. 5数据导入和导出5.6数据清洗敦学要求；使学生了解掌握向量和矩阵的表示及运算：灵活运用数据框，在数据分析案例中理解数据框的重要性.点，向量和矩阵的表示及运算.难点：数据框的应用，641,2、36.雄图与数据可视化6

8、.1 基本图形与绘图函数6.2 调整绘图参数6. 3其他自定义元素6.4描述性统计图校学要求：使学生了解基本图形与绘图函数：掌握绘图参数和自定义元素的设定。点：向量和矩阵的表示及运算.难点；数据枢的应用。.81,2、37.统计与回归分析7.I定性数据与定量数据7.2效据的数值度量7.3概率分布与假设检瞪7.1回归分析效学要求：解极率分布与假设检验：掌握基于R语者的回归分析的数和调用参数.点；向后和矩阵的表示及运算，簟点：数据框的应用。.81、2、38.统计与机叁学习8.1特征空间与距离8.2聚类算法8.3分类算法8.4%成学习教学要求:理解并拿握R语言的聚类和分类算法:掌握集成学习方法。点：聚

9、类和分类算法。难点，集成学习。6-11,2、39.神经网络与深度学习9.1 基本原理9.2 感知器模型9.3深度神经网络教学要求：掌握神经网络拓本原理;了解深度神经网络.Bjftt神经网络基本原理。魔点，深度神经网络。41.2、3合计48162,实骐部分实验部分的教学内容、基本要求与学时分配见表3。表3实殴项目、实殴内容与学时实验项目实物内容和要求实验学时对应的课程目标1.R诺吉基础i普法应用实验内容IR语言基础语法与函数设i%实3要求：熟悉R语方的集成开发环境RStudio,掌握工作空间管理的理解和应用：理解并熟练掌握控制流,常提函数设计方法.41.2.32.数据文件的读写和处理实3内部使用

10、R霜*对数据文件进行读写和预处理.实“要求I理价向帚和用阵的去示及运算.掌握数据檐的应用.41、2,33.R语言的数据可视化实验内容IR语言的数据可视化应用。实验要求：r解基本图形与绘图函数.掌握绘图多数和自定义元素的设定。41.2、34R语方的PI归分析方法及决策树算法实现实验内容：R语吉财数据的建模分析.实”要求I解概率分布与假设检脸.掌理基于R喳吉的网归分析函数和诩用参数,理解并掌握K语言的聚类和分类算法.41、2,3Tt-16五、教学方法及手段本课程以课堂讲授为主，果用后发式、讨论式教学和案例教学等，促进学生枳极思考，开发学生的潜能,培养学生思考问题、分析何趣和解决问题的能力：以“少而

11、精”为原则.精选教学内容，将讲多练：安排习题课，巩固课堂所学知识；结合学习通超星平台，中国大学翳课网，哗呷哗睥视频网站等视频资源提供灵活的自主的学习方式。六、课程资源I.推荐教材(1)沈刚.R语言基础与数据科学应用M.北京:人民脏电出版社,2019.(2)刘南等.R语言M,北京:清华大学出板社,2019.丰士昌.冬基础学R语占数学计算、统计模型与金融大数见分析M北京：涌华大学出版社,2018.2 .参考书(1)李庆华、周者R语言数据分析与数据挖匏应用(微课视频版)M,北京：清华大学出版社,2021.(2)卡巴科弗(RObert1.KabacofT).R语言实战M.北京:人民邮电出版社,2016

12、.(3)王国凯,大数据挖掘及应用M1.北京：清华大学出版社.2017.(4)刘顺祥,R语言数据分析、挖掘建模与可视化MJ.北京:消华大学出版社.2021.3 .期刊；(1) Team.R.Core.R:1.anguageandenvitnnmforSuWiStiCaIcomputing.(2013):201.(2) Ihaka.Ross.RobertGent1.eman.R:a1.anguagefordataana1.ysisandgraphics.Journa1.ofcomputationa1.andgraphica1.statistics5.3(1996):299-314.G)杨霞，吴东伟

13、.R语方在大数据处理中的应用J.科技资讯,2O13J23):1920.刘培宁，林笑，扬福兴.基于R语古的NCtCDF文件分析和可视化应用J.气象科技,2014.42(04):629-634.(5)牛枪芳，邓雪梅.陈伟.数据科学工具之Rifh在审计数据分析中的应用探索北中国注册会计帅.2016.(09):93-97.4 .网络资源:(1)R谙71方网站.https:/www.r-prQicct.org/.(2)R谙吉博客社区.hups:WWW.r-b1.OSgerS.ccm.(3)世界程序员交流社区.hps:,.七课程考核对课程目标的支撑课程成绩由过程性考核成绩和期末考核成绩两部分构成,具体考核

14、/评价细则及对课程目标的支撑关系见我4.表4谭程考核对课程目标的支撑考核环节占比考核/评价细则课程目标123过程性考核课堂表现17.5(1)根据课堂址勤情况和课堂回答问题情况进行考核，满分100分.(2)以平时考核成绩乘以其在总部成绩中所占的比例计入深程总评成绩.7.555实12.5(1)根据短个实脸的实脸操作完成情况和实麟报验告质修单独评分,满分100分：（2）每次实验的独评分取各次实脸成绩的平均位作为此环节的最终成绩.（3）以实3金成绩乘以其在总评成绩中所占的比例计入课程总评成绩。52.55作业20（1主要考核学生对各章节知识点的熨习、理解和掌握程度，满分100分：（2）每次作业单独评分.取各次成绩的平均值作为此环节的最终成绩.（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩.5105期末考核50（1）卷面成绩100分.以卷曲成绩乘以其在总评成绩中所占的比例计入课程总评成绩.（2）主要考核R语言基础语法，R语言面向对象程序设计,R语音数据处理与可视化机潺学习核心算法等内容.（3）考试题里为：数据分析程序设计大作业。