2011年内蒙古自治区分析数据大纲

1、二叉树的层次遍历序列的第一个结点是二叉树的根。实际上，层次遍历序列中的每个结点都是“局部根”。确定根后，到二叉树的中序序列中，查到该结点，该结点将二叉树分为“左根右”三部分。若左、右子树均有，则层次序列根结点的后面应是左右子树的根；若中序序列中只有左子树或只有右子树，则在层次序列的根结点后也只有左子树的根或右子树的根。这样，定义一个全局变量指针R，指向层次序列待处理元素。算法中先处理根结点，将根结点和左右子女的信息入队列。然后，在队列不空的条件下，循环处理二叉树的结点。队列中元素的数据结构定义如下：

typedef struct

{ int lvl; //层次序列指针，总是指向当前“根结点”在层次序列中的位置

int l,h; //中序序列的下上界

int f; //层次序列中当前“根结点”的双亲结点的指针

int lr; // 1—双亲的左子树 2—双亲的右子树

}qnode;

BiTree Creat(datatype in[],level[],int n)

//由二叉树的层次序列level[n]和中序序列in[n]生成二叉树。 n是二叉树的结点数

{if (n<1) {printf(“参数错误\n”); exit(0);}

qnode s,Q[]; //Q是元素为qnode类型的队列，容量足够大

init(Q); int R=0; //R是层次序列指针，指向当前待处理的结点

BiTree p=(BiTree)malloc(sizeof(BiNode)); //生成根结点

p->data=level[0]; p->lchild=null; p->rchild=null; //填写该结点数据

for (i=0; i

if (in[i]==level[0]) break;

if (i==0) //根结点无左子树，遍历序列的1—n-1是右子树

{p->lchild=null;

s.lvl=++R; s.l=i+1; s.h=n-1; s.f=p; s.lr=2; enqueue(Q,s);

}

else if (i==n-1) //根结点无右子树，遍历序列的1—n-1是左子树

{p->rchild=null;

s.lvl=++R; s.l=1; s.h=i-1; s.f=p; s.lr=1; enqueue(Q,s);

}

else //根结点有左子树和右子树

{s.lvl=++R; s.l=0; s.h=i-1; s.f=p; s.lr=1;enqueue(Q,s);//左子树有关信息入队列s.lvl=++R; s.l=i+1;s.h=n-1;s.f=p; s.lr=2;enqueue(Q,s);//右子树有关信息入队列

}

while (!empty(Q)) //当队列不空，进行循环，构造二叉树的左右子树

{ s=delqueue(Q); father=s.f;

for (i=s.l; i<=s.h; i++)

if (in[i]==level[s.lvl]) break;

p=(bitreptr)malloc(sizeof(binode)); //申请结点空间

p->data=level[s.lvl]; p->lchild=null; p->rchild=null; //填写该结点数据

if (s.lr==1) father->lchild=p;

else father->rchild=p； //让双亲的子女指针指向该结点

if (i==s.l)

{p->lchild=null; //处理无左子女

s.lvl=++R; s.l=i+1; s.f=p; s.lr=2; enqueue(Q,s);

}

else if (i==s.h)

{p->rchild=null; //处理无右子女

s.lvl=++R; s.h=i-1; s.f=p; s.lr=1; enqueue(Q,s);

}

else{s.lvl=++R; s.h=i-1; s.f=p; s.lr=1; enqueue(Q,s);//左子树有关信息入队列

s.lvl=++R; s.l=i+1; s.f=p; s.lr=2; enqueue(Q,s); //右子树有关信息入队列}

}//结束while (!empty(Q))

return(p);

}//算法结束

2、设一棵二叉树的结点结构为 (LLINK,INFO,RLINK),ROOT为指向该二叉树根结点的指针，p 和q分别为指向该二叉树中任意两个结点的指针，试编写一算法ANCESTOR（ROOT，p,q,r）,该算法找到p和q的最近共同祖先结点r。

3、若第n件物品能放入背包，则问题变为能否再从n-1件物品中选出若干件放入背包（这时背包可放入物品的重量变为s-w[n]）。若第n件物品不能放入背包，则考虑从n-1件物品选若干件放入背包（这时背包可放入物品仍为s）。若最终s=0,则有一解；否则，若s<0或虽然s>0但物品数n<1,则无解。

（1）s-w[n],n-1 //Knap(s-w[n],n-1)=true

（2）s,n-1 // Knap←Knap(s,n-1)

PowerBI数据分析与数据可视化-教学大纲

《Power BI数据分析基础教程》教学大纲 学时：32 代码： 适用专业：计算机及应用相关专业 制定： 审核： 批准： 一、课程的地位、性质和任务 数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。 数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。 二、课程教学基本要求 1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。 2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。 三、课程的内容 第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式

了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章 Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板 第9章社科研究数据分析 掌握获取社科研究数据和社科研究数据分析 四、理论和实验课时分配表 五、考核办法 1．考试采用统一命题，包括笔试和上机考试，考试时间分别为120分钟。课程成绩=（笔试成绩+上机考试成绩）/2

文本数据分析-教学大纲

《文本数据分析》教学大纲 课程编号：071193B 课程类型：□通识教育必修课□通识教育选修课 □专业必修课 专业选修课 □学科基础课 总学时：48 讲课学时：32 实验（上机）学时：16 学分：3 适用对象：信息管理与信息系统专业（大数据应用） 先修课程：数据结构、数据库原理与应用、大数据分析算法 一、教学目标 文本数据分析是文本分析和挖掘数据的理论和方法，文本数据分析是信息管理与信息系统专业（大数据应用）重要的专业选修课。通过本课程的学习，将达到以下目标: 目标1：对文本数据分析的价值、意义和基本原理建立清晰和比较全面的认识； 目标2：掌握有关文本数据发掘、处理、建模和解释的基本原理和方法，了解和熟悉文本数据分析在社会科学研究、商业分析和公共管理等领域的实际案例； 目标3：熟悉文本数据挖掘的基本原理，提高分析文本数据的思维能力与计算能力，能够从事某社会和经济领域文本数据分析相关活动的组织、执行和实施。 二、教学内容及其与毕业要求的对应关系 （一）教学内容

本课程主要基于R语言讲授文本数据分析的原理、基本方法及常用软件。主要包括：常用文本挖掘技术及其基本流程；基于R软件详细讲授文本挖掘的主要方法，包括R软件的简介与安装，文本挖掘所需的基本R包，Facebook、微博、Twitter、网页等爬虫技术、数据预处理如断词、字词处理、语料库建立等，资料分析如关联分析、集群分析、主成份分析和聚类分析；基于MS SQLSever 讲授文本挖掘的实现技术，包括数据预处理技术，文本数据的导入、建立字词与词向量、建立训练集和测试集；基于MS SQL Sever讲授常用的文本数据挖掘方法，并进行图表分析；最后通过舆情分析、文献挖掘等案例进行实战练习。 （二）教学方法和手段 注重理论与实践相结合，采取实例教学法、小组教学法、模拟教学法等多种教学方法进行授课。重点强调案例教学锻炼学生解决实际问题的能力，并借助R 语言开发环境软件进行上机操作和实战练习。 （三）实践教学环节要求 要求学生在实验环节掌握文本数据分析的基本原理、思路及相关领域的实战应用。要求学生课后完成基于课堂和实验教学内容的扩展实践练习，进一步熟悉文本数据分析流程和技术方法，加强相关领域的实际应用场景练习。 （四）与毕业要求的关系 文本数据作为信息的重要载体在当今信息化社会扮演着重要的角色。作为信息管理与信息系统专业大数据应用方向的学生，学习和掌握文本数据分析相关知识、方法和技术，不仅是大数据时代下社会经济发展的需要，更是适应未来各个领域海量数据管理的必需技术和能力，符合该专业培养的基本要求。 三、各教学环节学时分配 教学课时分配

数据处理大纲

第一章绪论 1、物联网具备的3个能力：全面感知、可靠传递、只能处理 2、物联网体系结构：感知层、网络层、应用层 3、感知层：解决数据获取问题，包括数据采集和数据段距离传输两部分 4、感知层关键技术包括：检测技术、中低速无线或有线短距离传输技术（传感器、RFID、 ZigBee技术、蓝牙） 5、网络层：承担数据传输功能，关键技术（Internet，移动通信网，WSN（5个特点）） 6、应用层：解决数据处理和人机界面的问题，关键技术（人工智能，数据挖掘，中间件， 云计算，海计算） 7、物联网数据特性：数据的海量性、时效性、多态性与异构性 8、数据的多态性：采集的数据结构各不相同 9、数据的异构性：有文本数据、图像、音频、视频等多媒体数据。文本型数据易传难感、 多媒体数据易感难传。 10、异构性和多态性的根本原因：物联网的应用模式和架构互不相同，缺乏可批量应用 的系统方法。 11、数据海量性、时效性的解决方法：数据压缩、提高计算能力（采用云计算等技术） 12、数据异构性的解决方法：数据库（数据存储、挖掘、检索），中间件（传递、过滤、 融合） 第二章数据压缩 1、文本数据压缩的方法：游程编码、统计编码、字典编码（不同的冗余对应不同的压缩方 法），无损压缩算法通常利用了统计冗余。 2、无损压缩用在电子表格、文本、可执行文件这样的符号数据中；有损压缩用在视频、音 频中，需要在压缩速率、压缩数据大小和质量损失之间折中。 3、游程编码（RLE）存在的问题：3点 4、游程编码的压缩比：压缩因子为N/(N – M (L – 3)) 5、游程编码可用于二值图像、灰度图像、彩色图像的压缩 6、熵：H = -s (log2 (P))，在等概率特例下，p = 1 / n，s为每单位时间传送s个符号。总的熵 即对所有熵求和 7、哈夫曼编码（熵编码法）：合并后概率下放、合并后概率上放。平均码长相同，说明信 息率R，冗余度相同；码方差越小越好。哈夫曼编码的编码方法不唯一 8、哈夫曼编码的优缺点 9、算术编码，编码与解码 10、算术编码提前结束问题的解决办法：加入eof符号 —————————————————————————————————— 11、字典编码：LZ77/78/W 12、实用的字典编码算法的核心就是如何动态地形成字典，以及如何选择输出格式以减

数据分析与处理-课程教学大纲

《数据分析与处理》课程教学大纲 一、课程基本信息 1．课程代码： 2．课程名称：数据分析与处理 3．课程英文名称： 4．课程类型：CC 5．授课对象：电子商务本科 6．开课单位：信息技术与商务管理系 7．教学时间安排：第2学期 8．先修课程：信息技术基础 9．并行课程： 10．后修课程：数据库原理与应用，动态网站设计基础，电子商务网站建设与管理，电子商务综合实训 11．学时安排： 二、课程教学目标及教学任务 （一）教学目标 1．教学目标的总体概括 既要能够掌握EXCEL的整体概念和基本操作步骤，又要掌握EXCEL在数据分析与处理方面的具体应用。 2．教学目标列表

（二）课程培养能力体系

（三）课程培养目标与课程内容映射表 见附件《数据库原理与应用课程培养目标与课程内容对应mapping图》。 （四）教学任务 实验报告：实验目的明确，实验内容完整，实验步骤正确，实验结论真实、准确，优秀学生能总结出系统的实验注意事项。 作业：作业内容正确，资料翔实，论证充分、有力，优秀学生能够提出鲜明的个人观点，同一问题能够给出简洁明了的答案，具有一定的创新性。 三、各单元教学内容及基本要求 第一部分数据的输入与编辑（2学时（讲课）+2学时课堂练习= 4课时） 教学内容： 1、数据输入的一般操作 2、特殊数据的快捷输入 3、有规律数据的序列输入法 4、设置有效性对输入数据审核 5、下拉式列表选择输入的设计 6、数据的编辑操作 教学重难点： 1、设置有效性对输入数据审核 2、下拉式列表选择输入的设计 教学目标： 1、掌握Excel基本的概念 2、掌握单元格及单元格区域简单数据的输入 3、掌握下拉式列表选择输入的设计 第二部分单元格数据的格式设置（1（讲课）+1（课堂练习）= 4课时） 教学内容： 1、单元格格式的一般设置 2、各种内置数字格式的使用 3、自定义数字格式的应用 4、条件格式化的应用 教学重难点： 1、自定义数字格式的应用

Excel高效数据分析培训课程大纲

Excel高效数据分析培训课程大纲 【课程背景】 面对浩瀚的数据，如何提炼信息，把需要的信息快速展示给客户和领导？ 公司的经营状况和财务状况到底如何？预算执行情况到底如何？成本费用超支了吗？ 销售收入、成本、费用是否正常？是否出现了异常情况？如何简便发现异常费用流向和预警机制的建立？ 如何即时发现资金流、销售、财务中的问题？ 员工的构成分布情况如何？员工的流动情况如何？您是否为员工的不断离去伤透了脑筋而不知其原因？ 如何快速分析不同部门不同岗位等对公司的满意率，以便及时发现问题解决问题？ 为什么产品的不合格率持续高位？怎样快速发现问题？ 诸如此类的问题，等等，对任何一位管理者而言，是复杂而繁琐的，您想必一定很累、很烦了吧！ 您想要提高管理效率吗？想要进行科学的管理，而不是仅仅拍脑袋想问题、做决策吗？ 等等…… 本课程将教会您利用Excel快速制作各种统计分析报表的基本方法和大量实用技巧，还将使您的Excel 使用水平提升到一个新的层次，使您的分析报告更加有说服力，更加引人注目！ 【课程特点】 ●系统性：囊括利用Excel进行高效企业日常管理的各方面内容。 ●全面性：全面介绍了Excel工具的在企业日常管理中的典型应用，兼顾Excel使用方法技巧介绍和应用思路启发，注重点面结合。 ●实用性：注重Excel在管理中的实际应用，培训内容紧密结合实际案例。精选数十个源自企业管理过程中的典型案例，极具代表性和实用价值，反映了现实中企业需要解决的问题，具有更强的针对性。 ●示范性：注重强调动手实践，使每个学员有充分的动手机会，及时解决学习中的问题。在进行实例分析时一步一步地递进，清晰易懂，既便于您了解管理决策分析过程，又使读者真正掌握Excel的强大功能。 ●细致性：讲课认真、细致，辅导实验积极、耐心，使每个学员都能够掌握所讲的内容。 ●无忧性：完善的课后服务，随时与老师联系，及时帮助企业学员解决实际工作中遇到的问题和难题。 【课程目的】 ●帮您树立一种正确高效使用Excel的基本理念和思路 ●为您提供一套实用高效的Excel技能和方法 【培训对象】 ●企业的各类管理人员，包括财务总监、财务经理、会计经理、财务主管、预算主管、财务人员、会 计人员；销售总监、销售经理、销售主管、销售人员；生产经理、生产管理人员；人力资源经理、 人力资源主管；审计经理、审计主管；及其他相关管理人员等。 【课程大纲】 第1部分武装自己：快速掌握Excel公式和函数 逻辑更加清楚： 将复杂的数据逻辑判断和处理变得更加清楚和明了（逻辑判断函数的综合应用） 复杂变简单： 将繁琐的加减公式变得更为简洁和科学（各类求和汇总函数的灵活应用） 让数据无处遁形： 需要的数据迅速出现在您面前（功能强大的查找函数及其典型应用）

030742003《数据分析与建模》教学大纲

《数据分析与建模教学大纲》课程教学大纲 课程代码：030742003 课程英文名称：Data Analysis and Modeling 课程总学时：48 讲课：40 实验：8 上机：0 适用专业：电子信息科学与技术 大纲编写（修订）时间：2011.9 一、大纲使用说明 （一）课程的地位及教学目标 数据分析与建模是一门综合运用分析、试验、量化的手段对生产实践、科学研究、军事工程等各种实际问题建立数学模型并进行求解的应用数学。它系统地介绍数学模型、数学建模和建模过程中的常用方法与实例，为学生今后各专业课程的学习和工作时间打下必不可缺的专业基础。 通过本课程的学习，学生将达到以下要求： 1．掌握数学模型的基本思想、方法与技巧。 2．学会正确的分析、归纳的思维方式和思考习惯，能够根据各种实际问题的不同情况采取不同方法建立数学模型。 3．运用所学的知识和技巧进行数学模型的求解、分析、检验与评价。 4．掌握有关计算机软件的使用，提高解决复杂问题的能力。 （二）知识、能力及技能方面的基本要求 1.基本知识：学生应掌握与建模相关的数学和计算机软件知识。 2.基本理论和方法：掌握线性规划与非线性规划、无约束最优化、微分方程、最短路问题、数据统计描述与分析、回归分析、计算机模拟以及插值与拟合等建模与求解的基本理论和方法。 3.基本技能: 掌握一定的解决实际建模问题的能力，能熟练运用计算机与相关软件并具备相关的编程计算技能，掌握撰写数据分析与建模论文或报告的能力。 （三）实施说明 1．教学方法：课堂讲授中要重点对基本概念、基本方法和解题思路的讲解；采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；引导和鼓励学生通过实践和自学获取知识，培养学生的自学能力；增加讨论课，调动学生学习的主观能动性；注意培养学生提高利用各种媒体获取技术资料的能力。讲课要联系实际并注重培养学生的创新能力。 2．教学手段：在教学中采用电子教案、CAI课件及多媒体教学系统等先进教学手段，以确保在有限的学时内，全面、高质量地完成课程教学任务。 3．教学实施：教师在授课时可根据实际情况酌情安排各部分学时，后面的课时分配可供参考；可自行安排讲授的章节顺序，使之更符合学生的实际。 （四）对先修课的要求 学生应在学习《C语言程序设计》、《高等数学1》、《高等数学2》、《线性代数》、《概率论与数理统计》、《数值分析》、《离散数学》等课程之后学习《数据分析与建模》。 （五）对习题课、实验环节的要求 1．对重点、难点章节应安排习题课，例题的选择以培养学生消化和巩固所学知识，用以解决实际问题为目的。对于学生完成的习题要检查改错。对每种建模方法，要让学生上机实践并给予指导，使学生确切掌握要领，付诸应用。学生在上机过程中可以采用MATLAB、

《大数据处理与云计算》课堂教学大纲.doc

《大数据处理与云计算》教学大纲 课程类别：专业教育课课程名称：大数据处理与云计算 开课单位：信息与通信工程学院课程编号：N03050703 总学时：40 学分：2.5 适用专业：信息工程专业 先修课程：无 一、课程在教学计划中的地位、作用 大数据处理与云计算是信息工程专业高年级学生开设的一门专业教育课。本课程主要学习大数据处理和云计算的相关原理和技术，根据实际需求，构建相应的大数据处理和云计算平台框架。 通过本课程学习，使学生掌握大数据的采集、传输、处理和应用的技术，了解Hadoop 分布式系统基础架构，掌握HDFS和MapReduce技术。了解HBase、Hive、Zookeeper、Avro、Pig等相关大数据技术，与实际工程应用相结合，构建相应的云计算平台。教学应当结合实际实验条件，培养学生实践动手能力，了解大数据技术发展现状，促进大数据相关教学改革。 二、课程教学内容、要求及学时分配 第一章大数据与云计算概况 1、了解大数据概念 2、了解大数据的产生、应用和作用 3、了解云计算技术的概述 4、了解云计算的特点及技术分类 5、了解大数据与云计算、物联网之间的关系 第二章大数据处理与云计算的关键技术 1、理解大数据处理的基本流程 2、掌握大数据的关键技术 3、理解大数据的处理工具 4、了解大数据面临的挑战 5、理解云计算及关系型数据库 第三章 Hadoop 1、了解Hadoop概述 2、了解Hadoop发展简史 3、理解Hadoop的功能与作用

4、了解Hadoop的优缺点 5、了解Hadoop的应用现状和发展趋势 6、掌握Hadoop项目及其结构 7、掌握Hadoop的体系结构 8、掌握HDFS的体系结构 第四章 MaReduce 1、理解分布式并行编程 2、理解MapReduce模型概述 3、掌握Map和Reduce函数 4、掌握MapReduce工作流程 5、掌握并行计算的实现 6、掌握新的MapReduce框架：Yarn 7、理解新旧Hadoop MapReduce框架的对比 第五章 HDFS 1、理解HDFS的假设与目标 2、理解HDFS的相关概念 3、掌握HDFS体系结构 4、掌握HDFS命名空间 5、掌握HDFS存储原理 6、掌握通讯协议 7、理解数据错误和异常 8、理解从HDFS看分布式文件系统的设计需求第六章 Zookeeper 1、了解Zookeeper简介 2、掌握Zookeeper的工作原理 3、理解Zookeeper的数据模型 第七章 HBase海量实时处理实战技巧 1、理解HBase简介和架构 2、掌握HBase核心知识点 3、掌握HBase高级应用

12《误差理论与数据处理》教学大纲-2014修订

误差理论与数据处理 （Accuracy Theory and Data Analyses） 课程编号：（根据选课系统中编号填写） 学分：3 学时：45 （其中：讲课学时：39 实验学时：6 上机学时：） 先修课程：概率论与数理统计、测试技术、信号分析和处理 适用专业：测控技术与仪器 教材：《误差理论与数据处理》，费业泰，机械工业出版社，2010.5 开课学院：机械工程学院 一、课程的性质与任务 《误差理论与数据处理》是高等学校测控技术及仪器专业必修的专业基础课，也可作为机械类专业、信息类专业和其它有关专业本科生、研究生的必修课或选修课。通过本课程的学习，培养学生掌握测试与实验数据处理的基本理论与方法，正确估计被测量的值，科学客观地评价测量结果，并根据测试对象的精度要求，对测试与实验方法进行合理设计，为后续专业课程及实验环节奠定理论基础。 二、课程对毕业要求及其指标点的支撑 1. 本课程支撑专业培养计划中毕业要求5和毕业要求6； 2. 本课程支撑专业培养计划中毕业要求5中的指标点1：了解与本专业相关职业和行业的法律基础知识，占该指标点达成度的30%； 3. 本课程支撑专业培养计划中毕业要求5中的指标点3：能正确认识工程对于客观世界和社会的影响，把握国内外测量控制与仪器相关的标准、规范和技术变化，占该指标点达成度的20%； 4. 本课程支撑专业培养计划中毕业要求6中的指标点3：能够对测控系统和仪器工程的实验结果进行数据分析，占该指标点达成度的30%。 三、课程的内容及要求 第一章绪论 1. 教学内容 （1）研究误差的意义

（2）误差的基本概念 A. 误差的定义及表示法 B. 误差来源 C. 误差分类 （3）精度 A. 精度的基本概念 B．量值的传递、标准与准确度等级 （4）有效数字与数据运算 A. 有效数字 B. 数字舍入规则 C. 数据运算规则 2. 知识、能力与素质等方面的基本要求 （1）了解并掌握误差的基本概念，包括误差的定义、来源及分类等； （2）了解精度的基本概念及其不同的表示方法，了解量值传递、标准与准确度等级的概念及相关法规等方面的知识； （3）掌握有效数字含义、数字的舍入准则与数据运算规则，能根据精度要求准确表达测量数据 3. 重难点 （1）能正确分析误差来源； （2）测量误差按误差性质的分类处理； （3）能准确表示有效数字； （4）了解量值传递、标准与准确度等级的概念及相关法规 第二章误差的基本性质与处理 1. 教学内容 （1）随机误差 A．随机误差的产生原因 B．正态分布 C．算术平均值及测量标准差 D．测量的极限误差 E．不等精度测量 F．随机误差的其他分布 （2）系统误差 A．系统误差的产生原因 B．系统误差的特征

《GNSS测量与数据处理》课程改革教学大纲

《GNSS测量与数据处理》课程改革教学大纲 一、课程的性质和目的 《GNSS测量与数据处理》是测量工程专业的主要专业必修课之一。通过这门课的学习，要使学生了解GPS全球定位系统的构成、时空基准、卫星定轨基础理论，掌握GNSS定位数学模型、定位方法和误差源分类等原理，掌握GNSS控制网的技术设计、施测方法及其数据处理、软件操作过程等，了解GNSS技术的最新发展与应用。 通过讲座教师的课程模块的讲座、助教安排研讨、指导撰写论文、主持小组论文报告和讲座教师组织课程论文报告、实验及生产实践，使学生在毕业后能独立承担GNSS控制网的技术设计和组织外业测量、内业数据处理等工作。通过本课程的各教学环节，培养学生的专业文献检索、独立思考、合作交流、测绘案例分析与解决能力。为专业的研究深造、社会就业奠定专业基础。 二、课程的基本要求 1．理解GNSS的系统组成及各部分功能； 2．了解GNSS的应用领域； 3．理解GNSS测量的坐标系统和时间系统； 4．理解卫星运动的基础知识及GPS信号； 5．掌握GNSS定位方法、数学模型及其线性化 6. 掌握GNSS的误差来源及其削弱方法； 7．掌握GNSS控制网的技术设计、网点布设、观测方法，并运用相关知识达到能够撰写技术设计书和技术总结报告的能力； 8．掌握GPS数据处理的一般步骤和RINEX格式； 9．理解GPS基线解算、周跳探测等预处理工作； 10．掌握GPS坐标系统之间的关系与转换； 11. 掌握GPS控制网的二维、三维平差计算，并综合运用GNSS数据处理方法和程序设计能力，达到熟练操作GNSS数据处理软件的能力，能够对观测数据进行数据处理与精度评定；

《大数据分析方法与应用》教学大纲

《大数据分析方法与应用》课程教学大纲 课程代码：090542008 课程英文名称：Big Data Analysis: Methods and Applications 课程总学时：40 讲课：40 实验：0 上机：0 适用专业：应用统计学 大纲编写（修订）时间：2017.6 一、大纲使用说明 （一）课程的地位及教学目标 本课程是应用统计学专业的一门专业课，通过本课程的学习，可以使学生学会选用适当的方法和技术分析数据，领会大数据分析方法和应用，掌握复杂数据的分析与建模，使学生能够按照实证研究的规范和数据挖掘的步骤进行大数据研发，为就业与继续深造打下必要而有用的基础。 （二）知识、能力及技能方面的基本要求 1.基本知识：掌握数据挖掘流程、随机森林树的回归算法、基于预测强度的聚类方法、朴素贝叶斯分类、高维回归及变量选择、图模型等。 2.基本能力：要求能在真实案例中应用相应的方法。 3.基本技能：掌握复杂数据的分析与建模。 （三）实施说明 1. 本大纲主要依据应用统计学专业2017版教学计划、应用统计学专业专业建设和特色发展规划和沈阳理工大学编写本科教学大纲的有关规定并根据我校实际情况进行编写的。 2. 课程学时总体分配表中的章节序号在授课过程中可酌情调整顺序，课时分配仅供参考。打“*”号的章节可删去或选学。 3. 建议本课程采用课堂讲授、讨论相结合的方法开展教学，通过讨论等方式强化重点，通过分散难点，使学生循序渐进的掌握难点。 4．教学手段：建议采用多媒体等现代化手段开展教学。 （四）对先修课的要求 本课程的先修课程：应用多元统计分析。 （五）对习题课、实践环节的要求 通过案例讲解算法，鼓励学生演示分析思路和分析收获，使学生有机会诊断问题，并学会选用适当的方法和技术分析数据。 （六）课程考核方式 1．考核方式：考查 2．考核目标：在考核学生基础知识、基本技能，基本能力的基础上，重点考核学生的分析能力、解决实际问题能力。 3．成绩构成：本课程由平时成绩和结课报告的质量评定优、良、中、及格和不及格。 （七）参考书目: 《大数据分析：方法与应用》，王星编，清华大学出版社，2013. 二、中文摘要 《大数据分析方法与应用》是高等学校应用统计学专业的一门选修的专业课。本课程着重介绍了统计学习、数据挖掘和模式识别等领域的各种大数据分析方法。课程主要内容包括大数据分析概述、数据挖掘流程、随机森林树、基于预测强度的聚类方法、贝叶斯分类和因果学习、高

大数据商务分析与应用-教学大纲

大数据商务分析与应用》教学大纲 课程编号： 071133B 课程类型：□通识教育必修课 □专业必修课 □学科基础课 总学 时： 48 讲课学时： 32 学 分： 3 适用对象：信息管理与信息系统专业（电子商务） 先修课程： 面向对象程序设计与开发，数据库原理与应用，统计学，商务智 能与数据挖掘 、教学目标 商务数据特别是大数据的挖掘、 分析和利用， 已经成为当前大型企业之间竞 争的重要工具和手段。 本课程主要学习大数据商务分析的相关原理、 方法和技术， 根据实际业务需求，基于一种大数据商务分析开发工具如 Python 对相应的业务 数据进行处理、分析和应用。 通过本课程学习，使学生了解大数据的采集、传输、处理、分析和应用的相 关技术，掌握 Python 的基础语言知识、 大数据分析和应用技术， 能够基于 Python 进行数据采集、 处理、分析和应用开发工作。 鉴于商务数据分析已经成为电子商 务运营和网络营销中重要的工具和手段， 因此该课程是电子商务专业培养方案的 重要组成部分，是先修课程“统计学”和“商务智能与数据挖掘”的实战延续， 并可为同期进行的专业必修课“电子商务运营管理”打下良好技术基础。 二、教学内容及其与毕业要求的对应关系 （一）教学内容 □通识教育选修课 专业选修课 实验（上机）学时： 16

本课程主要教学内容是在学生掌握基本的统计学、数据挖掘等基本原理和算法后，学习基于Python 编程语言的基本语法、一般应用开发方法和常用的数据分析和数据挖掘方法等。具体包括：Python 基础知识，Python 数据分析工具，数据探索，数据预处理，挖掘建模，案例分析等。 （二）教学方法和手段 根据教学目标，拟采用的教学方法有：课堂讲解基本概念和核心知识，讲授和讨论相结合领会知识要点，案例教学训练解决问题的能力，最后借助Python 开发环境软件让学生进行上机操作和具体实践。 （三）实践教学环节要求 根据教学进度和要求布置相应的小作业，通过上机实践。每一章都有对应的上机内容，如Python 开发环境配置与入门程序开发、各章节开发例程等。建议自学时安装和配置这些软件进行自学，完成书上案例的内容。通过上机学习本课程的理论，掌握基于Python 语言和工具的数据分析方法。 （四）学习要求 为有效学习本课程，要求学生首先具备数据库、面向对象程序设计与开发等方面的基本知识，熟练掌握面向数理统计与数据挖掘等方面的完整专业知识。 自学时应该熟读大纲，提纲挈领地掌握Python 数据分析的内容，随后按照大纲熟读教材，并通过课后思考和上机实践进行多角度和多层次的反复学习。 （五）与毕业要求的关系 随着大数据时代的到来，大型企业、政府和机构逐渐积累了大量的业务数据，基于互联网技术和大数据分析手段挖掘商务和业务应用的价值，逐渐成为电子商务运作和企业竞争的必要组成部分，也是未来发展的必然趋势。因此，学习和掌握大数据的商务分析方法、技术及相关应用，不仅是当前电子商务产业发展的需要，还是适应未来大型组织运营和竞争的基本要求，也是电子商务专业培养的基本要求。 （五）教学中应注意的问题由于数理统计原理和数据仓库与数据挖掘技术原理是该课

数据分析方法教学大纲

《数据分析方法与软件》课程教学大纲课程类型：选修课程代码：课程总学时：64 总学分： 2 实验课程性质：非独立课程实验学时： 32 实验学分： 课程类别：专业课适用专业：计信本 开课时间： 04 年级 6 学期开课单位：计算机学院 大纲执笔人：彭平大纲审定人： 一、实验课程名称： 数据分析方法（Methods of Data Analysis with software） 二、课程简介 数据分析是分析和处理数据的理论和方法，从中获取有用的信息。数据作为信息的重要载体在当今信息化社会扮演着重要的角色。信息与计算科学专业则主要研究信息技术的核心基础与运用现代计算机工具高效求解科学与工程问题的数学理论与方法。基于这一专业定位，信息与计算科学可包括信息科学与科学计算两个大的方向。而信息科学可以理解为“有关信息获取、信息传输、信息处理与信息控制基础的科学”。数据分析正是信息科学的重要专业基础课程。 三、适用专业与学时学分： 1．信息与计算科学课程总学时：64；总学分：4实验32学时 四、教学目的和内容要求 通过本课程的学习，使学生对数据分析方法的基本原理有系统的理解，掌握利用专业软件进行数据统计分析的方法和步骤。培养学生应用计算机进行统计分析的能力，为后续课程的学习以及解决实际问题打下良好的基础， 1、通过本课程的学习与实践，掌握数据分析的基本原理和统计软件SPSS系统基本用法。

2、通过本课程的学习与实践，能够对数据进行描述性统计分析，熟练使用SPSS软件内部函数，并能分析所得结果。 3、通过本课程的学习与实践，加深对数据分析方法的基本理论（回归分析、方差分析、聚类分析、判别分析等）的理解，掌握统计软件的各个操作方法和步骤，并能结合具体问题和相关知识对计算结果给出合理的解释。 主要内容： 五、实验课程内容及要求

数据分析培训提纲

数据分析培训提纲 1．概论 数据分析的重要性 （1）贯彻质量管理8项原则的需要 QM的8项原则之一为：基于事实的决策方法。要避免决策失误必须提供足够的信息，以及进行科学决策。 信息：有意义的数据。 数据：能客观反映事实的资料和数字。 要使数据提升为信息，才能将其增值。为此，必须从数据收集和分析上运用科学的方法，使之便于利用。 （2）通过数据的收集和分析可证实QMS是否适宜和有效。 （3）帮助识别和评价QMS持续改进的机会。 （4）增强对各种意见和决策的分析、判断、评审、质疑能力因此，数据分析是保障QMS有效运行的重要手段。 数据分析的一般过程 1.2.1数据收集 （1）收集范围 产品、体系和过程的数据，如：产品检测中的不合格，QMS质量目标完成情况、持续改进情况、过程监视和测量情况等。 事实上在QMS的各个过程中，都会产生一些数据，在管理中必须根据当前及长远目标的需要，确定应收集那些数据，重点如何。

（2）收集方法 1）各种报表和原始记录（注意分类） 2）区域网中的数据库 3）注意明确收集人、收集时间、收集方式、传递方式。 （3）收集的要求 1）及时 2）准确数据的质量，“进来的是垃圾，出去的还是垃圾” 3）完整数据项目齐全，数量符合要求。 1.2.2数据分析、处理 （1）数据的审查和筛选 剔除奇异点，确定数据是否充分 （2）数据排序 按其重要度进行排序，以确定分析处理的对象和顺序 （3）确定分析内容，进行统计分析 （4）分析判断 在统计分析的基础上，以目标值或标准为依据，对统计分析结果（绘图或计算）作进一步分析，以获得指导过程改进的明确信息，找出主要问题和薄弱环节，并提出相应的改进建议。 （5）编写报告 对分析判断得出的规律、趋势整理成报告（附有直观的图表） -1- 1.2.3数据的利用

Excel商务数据分析与应用-教学大纲

《Excel商务数据分析与应用》 教学大纲 一、课程信息 课程名称：Excel商务数据分析与应用 课程类别：专业基础课 课程性质：必修 计划学时：60 计划学分：3 先修课程：无 适用专业：本书可作为高等院校电子商务方向相关专业及电子商务技能培训班的学习教材。 课程负责人： 二、课程简介 本书以Excel在电商运营商务数据分析中的实际应用为主线，主要从电商卖家自身、商品、顾客、进销存管理、竞争对手，以及行业状况等方面对商务数据分析进行了深入讲解。 本书分为10章，主要内容包括：商务数据分析与应用基础、使用Excel管理店铺信息、商品销售情况管理、买家购买情况分析与评估、商品销售情况统计与分析、商品采购成本分析与控制、商品库存数据管理与分析、畅销商品统计与分析、竞争对手与行业状况分析，以及销售市场预测分析等。 三、课程教学要求

注：“课程教学要求”栏中内容为针对该课程适用专业的专业毕业要求与相关教学要求的具体描述。“关联程度”栏中字母表示二者关联程度。关联程度按高关联、中关联、低关联三档分别表示为“H”“M”或“L”。“课程教学要求”及“关联程度”中的空白栏表示该课程与所对应的专业毕业要求条目不相关。 四、课程教学内容

五、考核要求及成绩评定

注：此表中内容为该课程的全部考核方式及其相关信息。 六、学生学习建议 1．理论配合实战训练进行学习，提高学生的Excel商务数据分析能力； 2．培养、提升学生的数据分析、网店运营等综合能力。 七、课程改革与建设 本书采用“项目+任务”的体例形式，通过大量的案例操作和分析，让读者真正掌握商务数据分析的方法与技巧。采用图解教学的体例形式，一步一图，以图析文，让读者在学习过程中更直观、更清晰地掌握操作流程与方法，提升学习效果。本书还配有微课视频和完备的教学PPT、电子教案等，能帮助读者更好地理解和应用知识。 平时对学生的考核内容包括出勤情况、在线学习习题完成情况、课堂讨论等方面，占期末总评的50%。期末考试成绩占期末总评的50%。

数据统计与分析教学大纲

数据统计与分析课程教学大纲 课程编码：12120602206课程性质：专业基础课 课时：36 学分：2 开课学期：4 先修课程：概率论与数理统计 适用专业：物流工程 课程简介： 本课程属于经管类专业基础课，系统阐述现代统计学的基础理论和方法。内容有描述性统计、概率论基础、参数估计、假设检验、回归分析等。通过本课程的教学，使学生掌握统计学的基本原理和方法知识，能够初步根据具体任务和条件从事社会经济问题的调查研究，结合自己的专业，在定性分析的基础上做好定量分析，以适应社会主义市场经济中各类问题的实证研究、科学决策和经济管理的需要。 一、课程教学目标 （一）使学生了解统计在社会经济应用及分析中的重要作用，掌握统计描述和统计推断的基本内容与基本方法； （二）使学生在掌握统计基础知识的基础上，能较容易理解其他课程中的一些数量分析方法，并能独立完成有关资料的搜集、整理、分析。 （三）为进行社会经济问题研究和学习各经济管理类专业课程提供数量分析的方法。 （四）为进一步学习专业统计和数量经济课程打好基础。 要求学生能在教师的指导下，掌握统计学的基本理论和方法，熟悉统计软件的基本操作，并能够结合经济管理理论加以应用。 二、课程重点、难点 课程重点：描述性统计分析方法和推断性统计分析方法的原理、计算方法、特点及应用场合等 课程难点：假设检验、参数估计、线性回归分析等推断性统计分析方法的原理、计算方法、特点及应用场合等 三、整体课时分配 章节序号章节名称 理论 学时实验学时 1 导论 2 2 2 数据的搜集 2 0 3 数据的图表展示 2 2

4 数据的概括性度量 4 4 5 概率与概率分布 4 0 6 统计量及其抽样分布 4 0 7 参数估计 6 0 8 假设检验 6 4 9 一元线性回归 6 6 四、课程内容安排 （一）导论 主要内容： 1、统计及其应用领域 2、统计数据的类型 3、统计中的几个基本概念 教学要求： 1、理解统计学的含义 2、理解描述统计和推断统计 3、了解统计学的应用领域 4、了解数据的类型 5、理解统计中的几个基本概念 重点、难点与解决办法 重点：1、理解统计学的含义，2、了解数据的类型，3、理解统计中的几个基本概念 难点：理解描述统计和推断统计 其它教学环节（如实验、习题课、讨论课、其它实践活动）： （二）数据的搜集 主要内容： 1、数据的来源 2、调查数据 3、实验数据 4、数据的误差 教学要求： 1、数据的来源 2、搜集数据的调查方法 3、问卷设计 4、搜集数据的实验方法 5、数据的误差 6、数据的质量要求 重点、难点与解决办法： 重点：掌握几种调查组织方式的特点和适用条件 难点：掌握抽样调查的特点及其基本的组织方式和方法 其它教学环节：（如实验、习题课、讨论课、其它实践活动）： （三）数据的图表展示 主要内容：

金融数据分析课程大纲

《金融数据分析》课程教学大纲 （Analyses of Financial Data） ----and Application of SPSS 一、课程说明 课程编码：225212101 课程总学时（理论总学时/实践总学时）51（34/17） 周学时（理论学时/实践学时）3（2/1） 学分: 2.5 开课学期: 5 1．课程类别与性质： 专业限修课程 2．适用专业与学时分配： 适用于信息与计算科学(金融服务方向)专业。 教学容与时间安排表

3．课程教学目的与要求： 学生通过本课程的学习，了解对金融数据进行统计分析的原理和过程，了解各种数据分析模型、统计分析方法的使用条件、应用场合、所需参数及模型的性质，能按照模型的要求输入基本数据合参数，进行运算和统计分析，掌握数据输入、数据分析、数据转换、选择和加权等技巧，掌握各种基本的统计分析模型的计算方法，能根据数据来源、数据类型和分析的目的要求选择适当的统计分析模型进行分析，能对输出结果能作出合理的解释和恰当的运用。 （2）教学要求 4．本门课程与其它课程关系： 本课程属于金融服务专业方向的限选课程，它的前期课程包括：概率论、应用统计、及相关的金融类课程与计算机及软件类课程。 5．推荐教材及参考书： 教材： 《数据统计分析----SPSS原理及应用》（高等学校教材），黄润龙，管于华编，高等教育，2010， 参考书： 《SPSS 18---数据分析基础与实践》，洪成编著，电子工业，2010， 《深入浅出数据分析》， Michael Milton著，芳译，电子工业，2010， 《金融时间序列分析》， Ruey S. Tsay著，家柱译，机械工业，2008， 6．课程教学方法与手段： 课堂理论教学与实验教学相结合，重视学生的理解与实际应用的操作能力。 7．课程考试方法与要求： 本课程是基本知识与实际数据分析相结合的课程，因此本课程考试分为二部分：第一部分由小组进行案例分析，主要是学生组织，论文答辩类型的小组分析；

《实验设计与数据处理》教学大纲

《实验设计与数据处理》教学大纲 （Experiment Design and Data Analysis） 一、基本信息 课程代码： 学分：2 总课时：32 课程性质：硕士专业必修课 适用专业：环境工程 先修课程：高等数学、概率论、线性代数 二、本课程教学目的和任务 本课程是环境工程硕士生的专业课。数据分析作为一种研究手段，主要是通过从系统设计、参数设计和允许误差设计入手，运用一定的物质手段，在人为控制或模拟自然现象的条件下，使环境过程以纯粹的、典型的形式表现出来，以便进行观察、研究、探索环境本质及其规律，使试验设计建立在统计理论基础之上，试验设计与数据处理相并重。 三、大纲的教学体系 以课堂教学和上机操作为主，采用多媒体教学，辅以课堂讨论、专题讲解等内容。主要开展环境试验的优化设计、环境数据的展示分析、环境数据的比较分析、环境数据的关系分析、环境数据的类别分析、环境数据的序列分析、环境数据的序列分析、正交试验的数据分析、回归分析、数据分析软件学习等内容。 四、教学内容及要求 第一章环境实验设计与数据处理概论 要求掌握（1）环境试验研究的目的与任务；（2）环境试验研究的类型；（3）环境试验研究的程序 重点内容：准确理解环境试验研究类型的区分；理解环境试验研究的设计步骤，以及试验设计的基本要求。 难点内容：理解环境试验因子、水平、处理、重复、响应指标等要素，了解准确度、精密度等概念。 第二章环境试验的优化设计 要求掌握（1）非均分设计；（2）黄金分割设计；（3）纵横对折设计；（4）平行线设计；（5）环境试验的正交设计；（6）环境试验点均匀设计；熟悉单因子、双因子优选设计的基本方法，熟悉正交表的定义和类型；了解均匀设计与正交设计的区别。 重点内容：正交试验的设计步骤，常见的正交设计运用方法，均匀设计的步骤 难点内容：了解分数法设计；旋升设计；逐步提高设计；陡度法设计；单纯形法设计等。 第三章环境数据的展示分析

PowerBI数据分析与数据可视化教学大纲

《Power BI数据分析基础教程（微课版）》教学大纲 学时：32 代码： 适用专业：计算机及应用相关主页 制定： 审核： 批准： 一、课程的地位、性质和任务 数据分析是普通大中专院校计算机科学与技术专业的一门重要的专业基础课。通过本课程的学习，使学生能够在已有的计算机基础知识基础上，对数据分析有一个系统的、全面的了解；在系统理解和掌握Power BI数据分析基本原理的基础上，具有设计和开发数据分析报表的基本能力。 数据分析是一门实践性非常强的学科，它要求学生在理解和掌握Power BI数据分析基本功能的基础上，充分利用实验课程，动手完成实际数据分析和报表设计。 二、课程教学基本要求 1.课程教学以Power BI数据分析方法为主，在教学过程中让学生掌握Power BI数据分析报表设计的本原理和方法。 2.要求在教学过程中合理安排理论课时和实验课时，让学生有充分的使用在计算机上练习理论课程中学到的Power BI数据分析技巧和方法。 三、课程的内容 第1章初识Power BI 掌握Power BI Desktop安装方法，了解Power BI Desktop的界面，学会使用Power BI文档。 第2章获取数据 了解数据连接模式，掌握连接到文件、数据库以及Web数据。 第3章查询编辑器 了解查询编辑器，掌握基础查询操作、数据转换、添加列、追加查询以及合并查询。 第4章数据分析表达式 了解DAX基础，掌握DAX函数。 第5章数据视图和管理关系 掌握数据视图的基本操作，掌握关系的管理操作。 第6章报表 掌握报表基本操作、视觉对象基本操作、钻取、数据分组、使用视觉对象数据以及报表主题。 第7章可视化效果 学会使用简单对象和内置视觉对象 第8章 Power BI服务 学会注册Power BI服务、在Desktop中使用Power BI服务以及在移动设备中使用Power BI，掌握Power BI服务中的报表操作以及仪表板

经营数据分析与挖掘课程大纲

经营数据分析与挖掘课程大纲【课程大纲】 第一部分：认识数据分析 问题：数据分析是神马?数据分析基本过程？ 1、数据分析面临的常见问题 ?不知道分析什么（分析目的不明确） ?不知道怎样分析（缺少分析方法） ?不知道收集什么样的数据（业务理解不足） ?不知道下一步怎么做（不了解分析过程） ?看不懂数据表达的意思（数据解读能力差） ?担心分析不够全面（分析思路不系统） 2、认识数据分析 ?什么是数据分析 ?数据分析的三大作用 ?数据分析的三大类别 案例： 3、数据分析需要什么样的能力 ?懂业务、懂管理、懂分析、懂工具、懂呈现 4、大数据应用的四层结构 ?数据基础层、数据模型层、业务模型层、业务应用层 5、数据分析与挖掘在企业中的应用 第二部分：数据分析基本过程 1、数据分析的六步曲 2、步骤1：明确目的--理清思路 ?先有数据还是先有问题？ ?确定分析目的 ?确定分析思路 3、步骤2：数据收集—理清思路

?明确收集数据范围 ?确定收集来源 ?确定收集方法 演练： 4、步骤3：数据预处理—寻找答案 ?数据清洗、转化、提取、计算 ?数据质量评估 演练： 5、步骤4：数据分析--寻找答案 ?分析方法选择 ?构建合适的分析模型 ?分析工具选择 6、步骤5：数据展示--观点表达 ?选择合适的可视化工具 ?选择恰当的图表 7、步骤6：报表撰写--观点表达 ?选择报告种类 ?完整的报告结构 8、数据分析的三大误区 案例： 第三部分：数据分析方法篇 问题：数据分析有什么方法可依?不同的方法适用解决什么样的问题？ 1、数据分析方法的层次 ?基本分析法（对比/分组/结构/趋势/…） ?综合分析法（交叉/综合评价/杜邦/漏斗/…） ?高级分析法（相关/方差/验证/回归/时序/…） ?数据挖掘法（聚类/分类/关联/RFM模型/…） 2、基本分析方法及其适用场景 ?对比分析（查看数据差距）