数据分析与可视化技术(在AWS上进行开发)课程教学大纲

《数据分析与可视化技术 (在 AWS 上进行开辟)》课程
教学大纲
课程类别：专业核心课
合用对象：软件技术相关专业
总学时： 56 讲授学时： 28 课内实践学时： 28
课程的性质、任务与课程的教学目标
一、
(一) 课程的性质、任务
1.课程的性质：
《数据分析与可视化技术(在 AWS 上进行开辟)》是软件
技术专业的专业核心课。

随着互联网和物联网技术的发展，
各行各业可以获取的数据越来越丰富。

对于这些数据的分析
和认知，成为人们在生活、学习和工作中的重要课题，成为
指导行业发展的重要依据。

因此，熟练掌握数据分析的原理，
并能够使用合理的工具进行数据分析及可视化表达，成为大
数据时代的一项必备技能。

同时随着云计算和编程技术的不
断发展,使用面向某特定行业的专用编程语言已经远远不能
满足人们的需要,而使用基于 Python 语言的工具包进行数
据分析和可视化，几乎越来越成为未来进行数据分析和可视
化的主流技术。

本课程主要介绍了使用 Python 进行数据分析和可视化的
技术，以及在 aws 云平台上进行开辟的方法。

2.课程的任务
①本课程主要介绍 Python 数据分析与可视化技术(在 AWS
上进行开辟)的技术。

通过本课程的学习，学生能掌握基于数据分析的基本原理，并熟练掌握使用Numpy 和 Pandas 进行数据分析的方法、熟练使用 echarts 和 pyecharts 等工具进行可视化的技术，并
能够在 aws 云上进行相关开辟。

②本课程教学内容及教学环节等方面与相关课程的联
系与分工：
在本课程之前的《Python 程序设计基础》、《软件工程》
对于计算机系统的基础知识进行介绍，使得学生初步掌握计
算机编程技术。

③本课程相关的先修课及后续课：本课程以《Python 程
序设计基础》课程为先导，后继课程为《Python 高级程序
设计》、《Python 运维技术》，主要是让学生能够掌握数据分
析的基本原理，并能够使用Numpy 和 Pandas 进行程序开辟。

(二)课程的教学目标 1.基本理论要求：学生
能掌握数据分析的基本原理。

2.基本技能要求：熟练掌握在亚马逊 AWS 云平台上配置数据分析和可视化环境的方法、能够使用 Numpy 和 Pandas 进行数据分析、能够使用 ECharts 和 pyecharts 进行数据可视化、能够使用 Flask 框架开辟 Web
应用程序。

3.职业素质要求:能够根据实际需要，依据所学的理论知识和
技能进行数据分析，并进行可视化输出。

二、主要教学内容及教学要求
项目一搭建 AWS 数据分析开辟环境
1．参考学时
8 学时
2．学习目标
■了解云计算的概念
■了解亚马逊 AWS 平台提供的主要服务
■了解虚机的概念
■能够配置虚机中的数据分析及可视化开辟环境
3．工作任务
■能够在 AWS 中创建虚机
■能够使用支持 SSH 协议的客户端登录虚机
■能够配置并使用 Anaconda 及 Jupyter Notebook
■能够使用 conda 管理开辟环境
■能够在使用 Linux 操作系统的虚机中创建用户
任务一在 AWS 管理平台上创建虚机并实现远程登陆
参考学时工作任务4 学时
在 AWS 管理平台上创建虚机并实现远程登陆
学习目标
实践技能
知识要点 了解云计算的概念及亚马逊 AWS 平台 能够创建虚机并远程登陆
创建 AWS 虚机 使用支持 SSH 协议的客户端远程登陆虚机
云计算
任务二 安装并配置 AWS 数据分析及可视化开辟环境
项目二 在数据分析中使用 S3 存储桶
1．参考学时
8 学时
参考学时
4 学时 工作任务
安装并配置 AWS 数据分析及可视化开辟环境 学习目标
能够配置基于 jupyter notebook 的数据分析及可视化
开辟环境
实践技能
在虚机中下载 Anaconda 安装包
安装 Anaconda 开辟环境
配置 jupyter notebook 远程访问
安装 python 包
在 Linux 中创建新用户并远程登陆虚机
知识要点
安全组、公钥、私钥
2．学习目标
■了解 AWS S3 服务
■能够使用 AWS 管理平台操作存储桶
■能够开辟 python 程序操作存储桶及对象
■能够使用 matplotlib 包设计子图进行数据可视化
3．工作任务
■创建存储桶、添加对象等存储桶常用操作
■使用 boto 包操作存储桶
■设计 python 程序可视化读取存储桶中的文件并进行数据可视化显示
任务一参考学时工作任务学习目标
实践技能通过 AWS 管理控制台使用 Amazon S3 存储桶
4 学时
通过 AWS 管理控制台使用 Amazon S3 存储桶
能够使用 AWS 管理控制台完成创建存储桶、添加对象等存储桶常用操作
使用 AWS 管理控制台完成下列任务：
创建存储桶
向存储桶添加对象
从存储桶中下载对象
在存储桶中复制对象
删除对象和清空存储桶
任务二 使用 python 语言操作 S3 存储桶
项目三 使用 Flask 设计网站并进行数据分析
1．参考学时
12 学时
2．学习目标
参考学时
4 学时 工作任务
设计 python 程序操作存储桶及其中的对象 学习目标
能够设计 python 程序完成基本的 S3 服务及存储桶常用
操作
能够读取 S3 存储桶中的对象并设计可视化程序
了解存储桶策略并设计存储桶策略
实践技能
通过策略生成器设计 S3 存储桶的安全策略
设计 python 程序，使用 boto 包操作 s3 存储桶
设计 python 程序，使用 numpy 的函数读取存储在存储 桶中的数据文件
设计 python 程序，使用 matplotlib 包可视化文件中的
数据
知识要点
数据可视化
删除存储桶
AWS S3 服务、存储桶及其特点 知识要点
■了解 Flask 框架的特点
■了解 Flask 路由
■能够在虚环境中开辟 python 程序
■能够使用 Flask 框架设计先后端分离的Web 应用程序■能够使用 Jingja 设计模板和页面
■能够使用 numpy 完成简单的数据分析任务
3．工作任务
■设计简单 Flask 程序
■设计 Flask 应用程序
■设计程序分析程序
任务一 Flask 基础
参考学时 2 学时
工作任务学习 Flask 框架
学习目标能够设计 Flask 程序
实践技能设计具有多种路由的 Flask 程序
配置 Flask 服务的运行模式
修改安全组，可以远程访问 Flask 服务
知识要点路由、微框架
任务二参考学时工作任务学习目标设计 Flask 应用程序
8 学时
使用 Flask设计Web 应用程序“班级成绩录入分析系统”
能够使用 Flask 设计先后端分离的Web 应用程序
任务三 参考学时
工作任务
学习目标
实践技能
知识要点
使用录入的数据设计数据分析功能
2 学时
使用 numpy 数据分析
能够使用 numpy 的函数进行数据分析 设计 python 程序进行数据分析 将分析结果显示在网页上
数据变换
项目四 在 Jupyter Notebook 中进行数据分析及可视化
1．参考学时
8 学时
2．学习目标
■能够根据不同图表样式设计数据源
创建虚环境 设计工厂函数 设计蓝图 设计路由 操作 SQLite 数据库 保存状态信息 设计并在 Flask 中使用 css 样式文件
工厂函数、蓝图
实践技能
知识要点
■能够使用 pyecharts 设计折线图
■能够使用 pyecharts 设计饼状图
■能够使用 pyecharts 设计词云图3．工作任务
■使用 pyecharts 设计折线图
■使用 pyecharts 设计饼状图
■使用 pyecharts 设计词云图
任务一参考学时工作任务学习目标
实践技能
知识要点任务二参考学时工作任务学习目标使用 pyecharts 设计折线图、饼状图
4 学时
使用 pyecharts 设计折线图、饼状图
能够根据不同图表样式设计正确的数据格式
能够根据不同的应用场景选择不同的图表样式能够优化图表的样式
能够使用 pyecharts 设计折线图
能够使用 pyecharts 设计饼状图
使用 pyecharts 设计饼状图
使用 pyecharts 设计词云图
可视化、全局配置
使用 pyecharts 设计词云图
4 学时
使用 pyecharts 设计词云图
能够设计词频统计算法
能够从 S3 存储桶中读取数据文件
能够使用词云图可视化词频统计结果
实践技能知识要点使用 pyecharts 设计词云图词频统计
项目五 Web 应用程序的数据可视化1．参考学时
8 学时
2．学习目标
■能够根据不同图表样式设计数据源■能够使用 echarts 设计柱状图
■能够使用 echarts 设计饼状图
■能够使用 echarts 设计散点图3．工作任务
■使用 echarts 设计柱状图
■使用 echarts 设计饼状图
■使用 echarts 设计散点图
任务一参考学时工作任务学习目标使用 echarts 设计柱状图
4 学时
使用 echarts 设计柱状图
能够使用 echarts.js 设计用于数据可视化的网站
实践技能知识要点任务二参考学时工作任务学习目标实践技能知识要点
能够使用 echarts 设计柱状图
使用 echarts 设计柱状图
echarts
使用 echarts 设计饼状图、散点图
4 学时
使用 echarts 设计饼状图、散点图
能够熟练使用 echarts 中的配置项设计图表使用 pyecharts 设计饼状图、散点图
配置项
项目六航空数据分析及可视化1．参考学时
12 学时
2．学习目标
■数据获取
■数据预处理
■模型构建
3．工作任务
■背景与分析目标
■分析方法实现
任务一参考学时工作任务学习目标
实践技能
知识要点任务二参考学时工作任务学习目标实践技能
知识要点任务三参考学时工作任务学习目标
实践技能从 S3 存储桶中获取航班数据
2 学时
从 S3 存储桶中读取文件并获取数据
zip 文件的处理方法
大量小文件读取技术
读取 S3 存储桶中的文件
设计 python 程序读取文件
DataFrame 对象
分析可视化一段时间内进出港最繁忙的机场
4 学时
分析可视化一段时间内进出港最繁忙的机场
能够设计 python 程序分析数据并进行可视化呈现使用 datetime 包处理日期
使用 pandas 处理 DataFrame 对象的数据
设计柱状图可视化分析结果
词频统计算法的使用
分析可视化一段时间内国家的航班
4 学时
分析可视化一段时间内国家的航班
熟练使用 DataFrame 对象
能够设计时间轮播图
使用 pyecharts 设计时间轮播图
任务四参考学时工作任务学习目标
实践技能知识要点分析可视化中国城市航班排名
2 学时
从 S3 存储桶中读取文件并获取数据熟练使用 DataFrame 对象
能够设计地图热力图
使用 pyecharts 设计热力图
DataFrame 对象的常用操作
三、课程学时分配
本课程每周学时 4 课时，教学周共 14 周，总课时为 56 课时，清明节假期影响 2 课时，故实际总课时数为 54 课时。

学时分配表(以课题或者知识单元编排)
序号1 2 3
4
教学内容
项目一搭建 AWS 数据分析开辟环境
项目二在数据分析中使用 S3 存储桶
项目三使用 Flask 设计网站并进行数据分
析
项目四在 Jupyter Notebook 中进行数据分
学
时
8
8
12
8
讲授
4
2
8
4
其中
实践其他
1
2
8
4
知识要点链式操作
四、 实践教学
(一)课内实践项目
《数据分析与可视化技术(在 AWS 上进行开辟)》是一门实践性 很强的课程， 将数据分析过程中的数据导入、 数据变换、 数据统计描 述、假设检验、可视化等任务分解为相互衔接、内容又相对独立的 8 个模块，进行全面的 Python 数据分析能力训练。

本课程的实践性环节穿插于课堂讲授过程中， 采用讲练结合的方 式进行，以巩固学生对教学内容的理解与掌握。

五、 必要说明
(一)课程开设的基本条件
本课程的开设需要：多媒体教学环境、网络机房、虚拟机环境； 要求学生在本门课程之前已经学过 Python 程序设计和程序设计基 础，掌握一定的计算机应用基础知识。

( 二 ) 建议使用的教材及教学参考书
教材：《数据分析与可视化技术 (在 AWS 上进行开辟)》，薛国伟编著。

参考书： 《数据分析技术--Python 数据分析项目化教程》，薛国伟
析及可视化
5 项目五 Web 应用程序的数据可视化
8
4
4
6
项目六 航空数据分析及可视化
12
6
6
学 时 总 计
56
28
28
编著，高等教育出版社， 2022 年，第 3 版
(三)考核方式及成绩评定
1、考核方式及形式
考试；笔试。

2、总评成绩的组成及评定标准
平时成绩(主要包括考勤、课内实践情况、作业完成情况)占 50%，期末成绩占 50%。

(四)修订说明
实际授课学时数根据当期校历修订。

(五)其他说明
大纲修订部门：大纲审订部门：编订日期：执笔人：
审订部门负责人：修订日期：。