基于Python的大数据分析与应用课程教学模式探索

濮阳职业技术学院 李江涛

大数据是一种具有潜在价值的原始数据资产，而这些潜在价值的信息只能靠深度学习和分析来进行挖掘。将来，人们的决策将越来越多地取决于对大数据的分析。以大数据为基础分析的教学方式及其模型日益成为教育科研的主题。

当前，一些国内专家学者正在探索和讨论如何有效地研究和推动人们在研究和教育中利用大数据技术。梁文鑫指出，大数据时代下的教师可以通过分析单一个体给学生的数据，根据他们自己的能力真正教给每一位学生。换言之，它可以用来实现一个学习流程的数字化。喻长志解释说，大数据时代的教师侧重于挖掘和分析学生的信息，研究相关的学习成果，并针对不同年龄段的学生提出了制订最佳学习策略的建议。周若松表示，大数据的新时代极大地提高了对教师的要求，这将促使他们充分认识和了解到自己的学生并与其他人一起进行个性化的探索和学习。喻小继提出一种基于互联网大数据的应用个性化教育信息服务平台。传统的大数据资料收集分析方法一般是基于群体分析，而能力评估测试分析通常是反映人群水平。大数据的一些特点与优势就是它注重学生的人物个性表达，并且这些数据都具备很强的客观性和可靠度。现有的大量数据和资料进行数字化分析技术可以为所有的学生创造一种个性化的学习环境和一种个性化课堂，但是要为那些具有多样化的学习风格与动机变化多元的学习者提供一套自适应的学习体系相对来说比较困难。

一、Python语言的优势

Python软件是一种完全免费的自由开源、跨平台高级动态编程语言，支持多种编程方式，有许多强大的内置编程方式、标准库和可扩展的存储库，可以使用软件直接调取内置函数或者标准库，实现强大的程序控制功能。从它的特性角度来看，Python既是“面向对象”的语言，也是“解释”的语言。Python简单而易于使用和运行，语法与英文相似，可以直接在解释器中运行，但会耗尽大量的软硬件资源。

Python特别适合于应用程序的数据分析与处理。提供的Matplotlib是目前主要用于绘制大量数据图表的常见2d绘制工具，只需要简单几行代码就能够达到这个目的。Pandas还是我们在进行数据分析时使用的Python中经常使用的一个数据分析软件包，它采用了一个开源的工具，能够对更复杂的二维或三维数组执行更精确的计算和处理从事关系型数据库的大量资料。Python强大且丰富的库和大量数据分析功能使其更加适合于人工智能应用领域。从神经网络和深度学习两个角度出发，Python可以寻找更多成熟程序包进行调用。Python在当今人工智能的研究中也十分流行，因为它实际上是一种适合于科学计算机应用程序计算的面向对象的一种动态语言。易于使用和强大的科学计算特性，这就是Python在人工智能空间中最为强大的竞争优势。

可以借助教授大数据分析和应用程序课程，帮助学生使用Python语言的强大功能以及快速入门的方法，更好地理解相关的理论知识。可以引起学生对于学习的强烈兴趣，提高实践技能，并提高教育效率。

二、建立用于大数据分析和应用的开放式和多元混合教育模型

根据大数据分析和应用专业课程的发展现状和教育目标，通过学习大数据分析的基础理论和算法，了解大数据分析的一些典型应用场景，并进一步学习如何综合利用大数据。确立对教育的目标定位，三个阶段的“解决实际问题的分析算法”，在此基础上，三个阶段的“理论知识、编程实践和综合应用”将所有教学内容合理地构造成一个系统的结构，每个层次都采用其他教育方式（包括教学和自主研究方法）。

可以通过课前预习、课上学习、课后复习三个步骤实现。通过慕课等在线教育平台，通过预学习测验来准备课程，引导学生提出有关预学习的问题，以提高预习的效率。上课前首先了解学生的预习目标是否提前实现；其次，在检查并复习上一堂课的教学内容后，教学新的知识点；最后，由学生编写小程序以实现或验证算法的有效性。通过合理组织上述课堂教学，有效地实现教师理论指导与学生编程实践相结合的目标。课堂上的教学内容是围绕Python数据分析、预处理、数据分析算法和其他内容而开发的。在课程的最后，教师可以建立几种以应用程序为中心的综合实践，并要求学生以小组的形式完成从构建问题分析模型、实施编程到演示和维护项目开发过程的整个过程。

（一）课前开放式预习

近年来，慕课教育已成为国际趋势。在中国的高等教育中，慕课的发展与世界其他国家同步。从2013年开始，中国开始建立慕课。慕课或大型开放式在线课程是“互联网+教育”的产物，是在线课程开发的一种新模式。它由许多人共同参与开发，具有大规模的特征，是许多人智慧的结晶。其是免费和开放的在线课程的教育系统，可以用最少的钱享受一流的课程，而所需要的只是一台计算机和互联网连接。

本文提出的基于Python的开放式和多重混合训练模型主要分为三个层次，第一层次是课前的开放式预习。详情说明如下：在上课之前，教师上传课文的教学大纲、PPT课件、预习的目标和需求，并且指导每位学生利用慕课和网络培训平台根据自己的个人特点进行预习。

（二）课堂混合授课

混合式授课将传统的教师知识基础理论讲授和学生对于编程实践的运用紧密结合起来，以期提高教师对于课堂活动所需要参与的认识，并且可以充分发挥教师在学生的课程活动学习过程中的重要意义。因此，应合理地调整整个课程的教学内容，以确保其理论教学的深入性和广度，解决学生对于编程语言的困惑。美国著名的管理学家埃德温·洛克先生曾经明确地指出，当一个目标具备前瞻性和具有挑战力时，它才可以发挥最佳的作用。课堂上的教学亦然。准备好的让学生做的作业，必须做到具有挑战性。为此，可以考虑设置一些基于网络技术的课堂训练内容，重点研究Python数据分析、大数据预处理、大数据分析算法和大数据后期处理等技术。从理论上讲，这些内容包含高度结构化和分层的大数据技术的最新知识。从实用的角度来看，可以使用Python工具轻松实现它。

尤其是在课堂上，教师首先讲解新知识。通过使用传统的课堂教学方法并专注于教授结构化的理论知识，学生可以快速形成知识结构和系统。上课后，教师指导学生讨论和解决问题，以便他们可以有目的地、有效地学习。具体方法是让学生编写理论算法，使学生可以模仿教师的Python案例，并迅速进入状态，以快速完成小型作业并加深他们对理论知识的理解。

（三）结课综合开发

基于项目的培训方法是基于任务的培训模式。在此过程中，学生将基于独立学习积极进行小组讨论和建议，得出合理且可实现的解决方案，并且重点在于学生的协作、协调和实践工程能力。课程结束的全面发展是笔者提出的开放式多混合培训模型的第三步，也是测试培训效果的重要一步。在一些项目开发活动中，主要希望学生分析数据挖掘技术在航空、电子商务、公用事业、能源和其他行业中的应用。根据背景挖掘、数据挖掘和预处理、模型构建等过程。

在定义目标时，首先完成对工业应用领域的特定分析，了解背景知识，并明确用户需求以确定特定任务的目标。基于此，可以开始收集数据。可以从数据库或互联网获得数据。建立数据库并导入从互联网下载的数据文件使用Web搜寻器（例如Octopus）获取网页的数据信息。对于下载的数据，可能会出现诸如数据不完整、错误、属性过多、属性不足之类的问题。根据较早学习的预处理方法，将另外安排收集的数据，以满足挖掘和分析的基本要求。根据特定应用程序的背景，每组的学生可以完成每个项目所需的数据转换和压缩操作。

配置模型时，将根据目标的定义提供特定模型的选择。对于航空公司和商业推荐计划等应用程序的背景，聚类算法适合于客户分类，并且建议电子商务网站服务使用基于项目的协作过滤算法。考虑到每个项目的开发目标，项目团队还讨论了优化每个模型和扩展应用程序的问题。在整个开发过程中，学生不仅接触了大数据和人工智能领域的最新前沿算法，而且还有效地导航了这些算法的应用领域，为进行进一步的研究提供了思路和方向。

综上所述，在大数据时代，大数据的应用是多种多样的，教育行业也不例外，使用现有的教育支持理论，将大数据用于教育和学习。大数据技术的使用是重要的支持。它变成了针对当前的教与学过程理论，将教育大数据分析评估作为数据创造价值和改革教育实践的重要基础。它对中国学生的教育和指导以及社会的和谐发展具有重要的意义。教育大数据开发对于长期发展很重要。笔者通过在大数据分析和应用课程中引入预览方法，有效地促进了课堂教学的发展。在教授系统理论时，结合一些Python小案例供学生理解和掌握相关理论知识。在课程的最后阶段，采用项目案例开发方法，主要要求学生进行数据挖掘和分析，以用于航空、电子商务、公共服务、电力和其他行业。在项目的开发过程中，学生学会了使用书面语言和其他工具进行数据收集。完成数据清理、属性减少、数据转换和其他数据排序操作，编程实现了数据可视化过程。与传统的单一理论教学模式相比，混合教学模式充分利用了学生对课堂角色和课堂参与的感知，能够在课堂上形成绝佳的互动关系，这也能充分地激发学生学习的兴趣，提高实践技能，并增强培训效果以达到预期的教育目标。