大学数据可视化课程设计
一、教学目标
本课程的教学目标是使学生掌握数据可视化的基本概念、方法和技能，能够运用可视化工具对数据进行有效展示和分析。具体来说，知识目标包括了解数据可视化的历史、发展现状和未来趋势，理解可视化中的基本概念和理论，掌握常用的可视化方法和工具。技能目标则包括能够运用可视化工具进行数据处理、图表绘制和界面设计，具备一定的数据分析和解读能力。情感态度价值观目标则是培养学生的创新意识、团队合作精神和对数据可视化的兴趣。
二、教学内容
本课程的教学内容主要包括数据可视化的基本概念、方法和工具。具体来说，将讲解数据可视化的历史、发展现状和未来趋势，介绍可视化中的基本概念和理论，如数据模型、数据映射、色彩理论等，以及常用的可视化方法和工具，如条形图、折线图、饼图、地图等。同时，将结合实际案例，让学生通过操作和实践，掌握可视化工具的使用和数据处理的方法。
三、教学方法
为了达到上述教学目标，将采用多种教学方法，如讲授法、讨论法、案例分析法、实验法等。讲授法用于讲解基本概念、理论和方法，让学生掌握理论知识；讨论法用于引导学生思考和探讨问题，培养学生的创新意识和批判性思维；案例分析法用于分析实际案例，让学生通过实践掌握可视化工具的使用和数据处理的方法；实验法则用于让学生动手实践，培养学生的实际操作能力。
四、教学资源
为了支持教学内容和教学方法的实施，将选择和准备适当的教学资源。教材方面，将选用国内外权威的 data visualization 教材，如《Data Visualization》等。参考书方面，将推荐学生阅读一些经典的数据可视化书籍，如《The Visual Display of
Quantitative Information》等。多媒体资料方面，将收集和制作一些与课程内容相关的视频、图片和图表，以丰富学生的学习体验。实验设备方面，将确保学生能够
access to a computer with data visualization software, such as Tableau or Python
《数据可视化技术》课程教学大纲
一、课程基本情况
课程代码： 11390
课程名称：数据可视化技术 Data Visualization technology
课程类别：学科专业必修课程
学分：3.5
总学时：56
理论学时：32
实验/实践学时：24
适用专业：数据科学与大数据技术
适用对象：本科
先修课程：Python编程
教学环境：课堂、多媒体
开课学院：计算机与信息工程学院
二、课程简介
《数据可视化技术》是数据科学与大数据技术专业的专业必修课程。数据可视化是实现数据价值的重要工具，数据可视化可以将抽象的数字积累转变成为图形、表单等，可以快速理解数据所代表的情况或趋势。通过该课程学习，从一些基础的可视化方法开始，逐渐延伸到可视化技术，其目标是培养学生掌握数据可视化的技术，能够独立完成数据可视化处理工作。
三、课程教学目标
1.课程对毕业要求的支撑
毕业要求 指标点
2. 问题分析 2.3 能基于大数据专业知识，对大数据应用复杂工程问题的解决方法进行有效表达。
3.设计/开发解决方案 3.2能够根据工程项目任务要求，选择技术路线，设计满足需求的大数据应用解决方案。
3.4能够综合运用大数据预处理、挖掘分析、可视化等技术手段，开发实现大数据应用系统。
5.使用现代工具 5.2能够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，对大数据应用领域复杂工程问题进行预测与模拟，并理解其局限性。
2.课程教学目标及其与毕业要求指标点、主要教学内容的对应关系
毕业要求指标点 课程目标 教学内容 教学环节
2.3 1、了解数据可视化的作用、分类、发展历史、未来的挑战和发展方向；能基于大数据专业知识，对大数据应用复杂数据可视化问题的解决方法进行有效表达。 数据可视化的作用、分类、发展历史、未来的挑战和发展方向 (1)理论教学
(2)讨论课
(3)作业 3.2 2、掌握时间数据可视化、比例数据可视化、关系数据可视化、文本数据可视化、复杂数据可视化的特点和基本设计原则以及应用场景，能够根据工程项目任务要求，选择技术路线，设计满足需求的大数据应用解决方案。 数据的视觉感知、数据可视化的基本流程与设计标准、可视化的基本原则、可视化的基本图标和工具 (1)理论教学
课程教学
大纲编号：
南京理工大学泰州科技学院
课程教学大纲
课程名称： 数据可视化技术
课程学分： 4.0
执笔人： 万鹏
审订人： 许桂秋
修（制）订日期：2017年11月8日
一、课程的性质、地位与任务
数据可视化是实现数据价值的重要工具，数据可视化可以将抽象的数字积累转变成为图形、表单等，让普通人可以快速理解数据所代表的情况或趋势。该课程是理论与实践紧密结合的一门核心专业课程，是大数据项目处理流程中最后的一个环节。通过该课程学习，从一些基础的可视化方法开始，逐渐延伸到可视化技术，其目标是培养学生掌握数据可视化的技术，能够独立完成数据可视化处理工作。
二、课程的教学目标与基本要求
课程设置知识要求：、时变数据可视化方法、关系数据可视化方法、高维数据可视化方法、文本数据可视化方法、复杂数据可视化方法、数据可视化评测。
课程设置能力要求：具备office软件基本操作能力、python编程能力。
课程达成目标：通过该课程学习，使学生更深刻的理解大数据项目的处理流程，掌握数据可视化的方法
三、课程内容(各章节主要知识点见课程实施计划，重点Δ，难点★)
1 数据数据可视化概述
1.1 什么是数据可视化
1.2 数据可视化发展历史
1.3 数据可视化发面面临的问题
1.4 本章小结
2 数据可视化基础
2.1 视觉感知
2.1.1 视觉感知定义
2.1.2 视觉感知处理过程
2.1.3 颜色理论
2.1.4 视觉编码
2.2 数据准备
2.2.1 数据预处理
2.2.2 数据组织与管理
2.2.3 数据分析挖掘
2.3 数据可视化基本框架
2.4 数据可视化基本原则
2.5 数据可视化基本图表
2.6 数据可视化工具
2.7 本章小结
3 时间数据可视化
3.1 什么是时间数据
《大数据可视化技术》教案
《大数据可视化技术》教案
课程类型：本科课程
一、课程目标
本课程的目标是让学生掌握大数据可视化技术的基本原理和实践，能够使用相应的工具和技术进行数据分析和可视化，并理解其在不同领域的应用。
二、课程内容
1、大数据可视化基本概念
2、数据可视化的历史和发展趋势
3、可视化技术的种类和特点
4、使用Python进行数据可视化
5、使用Tableau进行数据可视化
6、使用Power BI进行数据可视化
7、可视化技术在不同领域的应用
三、教学方法 本课程将采用理论和实践相结合的教学方法，包括课堂讲解、案例分析、实践操作和小组讨论等。
四、教学大纲
第一周：大数据可视化基本概念 1.1 大数据的定义和特点 1.2 数据可视化的定义和作用 1.3 数据可视化的基本元素和原则
第二周：数据可视化的历史和发展趋势 2.1 数据可视化的历史和发展 2.2 数据可视化的未来发展趋势
第三周：可视化技术的种类和特点 3.1 静态可视化技术的种类和特点 3.2 动态可视化技术的种类和特点 3.3 可视化交互技术的种类和特点
第四周：使用Python进行数据可视化 4.1 Python可视化基础 4.2 使用Matplotlib库进行数据可视化 4.3 使用Seaborn库进行数据可视化
第五周：使用Tableau进行数据可视化 5.1 Tableau基础操作 5.2
Tableau的高级操作 5.3 Tableau的数据连接和可视化技巧
第六周：使用Power BI进行数据可视化 6.1 Power BI基础操作 6.2
Power BI的数据连接和可视化技巧 6.3 Power BI的高级功能和应用
第七周：可视化技术在不同领域的应用 7.1 可视化技术在商业领域的应用 7.2 可视化技术在科学领域的应用 7.3 可视化技术在社交领域的应用 7.4 可视化技术在医疗领域的应用
第八周：综合实践和小组讨论 8.1 综合实践：学生自行选择一个领域，使用三种可视化工具进行数据可视化实践操作，并撰写实践报告。
