基于普开平台的“数据分析（Python）”课程实验教学方法研究

陈园 周科 曹文丽

摘  要：为适应应用型人才培养需要，针对“数据分析（Python）”课程的实验教学中实验项目停留在算法验证、教学方法与实战应用脱节、学生解决现实问题能力差的现象，通过分析目前主流的大数据平台的特点，以武昌工学院已建普开大数据平台为基础，重建了“数据分析（Python）”课程的实验教学体系，提出了线上线下教学模式，并将理论算法与实际应用案例相结合，实践结果表明，该方法有效地激发了学生的学习热情，提高了学生理论与实践结合的能力，提高了教学质量。

关键词：数据分析；普开大数据平台；实验教学改革

中图分类号：TP39；G434    文献标识码：A 文章编号：2096-4706（2023）24-0189-05

Research on the Experimental Teaching Method of Data Analysis （Python） Course Based on Pukai Big Data Platform

CHEN Yuan， ZHOU Ke， CAO Wenli

（Wuchang Institute of Technology， Wuhan  430065， China）

Abstract： In order to meet the needs of cultivating application-oriented talents， in the experimental teaching of the “Data Analysis （Python） ” course， the experimental projects remain focused on algorithm validation， the disconnection between teaching methods and practical applications， and the poor ability of students to solve practical problems. By analyzing the characteristics of the current mainstream big data platform and based on the already established Pukai big data platform at Wuchang Institute of Technology， the experimental teaching system of the Data Analysis （Python） course has been reconstructed， the online and offline teaching mode is proposed， and theoretical algorithms are combined with practical application cases. The practical results show that this method effectively stimulate students' learning enthusiasm， improves their ability to combine theory with practice， and improves teaching quality.

Keywords： data analysis; Pukai big data platform; experimental teaching reform

0  引  言

近年来，随着计算机技术的发展以及科技的进步，人们已进入到大数据的时代，人们的生活中处处都是大数据，大数据越来越广泛地应用于生产生活的各个领域，应用型数据分析的需求和对大数据人才的培养需求也越来越迫切。“数据分析（Python）”课程根据目前数据分析发展状况，将数据分析具象化，使用Python进行科学计算、可视化绘图、数据处理，分析与建模，并详细拆解学习聚类、回归、分类三个企业案例，将理论与实践相结合，为将来从事数据分析挖掘研究、工作奠定基础。

本文结合“数据分析（Python）”课程在实验教学中存在的问题和现状，通过对比目前主流的大数据平台优缺点，结合我校实际情况以及人才培养目标和要求，对该课程实验教学方法和实施过程进行了研究，构建了基于普开大数据平台的符合时代要求和课程特点实验教学体系，在提高学生理论与实践结合的能力的基础上，以期为计算机类其他专业课程的建设提供参考与借鉴。

1  “数据分析（Python）”的课程特点以及实验教学现状

“数据分析（Python）”的課程特点以及实验教学现状：

1）课程知识点难，学生基础情况各有不同。“数据分析（Python）”这门课中的理论知识原理，包含了多门学科知识，需要Python编程基础的同时，还需要了解数据库、机器学习、统计学等多门学科的知识。因此，学好这门课就需要学生具有一定的编程能力和扎实的数学基础以及逻辑思维能力。这对学生的基础提出了较高要求，“数据分析（Python）”是新时代新课程，具有内容多且广、交叉性强等特点，覆盖的知识点综合性穿插较强，对于编程能力较弱、数学分析基础差的学生来说，课程的难度很大，导致这部分学生有可能在这门课的学习上失去信心，从而失去了学习的动力。

2）时代日新月异，教学工具滞后脱节。“数据分析（Python）”与时代的脱节主要表现在教材与时代脱节以及教学工具的陈旧。目前，据了解，较多高校所使用的教材内容是3-5年前的旧版本，教材内容没有与时代、技术的变化同步上，更无法及时应用到教学中去。另外，在教学工具上，教师们所使用的工具也比较陈旧，多数的软件、集成开发环境的版本较早，没有使用较新或者最新的版本，教材和教学工具的落后跟不上日新月异的技术变化，久而久之，是非常不利于学生们在学习中做到理论与实践相结合。

3）重理论轻实践，缺乏行业应用。目前的“数据分析（Python）”课程的教学多以理论为主，课堂上主要是填鸭式的方法教授课程原理，布置作业习题，学生课后完成相应的习题，总体来说，在课时的分配以及教师的教学中，重点还是以理论为主。而在实验实践上，多数教师是按照教学大纲，在实验机房内教授学生对数值计算、可视化、数据处理、分类、聚类以及回归等相关算法使用Python进行编程实现与分析验证，课时设置不多，实验内容简单，且实验教学的效果只让学生停留在对算法原理的理解层面，缺乏对课程感性认识和实践应用能力，这样一方面致使学生学习兴趣不高，另一方面，这样的实验实践教学已经不能适应现代教学的要求。

4）实验设备陈旧，实验资源有限。在开设了大数据专业的众多高校中，教学中最需要解决的问题就是配套的基础实验环境。目前大多数高校的实验设备陈旧，许多设备使用年限长，且实验环境只能满足传统计算机类实验需求，而对于“数据分析（Python）”课程以及大数据专业其他专业课程，例如Hadoop等，没有专业实验教学平台。同时，课程实验难度大，目前的教学也缺乏配套课程实验资源、教程、指导书、数据，导致实验实践教学难度越来越大。即使有些高校的更新了计算机设备，但是没有搭建专门的实验平台，出现了无法对大数据环境进行快速部署，配置难度较高的难题。因此，为提升实验教学效果，建设一个配置简单的、符合“数据分析（Python）”课程实验教学要求的实验教学平台十分必要。

2  普开大数据平台介绍

目前，主流数据分析与挖掘平台可大致分为两类：

1）非商业化、免费开源的数据分析与挖掘软件：以Sklearn、Weka为代表，集成了“数据分析（Python）”中常见的机器学习的算法，用户可以在平台中集成自己的算法，源码开放，用户可以进行二次开发，满足用户一些个性化的需求。但此类软件对数据类型和数据分析挖掘的任务支持并不完整，且缺乏具体的行业领域的应用，不能支持长时间的学习，更不能支持商业级的应用。

2）企业级大数据分析与可视化分析平台。市面上中通用数据仓库和数据挖掘软件昂贵且难以使用，大量的专业术语、专业业务理论、数学知识和挖掘模型让人无从下手。

与之对应，普开大数据平台是商业化的数据分析和挖掘实验平台，实验平台的框架如图1所示。

具有如下明显优势：

1）数据分析功能丰富。平台集成了百余种算法组件，覆盖数据预处理、回归、分类、聚类等基础数据分析内容，而且涵盖情感分析、个性化推荐社交网络分析等多种综合应用场景。

2）真机实验训练。平台各模块相对独立，交互式的实验任务、实验指导、项目上机操作，教学视频、考试评分、数据监控等，保障学生灵活、快速地掌握“数据分析（Python）”核心技术及项目开发能力。

3）行业案例丰富。提供10大行业典型应用案例的数据包和视频包，以及配套实验手册，边学边练，通过实际项目上机演练，多方位学习及训练，很大程度上提高了学生对行业的认知，能够做到理论与实践相结合，与时代相接轨，提高了学生的学习兴趣和动手能力。

4）良好的交互性。提供完善实验教学项目体系、在线学习系统，平台提供以“数据分析（Python）”课程学习、在线视频、习题、线上测试、线上实验为主线，典型案例贯穿知识点的学习模式，确保学生“数据分析（Python）”知识和应用技能。

5）操作简单。实验平台采用B/S架构，学生无须安装客户端软件，只需打开浏览器便能轻松访问。简洁易懂的交互界面，让教学更轻松、更便捷。

3  基于普开大数据平台的实验教学设计

“数据分析（Python）”依托于普开大数据平台的实验教学实施流程如图2所示。

3.1  课前

在实验课前，教师在普开大数据平台准备好教学资料（视频、指导书、实验环境）后，学生可以通过登录普开大数据平台访问“数据分析（Python）”实验项目，可先根据实验指导书和资料预习实习内容，同时，教师可以根据实验任务在平台上发布预习作业，以了解学生对课前学习材料的掌握情况，从而保证实验预习效果。

3.2  课中

“数据分析（Python）”实验内容以及实验课的开展上，如图3所示，普开大数据平台提供师生可视化操作平台的方式，供教师和学生进行操作。学生直接在浏览器上进行实验，除了主界面，两侧界面分为左右两栏，左栏为虚拟机与主机的交互操作，可供学生上传下载实验数据；右侧界面为课中实验提供了实验指导书、实验项目，同时，可供学生在实验中记录实验笔记。在实验项目中，提供了实验指导书以及实验视频，学生在实验时，可在线观看实验視频，再根据实验指导书一步一步完成实验，并对实验过程进行记录。

在学生课前充分的预习后，教师提前准备了实验环境虚拟机以及实验数据，指导学生使用Python语言对数据分析中基本理论和算法进行验证，包括的Numpy、Pandas、Matplotlib、Sklearn库的基本操作，因此在实验设计上，针对这部分基础知识设计了实验项目以及实验指导，引导学生一步一步完成基本操作，为后续的综合性实验打下坚实的基础。

除了基本算法和操作的验证性实验之外，普开大数据平台提供了综合应用场景供学生进行实操性实验，如图4所示。

因此，在本课程的实验项目上，为了加强学生实操能力，除了常规的基础验证性实验，须在实验项目上增加综合性操作实验，学生可根据平台提供的实验环境，在虚拟机中根据实验指导书部署实验环境，按照数据分析的流程一步一步完成数据的读取、预处理、标准化，并根据应用场景，选择合适的模型进行分析，最终完成行业应用的分析，获得实验结果。

上述的实验项目，得益于普开大数据平台，所有的实验操作过程可记录、可视，教师可见，学生的实验内容不再局限于简单语法验证，而时深入于行业应用，可以达到学以致用的目的。

3.3  课后

学生完成实验项目后，根据实验过程中记录在普开大数据平台的实验笔记，按照教师要求，可课后登录普开大数据平台，利用课后时间对实验过程进行整理，对未解决的问题或者未完成的内容继续进行，同时，整理实验过程中记录的实验笔记，在线完成实验报告，并提交给教师。同时，对于实验课的反馈也可以通过普开平台反馈给老师。如图5、图6所示。

教师除了可以通过平台来发布实验测试和批阅实验报告，还可通过平台后台，对学生的实验情况进行智能分析，包括学习路径分析、签到分析、考试分析、实验报告分析。普开大数据平台可进行实时在线或离线答疑，为师生提供快速实时的交流平台，巩固学生课堂所学知识，教师也可以根据分析结果以及学生的反馈，对实验项目和教学方法进行改进。同时，平台支持课件、视频、手册、图片、软件、数据及其他资源的上传、下载、共享及删除，可通过普开大数据平台来构建“数据分析（Python）”课程的网络教学资源共享平台，为学生提供丰富多样教学资源，方便学生提交作业和提问。如图7所示。

4  结  论

本文结合普开大数据平台的特点以及“数据分析（Python）”课程实验教学的现状，提出了适用于应用型本科院校的实验教学思路，利用该平台来建设的实验教学资源和行业应用场景。除常规验证性项目，提出了更高一层次的案例式实验，力求将理论知识应用到实际行业应用，在打好基础理论知识基础的同时，也让学生对专业知识有了感性认识，调动了学生积极性，更在很大程度了锻炼和提高了学生的动手能力和实践经验。因此，基于普开大数据平台的“数据分析（Python）”实验课程教学方法总体上来说相对于传统的实验教学方法，提高了教学效率，保证了实验教学效果，更加贴近教学目标，更加符合“数据分析（Python）”这门课开设的初衷。

参考文献：

[1] 吴小东，林国新.大数据课程实践教学平台的建设 [J].福建电脑，2022，38（8）：119-121.

[2] 谷瑞军.基于Docker容器的轻量级大数据实验平台构建研究 [J].金陵科技学院学报，2019，35（4）：1-5.

[3] 张敏，边胜琴，郭茜，等.大数据技术实验教学的研究与探讨 [J].中国现代教育装备，2020（17）：6-9.

[4] 马健，贺媛，李昕，等.基于大数据分析的高校实验教学平台设计 [J].现代电子技术，2022，45（13）：159-164.

[5] 朱敏.《数据分析技术》课程实验教学探析 [J].安徽警官职业学院學报，2022，21（3）：107-111.

[6]蔡君，胡晨骏，康彬.“大数据分析”课程的教学改革与探索——以南京中医药大学计算机专业本科生“大数据分析”课程教学为例 [J].轻工科技，2022，38（6）：149-152.

[7] 王振武.基于阿里云大数据平台的“数据挖掘”课程实验教学方法探讨 [J].实验室研究与探索，2018，37（6）：192-196.

[8] 向阳，郭鑫，陈千，等.数据仓库与数据挖掘教学实验平台构建研究 [J].教育教学论坛，2013（9）：253-255.

[9] 贾媚媚，刘泉，马晓普，等.面向新工科的数据挖掘实验课程教学案例设计 [J].现代计算机，2021（3）：80-83.

[10] 周玮，辛政华，杨小莹，等.基于Docker的人工智能实验教学平台研究与设计 [J].鄂州大学学报，2022，29（3）：101-103.

作者简介：陈园（1983.10—），女，汉族，湖北武汉人，高级工程师，硕士研究生，研究方向：数据分析、计算机应用技术；周科（1992.12—），男，汉族，湖北仙桃人，助教，硕士研究生，研究方向：大数据技术、计算机应用技术；曹文丽（1999.05—），女，汉族，湖北大冶人，硕士在读，研究方向：大数据技术、计算机视觉。

收稿日期：2023-04-04

基金项目：武昌工学院2023年度校级教学改革研究项目（2023JY10）