《大数据数学基础（Python语言描述）》教学大纲
课程名称：大数据数学基础（Python语言描述） 课程类别：必修
适用专业：大数据技术类相关专业
总学时：80学时（其中理论58学时，实验22学时） 总学分：4.0学分
一、 课程的性质
随着云时代的来临，大数据分析技术将帮助企业用户在合理时间内获取、管理、处理以及整理海量数据，为企业经营决策提供积极的帮助。大数据分析作为一门前沿技术，广泛应用于物联网、云计算、移动互联网等战略性新兴产业。在大数据的研究和应用中，数学是其坚实的理论基础，在数据处理、数据挖掘、评判分析等过程中，数学方法扮演着至关重要的角色。本课程致力于大数据分析技术的基础数学知识传播，以期通过理论结合实践的方式，运用相关数学知识解决一些实际问题。
二、 课程的任务
通过本课程的学习，使学生学会使用Python进行数据微积分、线性代数、统计学、数值计算的相关计算，以及数据分析过程中常用到的数学方法，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。
三、 课程学时分配
序号 1 2 第1章 绪论 第2章 微积分基础
教学内容
理论学时
1 11
实验学时
0 4
其它
3 4 5 6
第3章 概率论与数理统计基础 第4章 线性代数基础 第5章 数值计算基础 第6章 多元统计分析
总计
8 8 13 17 58
3 4 4 7 22
四、 教学内容及学时安排
1. 理论教学
序号
章节名称
主要内容
1. 了解大数据的概念
2. 了解数学在大数据领域的作用 3. 了解Python在数学中常用的类库 1. 理解导数的概念和求导法则，并掌握求导的方法
2. 了解函数、映射与极限的概念和性质，并掌握求解函数极限的方法 3. 掌握微分的定义和法则，并能计算函数的微分
4. 了解微分中值定理
5. 掌握求解函数单调性与曲线凹凸性、函数极值与最值的方法
6. 了解不定积分与定积分的概念和性质
7. 掌握不定积分与定积分换元积分法与分部积分法的求解过程 1. 了解数据分布特征的几种度量 2. 掌握计算几种度量的方法
3. 了解随机事件概率的定义、性质 4. 掌握随机变量的概率计算方法 5. 了解随机变量的数字特征，并掌握其计算方法
6. 了解参数估计与假设检验的基本思想
7. 掌握区间估计和检验的公式
教学目标 1. 了解数学与大数据的关系
2. 了解数学与Python的关系 1. 掌握求导的方法 2. 掌握求解函数极限的方法
3. 掌握计算函数的微分的方法
4. 掌握求解函数单调性与曲线凹凸性、函数极值与最值的方法
5. 掌握不定积分与定积分换元积分法与分部积分法的求解过程
1. 掌握数据分布特征的几种度量计算方法
2. 掌握随机变量的概率计算方法
3. 掌握随机变量的数字特征的计算方法
4. 了解参数估计与假设检验
学时
1 绪论 1
2 微积分基础 11
3
概率论与数理统计基础
8
4 线性代数基础
1. 掌握行列式的概念和定义 2. 掌握行列式性质
3. 掌握代数余子式定义及定理 4. 了解矩阵的定义、特殊矩阵 