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。 |
| 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 (2)讨论课 (3)作业 |
| 3.4 | 3、掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达，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。 | 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 | (1)理论教学 (2)作业 |
| 5.2 | 4、熟悉数据可视化的基本流程和工具的使用，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，对问题进行模拟。 | 交互技术中的选择技术、导航技术、配重技术、过滤技术、关联技术、概览与细节技术； | (1)理论教学 (2)作业 |
（一）数据可视化概述
1.主要内容： 数据可视化的作用、分类、发展历史、未来的挑战和发展方向；
2.基本要求：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；
3.重点：理解数据可视化的作用、分类；
4.难点： 理解数据可视化的作用、分类；
5.教学方式方法： 理论为主，实际案例为辅；
6.考核知识点： 数据可视化的作用、分类、未来的挑战和发展方向。
（二） 数据可视化基础
1.主要内容： 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。
2.基本要求：熟悉数据可视化的基本流程和工具的使用；
3.重点：重点掌握数据可视化的基本流程和设计原则
4.难点：数据可视化的设计原则、颜色理论
5.教学方式方法： 理论为主，实际案例为辅；
6.考核知识点： 数据可视化的基本流程与设计原则。
（三） 数据分类可视化
1.主要内容： 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
2.基本要求：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，能够使用相关可视化工具进行数据展示；
3.重点：掌握不同类型数据的可视化方式，熟练操作相关可视化工具，能够对数据进行富有感染力的表达。
4.难点： 不同类型数据的可视化方式；
5.教学方式方法： 理论为主，实际案例为辅；
6.考核知识点： 不同数据类型的可视化方式。
（四） 数据可视化中的交互
1.主要内容： 数据可视化的交互原则、分类、技术；
2.基本要求： 了解数据可视化的交互场景、分类，能够选择合适的技术进行可视化操作；
3.重点： 掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达；
4.难点：交互技术中的选择技术、导航技术、配重技术、过滤技术、关联技术、概览与细节技术；
5.教学方式方法： 理论为主，实际案例为辅；
6.考核知识点： 交互场景与交互分类。
五、教学安排
1. 理论教学安排
| 序号 | 教学内容 | 学时 | 对应的课程教学目标 |
| 1 | 数据可视化概述 | 4 | 1 |
| 2 | 数据可视化基础 | 4 | 1 |
| 3 | 时间数据可视化 | 4 | 2 |
| 4 | 比例数据可视化 | 4 | 2 |
| 5 | 关系数据可视化 | 4 | 2 |
| 6 | 文本数据可视化 | 4 | 2 |
| 7 | 复杂数据可视化 | 4 | 2 |
| 8 | 数据可视化中的交互 | 4 | 3 |
| 合计 | 32 | ||
| 序号 | 实验/实践项目名称 | 实验学时 | 实验 类型 | 每组 人数 | 实验要求 | 对应的课程教学目标 |
| 1 | Numpy的基本操作 | 4 | 设计性 | 1 | 必做 | 2,3 |
| 2 | Pandas的基本操作 | 4 | 设计性 | 1 | 必做 | 2,3 |
| 3 | Matplotlib&Seaborn基本操作 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 4 | Pyecharts的基本操作 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 5 | 时间数据可视化 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 6 | 比例数据可视化 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 7 | 关系数据可视化 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 8 | 文本数据可视化 | 2 | 设计性 | 1 | 必做 | 2,3 |
| 9 | 数据可视化中的交互 | 4 | 综合性 | 1 | 必做 | 2,3 |
| 合计 | 24 | |||||
1.课程考核方式
本课程成总成绩包括形成性评价（平时成绩）和结果性评价（期末成绩），形成性评价（平时成绩）占30%，结果性评价（期末考试成绩）占70%。形成性评价主要包括出勤(10%)、课堂表现(10%)和作业(10%)。期末考试采用闭卷方式，满分100分，折算70%计入总成绩。
2.课程教学目标的考核方式
| 课程目标 | 考核内容 | 考核环节及成绩比例% | 合计 | ||
| 结果性评价 | 形成性评价（平时） | 形成性评价（实验） | |||
| 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 | 10 | 15 | 25 | |
| 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 | 25 | 15 | 40 | |
| 3、掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达，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。 | 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 | 15 | 15 | ||
| 4、熟悉数据可视化的基本流程和工具的使用，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，对问题进行模拟。 | 交互技术中的选择技术、导航技术、配重技术、过滤技术、关联技术、概览与细节技术； | 10 | 10 | 20 | |
（1）形成性评价（平时）成绩考核评价标准
| 考核环节 | 考核结果及标准 | ||||
| 评估项目及权重 | 优秀（90~100分） | 良好（80~90分） | 中等（70~80分） | 及格（60~70分） | 不及格（<60分） |
| 考勤 （30分） | 学期中间不定期点名，全勤 | 学期中间不定期点名，迟到1次 | 学期中间不定期点名，缺勤1次 | 学期中间不定期点名，缺勤2次 | 学期中间不定期点名，缺勤3次 |
| 课堂表现 （20分） | 学期中间不定期开展课堂5-6次提问，评分标准为参 | 学期中间不定期开展5-6次课堂提问，评分标准为参 | 学期中间不定期开展5-6次课堂提问，评分标准为参 | 学期中间不定期开展5-6次课堂提问，评分标准为参 | 学期中间不定期开展5-6次课堂提问，评分标准为参 |
| 作业 （50分） | 作业能够完成，完成质量优秀，能够灵活运用所学知识和理论解决问题，并获得正确结论 | 作业能够完成，完成质量较高，能够运用所学知识和理论解决问题，并获得正确结论 | 作业能够完成，完成质量基本符合要求，能够运用所学知识和理论解决问题，并获得有效结论 | 作业基本能够完成，部分题目解答存在抄袭现象，运用所学知识和理论解决问题的能力基本符合要求 | 作业不能完成，存在抄作业现象 |
| 基本要求 | 考核结果及标准 | 成绩比例（%） | ||||
| 优秀 （90~100分） | 良好 （80~分） | 中等 （70~79分） | 及格 （60~69分） | 不及格 （<60分） | ||
| 课程目标2（毕业要求3.2） | 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，制定优秀的实验方案。 | 较好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，能制定较好的实验方案。 | 基本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，制定合理的实验方案。 | 了解时间数据可视化、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，基本能制定合理的实验方案。 | 不了解时间数据可视化、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，不能制定合理的实验方案。 | 20% |
| 课程目标4（毕业要求5.2） | 实验流程规范，各步骤实验结果正确、完整，具有创新意识；按时提交实验报告，实验结构合理、书写规范。 | 实验流程规范，各步骤实验结果正确；按时提交实验报告，实验结构合理、书写规范。 | 实验流程合理，各步骤实验结果正确；按时提交实验报告，实验结构合理、书写较规范。 | 实验流程合理，各步骤实验结果基本正确；按时提交实验报告，实验结构较合理、书写符合要求。 | 实验流程缺少关键步骤或结果不正确；没有按时提交实验报告或报告不符合要求。 | 80% |
| 基本要求 | 考核结果及标准 | 成绩比例（%） | ||||
| 优秀 （90~100分） | 良好 （80~分） | 中等 （70~79分） | 及格 （60~69分） | 不及格 （<60分） | ||
| 课程目标1（毕业要求2.3） | 熟练掌握数据可视化的作用、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。 | 较好掌握数据可视化的作用、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。 | 基本掌握数据可视化的作用、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。 | 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。 | 不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。 | 20 |
| 课程目标2（毕业要求3.2） | 熟练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 | 较好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 | 基本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 | 了解时间数据可视化、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 | 不了解时间数据可视化、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 | 30 |
| 课程目标3（毕业要求3.4） | 熟练掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达 | 较好掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达 | 基本掌握交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达 | 了解交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达 | 不了解交互场景、交互操作类型分类、选择技术、导航技术、多个数据源表达 | 20 |
| 课程目标4（毕业要求5.2） | 熟练掌握数据可视化的基本流程和工具的使用，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，对问题进行模拟。 | 较好掌握数据可视化的基本流程和工具的使用，能够较好的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，对问题进行模拟。 | 基本掌握数据可视化的基本流程和工具的使用，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，对问题进行模拟。 | 了解数据可视化的基本流程和工具的使用，基本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，对问题进行模拟。 | 不了解数据可视化的基本流程和工具的使用，不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，对问题进行模拟。 | 30 |
1、建议教材：
姜枫.《大数据可视化技术》[M].北京：人民邮电出版社，2019.
2、主要参考书：
科斯·拉曼.《Python数据可视化》[M].北京：机械工业出版社，2017.
3、重要文献：
（1）陈明. 大数据可视化分析[J]. 计算机教育, 2015(5):94-97.
（2）崔迪, 郭小燕, 陈为. 大数据可视化的挑战与最新进展[J]. 计算机应用(7):226-231+238.下载本文
