尹诗斯
摘要：《Python语言建模与可视化》是一门典型“理实一体”课程，课程内容包含Python科学计算、数据处理、数据可视化、挖掘建模等基本技能。针对高职院校学生，开展《Python语言建模与可视化》课程教授实践。因该门课程交叉性强、难度较大，本文探索在职业院校背景下该门课程的教学改革。
关键词：数据分析;课程改革
中图分类号：G4 文献标识码：A
一、课程定位
《Python语言建模与可视化》是重庆电子工程职业学院物流管理、物流信息类专业必修课程，属于典型“理实一体”课程，尤其强调“工学结合”的职业教育理念。通过学习本课程，使得学生能够掌握Python科学计算、数据处理、数据可视化、挖掘建模等基本技能，能够针对基本的数据挖掘问题与样例数据，调用Python中的第三方扩展包Numpy、Pandas、Matplotlib和Scikit-learn，进行处理、计算与分析，初步掌握常见机器学习基本原理及应用举例程序实现，从而为其他的专业领域课程或者复杂应用问题提供基础支撑。
课程根据数据挖掘案例任务设计教学内容，让学生深入浅出认识数据挖掘，熟悉数据挖掘流程，掌握基本数据挖掘算法应用，不仅为了训练学生数据挖掘的专业技能，更希望学生从数据挖掘与分析实践中锻炼数据分析思维。在数据挖掘实践中构建知识框架，又在完善知识框架过程中训练分析思维。
二、存在的问题及改革方法
1、高职学生数学、统计学、计算机等前置课程基础薄弱，不易产生学习兴趣。
在课程中引入生动有趣的实际案例，如引入马蜂窝旅游网站数据造假分析案例进行课程引入，引导学生理解课程内容及商业数据分析的作用。使用多平台生动的教学资源调动学生学习兴趣，如使用bilibili网站“五分钟机器学习”进行算法模型原理的引入。
2、课程内容应用性强，学生缺乏商业思维。
培养学生商业思维，在实战案例中引入复盘环节，引导学生进行案例总结，逐渐建立商业思维，充分理解业务背景。
3、课程涉及编程基础知识、基本数据分析模型原理、案例实践等，需要合理的学时分配。
设置一定的教学机动时间，在教学中不定期调查学生学习情况，根据调查反馈，充分调整各环节教学学时分配。
三、课程作用
1.缓解结构性就业矛盾。
结构性就业矛盾主要是指人力资源供给与岗位需求之间的不匹配。近年来，随着社会信息化程度的提升，数据分析能力越来越受到各大企业的青睐。职业院校是培养高素质技术技能人才的主要場所，开展以数据分析为核心的职业技能培训能够一定程度上缓解这种矛盾。
2.为职业院校办学能力的提升提供契机。
2019年，电子商务数据分析职业技能等级标准正式发布。该门课程可对接相应1+X证书。职业院校可在软件上，按照高质量的标准实施职业培训和等级考核，与专业建设、课程建设、教师队伍建设等紧密结合，提升整体办学能力。
四、结语
《Python语言建模与可视化》课程围绕新时代数据分析能力要求，探讨在高职院校中的教学实践，面对高职院校学生特有的学情，进行改革探索。课程对接1+X证书，亦可进一步推动职业院校办学能力提升。
猜你喜欢课程内容可视化数据挖掘
