熊飛 曹涌 孫永科

摘要：數(shù)據(jù)科學(xué)導(dǎo)論是數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)中很重要的導(dǎo)論性課程，課程中涉及了統(tǒng)計(jì)學(xué)、計(jì)算機(jī)、機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的大量前沿內(nèi)容，具有理論復(fù)雜、知識(shí)點(diǎn)繁多的特點(diǎn)。理工科基礎(chǔ)較為薄弱的林業(yè)院校學(xué)生掌握難度較大。本文提出了數(shù)據(jù)分析基礎(chǔ)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)和數(shù)據(jù)管理與產(chǎn)品開發(fā)的三大模塊構(gòu)成的課程體系以及相應(yīng)的教學(xué)模式，側(cè)重于培養(yǎng)學(xué)生以數(shù)據(jù)為中心的思維模式，形成了符合林業(yè)院校特色的導(dǎo)論課程。

關(guān)鍵詞： 數(shù)據(jù)科學(xué)導(dǎo)論; 課程改革; 導(dǎo)論課程; 林業(yè)院校; 思維模式

中圖分類號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）15-0147-03

Abstract： Introduction to Data Science is an important introductory course for Data Science and Big Data Technology， which covers a wide range of cutting-edge content in statistics， computers， machine learning， and deep learning. Therefore learning of this course is a challenging work for? students that whitweak foundations in science and engineering in forestry universities. A teaching model focus on cultivating a data-centric mindset is introduced in this paper， which includes three parts： data analysis， Machine learning and deep learning， data management and product development. The redesign of Introduction to Data Science makes it conform to the characteristics of forestry university.

Key words： introduction to data science; course reform; introductory course; forestry universities;

1引言

2015年由國(guó)務(wù)院印發(fā)了《國(guó)務(wù)院關(guān)于印發(fā)促進(jìn)大數(shù)據(jù)發(fā)展行動(dòng)綱要的通知》標(biāo)志著國(guó)家把大數(shù)據(jù)上升到了國(guó)家戰(zhàn)略的層面，隨后在2016年教育部在《教育部高等教育司關(guān)于2016年度普通高等學(xué)校本科專業(yè)設(shè)置工作有關(guān)問題的說明》中增加了數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)（專業(yè)代碼：08910T）來促進(jìn)數(shù)據(jù)科學(xué)專業(yè)人才的培養(yǎng)。當(dāng)年就有3所高校獲批數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)。隨后在2017年的第二批次和2018年的第三批次中，又分別有32所和248所高校獲批，到2019年全國(guó)共有479所高校設(shè)立了數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)[1-2]。

在設(shè)立有數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)的很多高校中，都設(shè)立了數(shù)據(jù)科學(xué)導(dǎo)論這門課程作為該專業(yè)的導(dǎo)論性課程，例如：中國(guó)人民大學(xué)的數(shù)據(jù)科學(xué)導(dǎo)論和上海健康醫(yī)學(xué)院醫(yī)療器械學(xué)院專業(yè)院校開設(shè)的大數(shù)據(jù)科學(xué)與技術(shù)導(dǎo)論。而該門課程通常開設(shè)在大一下學(xué)期。而《數(shù)據(jù)科學(xué)導(dǎo)論》是該專業(yè)的入門引導(dǎo)性課程，以培養(yǎng)學(xué)生的專業(yè)認(rèn)知為目標(biāo)，所以將會(huì)涉及數(shù)據(jù)科學(xué)專業(yè)后續(xù)課程的方方面面。涉及的方面主要包括：數(shù)據(jù)分析基礎(chǔ)、數(shù)據(jù)處理方法和工具、數(shù)據(jù)的獲取與存儲(chǔ)、數(shù)據(jù)挖掘和算法和數(shù)據(jù)可視化等內(nèi)容。這些內(nèi)容涉及的知識(shí)點(diǎn)又包括三個(gè)方面：1）數(shù)學(xué)知識(shí)，例如概率論和統(tǒng)計(jì);2）計(jì)算機(jī)知識(shí)，例如數(shù)據(jù)庫(kù);3）機(jī)器學(xué)習(xí)與算法：例如分類、回歸、聚類。學(xué)生在這個(gè)時(shí)期，僅僅接觸到高等數(shù)學(xué)，計(jì)算機(jī)基礎(chǔ)和程序設(shè)計(jì)等幾門基本的課程。這就造成了學(xué)生大一階段的知識(shí)儲(chǔ)備可能無法理解該門課程所涉及的數(shù)學(xué)、計(jì)算機(jī)和機(jī)器學(xué)習(xí)的知識(shí)點(diǎn)。所以在該階段如何解決學(xué)生知識(shí)儲(chǔ)備與課程內(nèi)容不匹配的矛盾是該門課程建設(shè)的首要任務(wù)。

2國(guó)內(nèi)外研究現(xiàn)狀

2.1 國(guó)外研究現(xiàn)狀

鄭州大學(xué)信息管理學(xué)院的楊瑞仙等人通過網(wǎng)絡(luò)調(diào)研廣泛收集日本10所數(shù)據(jù)科學(xué)核心院校的數(shù)據(jù)科學(xué)專業(yè)的課程建設(shè)情況后，發(fā)現(xiàn)日本這幾所高校將該門導(dǎo)論性課程放在整個(gè)課程體系的通用類模塊中[3]。該模塊主要教授數(shù)據(jù)科學(xué)的基礎(chǔ)理論、思維方式和實(shí)踐練習(xí)。在教學(xué)中，很多學(xué)校又將這部分內(nèi)容拆分為包含統(tǒng)計(jì)分析的數(shù)理模塊和包含機(jī)器學(xué)習(xí)等內(nèi)容的計(jì)算機(jī)模塊。通過詞云等分析，楊瑞仙等人指出開數(shù)據(jù)科學(xué)人才培養(yǎng)中，日本比較重視數(shù)據(jù)分析處理能力的要求和應(yīng)用技術(shù)解決社會(huì)問題能力的培養(yǎng)。

數(shù)據(jù)工程與知識(shí)工程教育部重點(diǎn)實(shí)驗(yàn)室（中國(guó)人民大學(xué)）的朝樂門分析比較了哥倫比亞大學(xué)、紐約大學(xué)和哈佛大學(xué)數(shù)據(jù)科學(xué)導(dǎo)論課程的教學(xué)內(nèi)容后，總結(jié)發(fā)現(xiàn)這幾所大學(xué)的課程更加側(cè)重于實(shí)操能力的培養(yǎng)，重視數(shù)據(jù)分析與行業(yè)應(yīng)用的結(jié)合[4]。相比于日本10所數(shù)據(jù)科學(xué)核心院校的課程內(nèi)容，這3所大學(xué)的基礎(chǔ)理論部分都差別不大，只是更加側(cè)重于動(dòng)手操作能力的培養(yǎng)。

武漢大學(xué)信息管理學(xué)院的趙蕊菡等人對(duì)國(guó)外主要MOOC平臺(tái)（如Coursera、edX、Udacity等）上數(shù)據(jù)分析類課程進(jìn)行了調(diào)查與分析，將52門課程分成數(shù)據(jù)分析基礎(chǔ)、數(shù)據(jù)分析工具、數(shù)據(jù)分析應(yīng)用和大數(shù)據(jù)分析4個(gè)類別[5]。其中數(shù)據(jù)分析基礎(chǔ)中很多課程的定位類似于數(shù)據(jù)科學(xué)導(dǎo)論這門課程，比如約翰霍普金斯大學(xué)的探索性數(shù)據(jù)分析課程和奧克蘭大學(xué)的理解數(shù)據(jù)課程。但這些課程存在的主要問題是課程內(nèi)容的涉及領(lǐng)域相對(duì)較窄，不足以滿足導(dǎo)論性課程所要求的覆蓋廣度。

2.2 國(guó)內(nèi)研究現(xiàn)狀

在國(guó)內(nèi)，探討該課程設(shè)計(jì)的研究還不太多。其中主要有朝樂門在中國(guó)人民大學(xué)開設(shè)的數(shù)據(jù)科學(xué)導(dǎo)論[4]。朝樂門從2015年起就開始從事數(shù)據(jù)科學(xué)的教學(xué)和研究工作，他的課程主要注重于大數(shù)據(jù)時(shí)代新數(shù)據(jù)與老知識(shí)的矛盾，內(nèi)容不僅涉及數(shù)據(jù)科學(xué)的核心理念，還率先將數(shù)據(jù)產(chǎn)品開發(fā)、數(shù)據(jù)化故事等內(nèi)容率先引入該類課程。

在淮南師范學(xué)院又陳磊開設(shè)的數(shù)據(jù)科學(xué)導(dǎo)論課程中，設(shè)計(jì)了七個(gè)模塊，包含了計(jì)算機(jī)數(shù)據(jù)庫(kù)的基礎(chǔ)知識(shí)、統(tǒng)計(jì)基礎(chǔ)與數(shù)學(xué)建模以及數(shù)據(jù)挖掘人工智能。這個(gè)課程注重基本原理算法的介紹，擴(kuò)展學(xué)生的視野[6]。

劉巧紅在上海健康醫(yī)學(xué)院醫(yī)療器械學(xué)院紅探索了該門課程在特色性院校中的實(shí)踐方案。課程建設(shè)中貫穿了大數(shù)據(jù)相關(guān)技術(shù)在解決臨床及健康管理等方面的實(shí)際案例中的應(yīng)用，設(shè)計(jì)了很多具有醫(yī)療健康領(lǐng)域特色的實(shí)踐案例[7]。

3課程建設(shè)目標(biāo)

3.1 數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)的課程體系

在2010年，DrewConway提出了第一張揭示數(shù)據(jù)科學(xué)的韋恩圖，如圖1所示[8，9]。該圖首次探討了數(shù)據(jù)科學(xué)的學(xué)科定位問題。從圖中可以看出，是數(shù)學(xué)統(tǒng)計(jì)與計(jì)算機(jī)中機(jī)器學(xué)習(xí)的交叉學(xué)科。此外數(shù)據(jù)科學(xué)也不是單純的計(jì)算機(jī)與數(shù)學(xué)的問題，在處理具體問題時(shí)需要該領(lǐng)域的相關(guān)知識(shí)。同時(shí)圖中的黑客精神與技能表示著數(shù)據(jù)科學(xué)研究需要較強(qiáng)的編程能力。

在DrewConway的數(shù)據(jù)科學(xué)維恩圖基礎(chǔ)上，數(shù)據(jù)科學(xué)專業(yè)的知識(shí)體系主要以統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)和計(jì)算機(jī)相關(guān)知識(shí)為理論基礎(chǔ)，主要研究?jī)?nèi)容包括數(shù)據(jù)科學(xué)基礎(chǔ)理論、數(shù)據(jù)加工、數(shù)據(jù)計(jì)算、數(shù)據(jù)管理、數(shù)據(jù)分析和數(shù)據(jù)產(chǎn)品開發(fā)。

3.2 數(shù)據(jù)科學(xué)導(dǎo)論課程的建設(shè)目標(biāo)

根據(jù)數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)的知識(shí)體系，導(dǎo)論性課程要引導(dǎo)學(xué)生對(duì)本專業(yè)的認(rèn)識(shí)和了解，所以該課程在知識(shí)體系上必須具有一定的廣度。與此同時(shí)，課程的廣度就帶來了知識(shí)點(diǎn)較多的問題，很容易讓學(xué)生覺得該專業(yè)較難。所以該課程應(yīng)該注重基礎(chǔ)概念和基本原理的介紹，不宜過多的講解數(shù)學(xué)背景和算法的細(xì)節(jié)。此外在西南林業(yè)大學(xué)的實(shí)際教學(xué)中，貫穿該課程另外一條主線就是要將數(shù)據(jù)分析和大數(shù)據(jù)處理的相關(guān)技術(shù)貫穿在解決林業(yè)研究中的具體應(yīng)用。比如深度學(xué)習(xí)中的識(shí)別技術(shù)在鳥類識(shí)別和木材識(shí)別中的應(yīng)用，傳感器網(wǎng)絡(luò)在森林環(huán)境檢測(cè)中的應(yīng)用。因此在課程中設(shè)計(jì)了數(shù)據(jù)分析基礎(chǔ)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)和數(shù)據(jù)管理與產(chǎn)品開發(fā)三個(gè)模塊，設(shè)定了三個(gè)教學(xué)目標(biāo)，培養(yǎng)學(xué)生不同的三種能力。整個(gè)課程體系如圖2所示。

通過結(jié)合數(shù)據(jù)科學(xué)的相關(guān)知識(shí)和林業(yè)研究中的具體問題，該課程要培養(yǎng)學(xué)生以數(shù)據(jù)為中心的思考能力，同時(shí)引導(dǎo)學(xué)生了解在林業(yè)研究中如何進(jìn)行數(shù)據(jù)的采集、加工、計(jì)算和數(shù)據(jù)管理開發(fā)的整個(gè)過程。

4數(shù)據(jù)科學(xué)導(dǎo)論課程體系的構(gòu)建

4.1 數(shù)據(jù)分析基礎(chǔ)

該課程的數(shù)學(xué)部分主要涉及統(tǒng)計(jì)學(xué)中的相關(guān)知識(shí)，而相應(yīng)的數(shù)理統(tǒng)計(jì)與概率論等課程學(xué)生也才剛剛接觸。在這部分的教學(xué)中，學(xué)院以認(rèn)識(shí)數(shù)據(jù)和探索數(shù)據(jù)為出發(fā)點(diǎn)進(jìn)行教學(xué)。首先講解數(shù)據(jù)的屬性和屬性的類別。讓學(xué)生知道數(shù)據(jù)中有的屬性是分類屬性、有的是數(shù)值屬性，它們的處理和統(tǒng)計(jì)方式是不一樣的。

在上一步認(rèn)識(shí)數(shù)據(jù)的基礎(chǔ)上，講解數(shù)據(jù)的探索性分析，從而了解這些數(shù)據(jù)的面貌。這部分內(nèi)容包括數(shù)據(jù)中心趨勢(shì)度量、離散度分析、數(shù)據(jù)分布特征和簡(jiǎn)單數(shù)據(jù)可視化等內(nèi)容。這部分主要涉及會(huì)涉及統(tǒng)計(jì)中的極值、方差、正態(tài)分布等內(nèi)容，所以數(shù)學(xué)相對(duì)較多。為了過多地去講解其中的數(shù)學(xué)原理，學(xué)院引入了折線圖、直方圖和箱線圖等簡(jiǎn)單的數(shù)據(jù)可視化，使學(xué)生能夠更加容易的去理解統(tǒng)計(jì)學(xué)中的相關(guān)理論。

通過對(duì)單維度的數(shù)據(jù)探索性分析后，課程安排了多個(gè)變量的關(guān)聯(lián)性分析。其中內(nèi)容包括：相關(guān)性分析，皮爾森相關(guān)系數(shù)等內(nèi)容。這部分教學(xué)內(nèi)容的加入使得學(xué)生的分析角度不再是單一變量，而是擴(kuò)展到多維度的變量。

以上三部分的教學(xué)，使得學(xué)生對(duì)數(shù)據(jù)有了初步的認(rèn)識(shí)后，就可以進(jìn)行偏重實(shí)踐操作的Pandas教學(xué)中。在這部分的教學(xué)中，通過類比Excel的基礎(chǔ)操作，講解如何利用Pandas進(jìn)行數(shù)據(jù)分析和探索。除了實(shí)踐操作的教學(xué)，課程中只涉及異常值處理這里理論部分的教學(xué)。

4.2 機(jī)器學(xué)習(xí)與深度學(xué)習(xí)部分

這一部分的教學(xué)是整門課程的教學(xué)難點(diǎn)和重點(diǎn)。難點(diǎn)在于該模塊會(huì)涉及機(jī)器學(xué)習(xí)與深度學(xué)習(xí)中的很多算法，比如線性分類、線性回歸、聚類分析和深度神經(jīng)網(wǎng)絡(luò)等內(nèi)容。這些內(nèi)容需要較好的高等數(shù)學(xué)、概率論和線性代數(shù)的基礎(chǔ)知識(shí)作為支撐。同時(shí)伴隨有大量的數(shù)學(xué)公式和較多的公式推導(dǎo)等內(nèi)容。這對(duì)于大一下學(xué)期的學(xué)生是一個(gè)不小的挑戰(zhàn)，也要求老師在教學(xué)中也要避免傳統(tǒng)的以公式理論為出發(fā)的教學(xué)方式。

學(xué)院在該模塊的教學(xué)中，以輕理論、重思想、融合實(shí)踐案例的角度出發(fā)，設(shè)計(jì)了實(shí)際問題——算法思想——數(shù)學(xué)原理——實(shí)際案例的四步走的教學(xué)方式。以線性分類為例，首先實(shí)際問題來源于在衛(wèi)星圖像上如何區(qū)分出森林和稻田，其次講述分類問題的基本思想和基礎(chǔ)數(shù)學(xué)原理，最后又回歸到原始問題中，用線性分類解決簡(jiǎn)化后的原始問題。

在整個(gè)教學(xué)中，注重理論與實(shí)踐的緊密結(jié)合，盡量弱化數(shù)學(xué)公式和推導(dǎo)過程，強(qiáng)調(diào)最終的算法效果，讓學(xué)生真實(shí)體會(huì)到最終的效果。

4.3 數(shù)據(jù)管理與產(chǎn)品開發(fā)

在數(shù)據(jù)管理與產(chǎn)品開發(fā)模塊中，主要目的讓學(xué)生了解數(shù)據(jù)采集、存儲(chǔ)、計(jì)算、管理和應(yīng)用等功能。相比于其他兩個(gè)模塊，這部分內(nèi)容偏重計(jì)算機(jī)科學(xué)更多一些。首先就涉及傳感器、物聯(lián)網(wǎng)等數(shù)據(jù)采集。其次數(shù)據(jù)存儲(chǔ)需要數(shù)據(jù)庫(kù)、分布式數(shù)據(jù)庫(kù)的相關(guān)知識(shí)。最后計(jì)算部分會(huì)給學(xué)生普及Hadoop、Hive和Spark的內(nèi)容。

可以說該階段的教學(xué)是“散而廣”：不僅有數(shù)據(jù)庫(kù)的知識(shí)還有物聯(lián)網(wǎng)和Hadoop等計(jì)算平臺(tái)的內(nèi)容。在教學(xué)中，這些內(nèi)容的定位是開闊眼界，作為后續(xù)課程的鋪墊。所以學(xué)院采用專題講座的方式進(jìn)行，以科普的方式完成物聯(lián)網(wǎng)、數(shù)據(jù)庫(kù)和大數(shù)據(jù)計(jì)算平臺(tái)等內(nèi)容講解。

5總結(jié)

數(shù)據(jù)科學(xué)導(dǎo)論是數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)專業(yè)中重要的先導(dǎo)性課程，需要向?qū)W生描繪出數(shù)據(jù)科學(xué)的整體框架，讓學(xué)生掌握數(shù)據(jù)科學(xué)的基本概念、原理和方法。本文探討了西南林業(yè)大學(xué)在該門課程中教學(xué)模式的改革，提出了數(shù)據(jù)分析基礎(chǔ)、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)和數(shù)據(jù)管理與產(chǎn)品開發(fā)的三大模塊構(gòu)成的課程體系以及相應(yīng)的教學(xué)模式。在新的課程體系中，打破了原來以數(shù)據(jù)獲取、清理、存儲(chǔ)、分析和管理應(yīng)用為主線的教學(xué)方式，從而更加注重培養(yǎng)學(xué)生以數(shù)據(jù)為中心的思維方式。未來將進(jìn)一步從案例、實(shí)踐等多個(gè)方面進(jìn)行改進(jìn)，努力形成適合林業(yè)院校的數(shù)據(jù)科學(xué)導(dǎo)論課程。

參考文獻(xiàn)：

[1] 周建英，李廣明，王雙成.“數(shù)據(jù)科學(xué)導(dǎo)論”課程教學(xué)探討[J].教育教學(xué)論壇，2020（24）：230-231.

[2] 黃達(dá)明，張萍，張莉.數(shù)據(jù)科學(xué)基礎(chǔ)課程體系建設(shè)與研究——以南京大學(xué)為例[J].工業(yè)和信息化教育，2020（1）：26-31.

[3] 楊瑞仙，吳東昌.日本數(shù)據(jù)科學(xué)專業(yè)建設(shè)情況調(diào)查研究[J].情報(bào)理論與實(shí)踐，2020，43（8）：195-201，166.

[4] 朝樂門.數(shù)據(jù)科學(xué)導(dǎo)論的課程設(shè)計(jì)及教學(xué)改革[J].計(jì)算機(jī)科學(xué)，2020，47（7）：1-7.

[5] 趙蕊菡，黃如花.國(guó)內(nèi)外數(shù)據(jù)分析類MOOC調(diào)查與分析[J].圖書情報(bào)工作，2016，60（21）：52-60.

[6] 陳磊.數(shù)據(jù)科學(xué)導(dǎo)論課程設(shè)置探究[J].淮南師范學(xué)院學(xué)報(bào)，2018，20（2）：106-108.

[7] 劉巧紅，凌晨，孫麗萍.醫(yī)學(xué)院?！按髷?shù)據(jù)科學(xué)與技術(shù)導(dǎo)論”課程建設(shè)的實(shí)踐[J].中國(guó)醫(yī)學(xué)教育技術(shù)，2020，34（5）：578-582.

[8] Rachel-Schutt Cathy O'Neil. Doing Data Science： Straight Talk from the Frontline[M]. O'Reilly， 2013.

[9] 朝樂門，邢春曉，張勇.數(shù)據(jù)科學(xué)研究的現(xiàn)狀與趨勢(shì)[J].計(jì)算機(jī)科學(xué)，2018，45（1）：1-13.

【通聯(lián)編輯：王力】