本学期，信息与智能工程学院大数据专业在《大数据可视化项目实践》课程中坚持“做中学、产出导向”的项目教学思路，围绕“大数据处理+可视化表达+系统集成”三条主线，组织学生完成从数据获取、清洗整合、探索分析到图表呈现与系统展示的完整闭环。课程实验教学以主流技术栈为支撑，强调学生在真实问题中掌握Pandas、Matplotlib、Django、MySQL、ECharts等工具及数据分析方法，提升数据洞察与表达能力，并在项目推进中同步锻炼协作与项目管理素养。
课程以“综合项目链”组织实验与训练，覆盖数据分析、建模与可视化系统开发的关键环节，并明确实验类型与学时安排，突出设计性、综合性与创新性训练比例。在考核评价上，课程将过程表现与终结产出并重，通过考勤、平时作业与测试、实验考核、期末大作业等构成综合评价，突出对“全流程知识应用能力”和“工程整合能力”的考查，一人一题。同时，课程对期末项目提出明确的工程化标准：要求必须使用数据库保存数据、数据源与应用场景清晰，数据处理流程完整可复现；对比2种及以上模型/算法；图表类型不少于5种并具备ECharts交互能力，最终以规范报告、代码与答辩进行综合评定。
在项目选题与成果呈现方面，课程提供覆盖“行业数据洞察—预测建模—可视化系统实现”的参考题库，引导学生结合兴趣与应用场景自主立题，其中包含“职位需求的可视化与人才市场预测模型”“豆瓣读书结构化数据分析可视化”“智能手机市场销量的数据分析与可视化”等方向。
课程后续作业展示中，学生以项目交付为目标，将课堂所学转化为可运行系统：如《职位需求的可视化与人才市场预测模型》基于大规模招聘数据构建数据库与可视化分析，并以Django后端、Vue与ECharts前端完成多维展示与趋势预测。
《豆瓣读书结构化数据爬取分析可视化》围绕爬虫采集、清洗入库、统计分析与图表呈现形成“采集—处理—展示”一体化方案。
《智能手机市场销量的数据分析与可视化》则结合Flask与MySQL搭建交互式分析界面，并引入机器学习模型进行销量预测，体现“分析—预测—决策”闭环思路。
通过项目化组织与分阶段评价，课程让学生在“真实数据、真实流程、答辩交付”中形成可迁移的工程能力：既能用代码完成数据处理与建模，也能用可视化与系统界面讲清业务问题与数据结论。学院领导李成名教授表示，后续将继续以项目教学为抓手，强化过程性反馈与成果展示机制，推动课程教学与学科竞赛、实践实训同向发力，持续提升学生面向产业场景的数据分析与可视化交付能力。
一审一校 |周显春
二审二校 |刘小飞
三审三校 |李成名 尹 娜
