课程大纲规划指导

七年级科学基础课程大纲（学年36周）

一、先做三件事
1. 明确课程目标
- 理解物质、能量、力与运动、地球与生态四大科学领域的核心概念。
- 掌握基本科学探究方法：提出问题、假设、控制变量、采集与分析数据、用证据支持结论（CER）。
- 发展数据处理与图表能力、科学写作与口头表达能力、基本工程设计思维。
- 树立安全意识与科学态度，认识科学与社会、环境的关联。

2. 建立评价体系
- 形成性评价（约60%）：课堂任务、实验记录、随堂小测、反思日志、口头汇报。
- 终结性评价（约40%）：单元测验、项目报告/展示、期末综合测评。
- 使用清晰评分标准（如CER写作、数据图表质量、合作与安全规范等）。

3. 规范实验安全
- 必备：护目镜、系发束发、无食饮、化学品标识、热源与玻璃器具规范使用、废液分类。
- 统一实验记录模板：目的-材料-步骤-数据-结论-误差与改进。
- 仅使用低危材料（如食盐、砂、食用小苏打与食醋、卷心菜指示剂等）；涉及热源仅用电热板，严禁明火。

二、年度单元与进度（共36周）

单元0 安全与科学探究（2周）
- 核心问题：如何像科学家一样安全、有效地提出和检验问题？
- 知识要点：实验室规则、变量与对照、数据类型、基本统计（平均值、极差）、图表规范。
- 技能：量取、计时、读数与不确定度估计、画折线/柱状图、CER写作。
- 活动：安全情景辨识；用纸飞机或弹珠跑道进行“控制变量”探究；卷心菜指示剂自制演示（了解酸碱安全）。
- 评价：安全测验；一次完整的探究报告（含图表与CER）。

单元1 度量与数据技能（2周）
- 核心问题：如何获得可靠数据并用图表表达与解释？
- 知识要点：国际单位制、长度/质量/体积/温度测量，密度概念，误差与重复测量。
- 技能：单位换算、密度=质量/体积、直方图/散点图、趋势与异常值识别。
- 活动：量具校准练习；密度测定（固体与液体）；用手机计时/加速度传感器做简易数据采集（可选）。
- 评价：数据处理小测；密度实验报告（含误差分析）。

单元2 物质的组成与性质（5周）
- 核心问题：物质由什么构成？性质如何帮助我们识别和分离物质？
- 知识要点：纯净物与混合物；物理性质（密度、溶解度、磁性、导电/导热）；物态与相变；溶液、悬浊液、胶体。
- 技能：分离方法（磁选、筛分、过滤、蒸发、简单蒸馏演示由教师完成）；溶解度曲线判读。
- 活动：配制不同浓度盐水并测密度；沙-盐-铁屑分离；纸色谱分离食用色素；状态变化加热曲线测量。
- 评价：分离流程设计与操作考核；物质识别情境题。

单元3 原子、元素与化学反应（5周）
- 核心问题：原子如何组成物质？化学反应如何被识别与表示？
- 知识要点：原子与分子基本观念、元素与化合物、常见元素符号；反应证据（气体、沉淀、颜色/温度变化）；质量守恒的定性理解。
- 技能：简单粒子模型图示；用文字/简化式子描述反应；封闭袋质量前后对比。
- 活动：食醋+小苏打封口袋反应（注意气体膨胀安全，使用密封袋非硬容器）；石灰水检CO2（教师演示）；自制pH指示剂与酸碱测试；沉淀反应演示（可用低危盐类溶液，教师操作）。
- 评价：现象-证据-解释的CER短文；单元测验（元素概念与反应判别）。

单元4 能量、热与能量转移（4周）
- 核心问题：能量以哪些形式存在并如何转移与转化？
- 知识要点：动能/势能/弹性能/化学能/热能；传导、对流、辐射；能量守恒的定性理解；效率概念。
- 技能：能量流动示意图；温度与热的区分；实验中控制热损失。
- 活动：金属/木棒导热比较；对流可视化（色素水加热，教师操作）；“温室瓶”实验探究变量（覆盖材料、光源强度）。
- 评价：实验设计改进建议书；能量转化案例分析（如风扇、手摇发电）。

单元5 力、运动与作用力（4周）
- 核心问题：力如何改变物体的运动？如何用数据描述运动？
- 知识要点：速度、加速度的定性；力的合成与平衡；摩擦力；牛顿第一、第二定律的入门理解（定性/半定量）。
- 技能：用位移-时间图与速度-时间图描述运动；用弹簧测力计测力；控制变量测摩擦系数变化（定性）。
- 活动：小车斜坡实验（测速度变化）；不同表面摩擦比较；橡皮筋动力小车工程挑战（迭代优化与效率）。
- 评价：图表判读测验；工程设计报告（目标-方案-测试-改进）。

单元6 地球结构与板块运动（4周）
- 核心问题：地球内部结构与板块运动如何塑造地表？
- 知识要点：地壳-地幔-地核分层；岩石循环概念；板块边界类型与地震、火山、山脉的关系；地质证据。
- 技能：解读地震与火山分布图；用模型解释构造作用。
- 活动：“饼干/薄脆+糖霜”板块模型；地震波同心圆定位活动（模拟）；岩石鉴定基础（硬度、条痕、光泽，使用样品或图片）。
- 评价：概念图；地质现象因果解释题。

单元7 天气、气候与人类活动（4周）
- 核心问题：天气与气候有何不同？人类活动如何影响气候与空气质量？
- 知识要点：大气层次基础、气压与风、云与降水、锋面；气候带与影响因素；温室气体与能量收支的定性理解。
- 技能：解读天气图符号；设计并读出简易气象记录（温度、风向、云量）。
- 活动：瓶中云（教师演示）；本地一周天气数据记录与分析；不同表面升温比较（深色/浅色）。
- 评价：天气报告简报；人类活动与气候影响的观点性CER短文（基于数据与权威来源图表）。

单元8 生态系统与生物多样性（4周）
- 核心问题：物质和能量如何在生态系统中流动？生物多样性为何重要？
- 知识要点：生产者-消费者-分解者；食物链/网；物质循环（碳/水循环的定性）；种群、栖息地与生态位；人为干预与保护。
- 技能：绘制食物网；读解释数据（如种群变化曲线）。
- 活动：微型生态瓶/种植观察；入侵物种情境决策游戏；校园生物多样性普查（样方取样基础）。
- 评价：生态调查小报告；情境决策辩论陈述（证据支撑）。

单元9 综合项目与复习（2周）
- 任务：完成跨领域探究或工程项目（示例：校园节能建议；社区空气质量与植被调查；水质简测与改善方案）。
- 输出：项目提案-数据收集-结果展示-反思改进。
- 复习：错题归类、概念图串联四大领域、实验技能闯关。

三、教学实施要点

1. 每周结构（建议）
- 1次探究或演示实验（双课时）；1次数据处理/图表训练；1次概念梳理与小测；1次应用/工程任务或阅读写作（CER）。
- 每周设置“误差与改进”反思问题，训练科学思维。

2. 差异化支持
- 为基础薄弱学生提供操作流程卡、示范视频、数据模板与词汇表。
- 为学有余力学生提供拓展任务（如设计对照实验、变量多因素分析、编写简短科普）。
- 小组分层分工：记录员、操作员、计时员、质控员轮换。

3. 跨学科融合
- 数学：单位换算、比例、平均值与极差、简单斜率（变化率）。
- 语文：说明文写作与口头表达；CER结构化论证。
- 信息技术：电子表格制图、数据清洗、简易传感器应用。

4. 资源与器材清单（基础版）
- 安全：护目镜、一次性手套、围裙、急救包。
- 量测：量筒、量杯、温度计、天平、刻度尺、秒表、弹簧测力计、磁铁。
- 容器与常用：烧杯、试管、滤纸、漏斗、搅拌棒、拉链袋、气球。
- 低危材料：食盐、砂、铁屑、食用小苏打、白醋、活性炭、食用色素、红甘蓝（指示剂）、植物种子。
- 可选：电热板、保温杯、简易小车、斜面、传感器或手机相关App。

5. 作业与反馈
- 每单元安排1次图表或数据分析作业、1次CER短写；提供勾选式与点评并用的反馈。
- 使用学习目标清单，让学生自评“会不会用证据解释现象/会不会画正确图表”。

6. 学术规范与诚信
- 要求独立记录原始数据；在报告中区分“观察事实、数据处理、解释与推论”。
- 引用图片和数据来源；禁止伪造数据。

四、里程碑评估安排
- 第4周：安全与数据素养测评（含图表规范）。
- 第12周：物质与化学入门综合测评（含实验操作）。
- 第20周：能量与力学单元测试与工程作品评审。
- 第28周：地球与天气单元测试与海报展示。
- 第36周：综合项目展示与期末概念-技能双轨评估。

五、家校沟通建议
- 每单元发布“学习目标与家庭可选活动清单”（如共同记录一周天气、参观科学馆）。
- 强调安全与探究态度，鼓励家长用“提问-证据-解释”的方式与学生讨论科学现象。

按以上大纲推进，结合本地学情和设备条件微调进度与实验方式，确保每周都有“动手—用脑—表达”的完整学习闭环。

Foundations of Data Visualization — Course Outline (12 weeks)

Course format
- Duration: 12 weeks; 3 hours/week (1.5h lecture + 1.5h lab)
- Prerequisites: Basic spreadsheet skills and introductory statistics (mean/median, distributions). No programming required; optional coding track offered.
- Tools (choose one primary track and stay consistent):
  - No/low-code: Tableau Public or Microsoft Power BI; Excel for quick checks
  - R track: R, RStudio, tidyverse, ggplot2
  - Python track: Anaconda/Miniconda, pandas, seaborn, Altair or Plotly
- Deliverables: 5 short assignments + 1 capstone; weekly reading/quiz

Learning outcomes
By the end, you will:
- Select appropriate chart types based on data, task, and audience.
- Apply perceptual principles (marks/channels, preattentive features, Gestalt) to design accurate, readable visuals.
- Use color, scales, and annotations effectively and accessibly.
- Create static and interactive visualizations with a chosen tool.
- Communicate uncertainty, avoid misleading designs, and uphold ethical standards.
- Critique visualizations and iterate through a structured design process.
- Document data provenance and ensure reproducibility of your work.

Weekly modules

Week 1 — Why visualize? Workflow and data basics
- Cover: Roles of visualization (explore, explain), common pitfalls, end-to-end workflow (question → data → sketch → prototype → test → iterate).
- Introduce data types (categorical, ordinal, quantitative), tidy vs. wide data, long format for plotting.
- Lab: Tool setup; import a small dataset; make your first bar, line, scatter plots.
- Homework A1: Find a flawed chart; write a 1-page critique (what question, what encoding, what goes wrong).

Week 2 — Perception, marks, and channels
- Cover: Marks (points, lines, areas) and visual channels (position, length, angle, area, shape, color, texture).
- Emphasize accuracy: Position/length generally support more accurate comparisons; area/angle/color hue are less precise.
- Preattentive features and Gestalt grouping (proximity, similarity, enclosure).
- Lab: Re-encode same data with multiple channels; measure speed/accuracy via quick comparisons.
- Homework: Redesign the flawed chart from A1 using better encodings; explain choices.

Week 3 — Color, scales, and typography
- Cover: Color theory for viz: categorical vs. sequential vs. diverging palettes; avoid rainbow for ordered data.
- Accessibility: Use colorblind-safe palettes; add redundant cues; meet contrast guidelines (≥3:1 for graphical elements/UI components; ≥4.5:1 for body text).
- Scales: Linear, log, percent, and when to use each. Axes, ticks, gridlines, number formatting.
- Lab: Build a color system for a dataset; test with a colorblind simulator; apply log scale appropriately.
- Homework: Create a small style guide (colors, fonts, label conventions) and apply it to two charts.

Week 4 — Core charts done well
- Cover: Bars (sorted, grouped vs. stacked; start at zero), lines (don’t require zero baseline; handle gaps), scatter (trend lines, correlation is not causation), tables vs. charts.
- Annotation and titling: Make the main message explicit. Reduce non-informative ink.
- Lab: Produce “publication-quality” versions of bar, line, and scatter for a single dataset.
- Homework A2: Mini-EDA report (3–5 charts) with clear takeaways and annotated titles.

Week 5 — Data wrangling for visualization
- Cover: Tidy transformations (filter, select, group/summarize, pivot/melt), handling missing values, outliers.
- Lab: Transform a messy dataset to tidy form; reproduce Week 4 visuals from raw data.
- Homework: Submit your wrangling script/workflow + before/after data snapshots with provenance.

Week 6 — Multivariate displays
- Cover: Small multiples/faceting; avoid overstuffed single charts. Heatmaps, dot plots, slope graphs. Cautions on stacked areas/bars and bubble charts.
- Lab: Create small multiples that replace a complex single chart; compare readability.
- Homework: Build a multivariate view (facets or small multiples) that supports a specific analytical question.

Week 7 — Time series
- Cover: Seasonality, moving averages, smoothing; show context and uncertainty bands. Baselines and change-over-time visuals (indexing, percent change).
- Lab: Construct a time-series dashboard with filters and tooltips; add uncertainty ribbons if appropriate.
- Homework: Tell a time series story in 2–3 linked visuals with clear annotations.

Week 8 — Distributions and uncertainty
- Cover: Histograms (bin choice), density plots, box/violin, ridgeline, QQ plots; show raw data where feasible (dot/bee swarm).
- Uncertainty: Error bars, confidence/prediction intervals, gradient bands, quantile dotplots; avoid false precision.
- Lab: Compare multiple groups’ distributions with appropriate summaries and uncertainty.
- Homework A3: Design a multi-group distribution comparison; justify the summary and uncertainty representation.

Week 9 — Maps and spatial data
- Cover: Choropleth vs. proportional symbol; projections; classification schemes (quantile, equal interval, natural breaks)—and their implications. Spatial aggregation and the MAUP.
- Lab: Build a choropleth with a perceptually uniform sequential/diverging scale; add a proportional symbol layer; address sparse regions.
- Homework: Produce a map plus a non-map companion chart to mitigate spatial biases.

Week 10 — Dashboards and interactivity
- Cover: Dashboard purpose, KPI selection, layout and affordances, filters, cross-highlighting; performance considerations; responsive design.
- Lab: Assemble a task-focused dashboard; add annotations and help text; ensure keyboard focus order (where applicable).
- Homework A4: Ship a one-page dashboard for a defined user/task; include a short user guide.

Week 11 — Storytelling, ethics, and evaluation
- Cover: Narrative structure (setup → insight → implication), titles/subtitles that carry the message, scrollytelling basics.
- Ethics: Data provenance, sampling bias, privacy, aggregation harms, cherry-picking, truncated axes, dual y-axes pitfalls.
- Evaluation: Heuristic review, quick user tests, A/B titles; checklist-based QA.
- Lab: Peer critique sessions using a structured rubric; run 2 short user tests.
- Homework: Revise A4 based on feedback and test results; document changes.

Week 12 — Capstone presentations and portfolio
- Final project A5: Choose a dataset and audience; produce either
  - An explanatory narrative (long-form article or scrollytelling) with 4–6 visuals, or
  - An interactive dashboard supporting a concrete decision task.
- Deliver: Data brief (source, permissions), design rationale, accessibility checklist, reproducible files/code, and a 5–7 minute presentation.
- In class: Presentations + feedback; portfolio guidance.

Assessment and grading
- Assignments A1–A4: 50% total (weighted equally)
- Quizzes (Weeks 2, 4, 7, 10): 10%
- Participation/peer review: 10%
- Capstone A5: 30%
- Late policy and academic integrity: Cite all data and inspiration sources; include links and licenses. Note any post-processing (smoothing, filtering).

Rubric highlights (apply to all major deliverables)
- Clarity and message: Title/subtitle convey the main takeaway; annotations guide interpretation.
- Appropriateness: Chart type and encodings match data and task; comparisons are easy and accurate.
- Visual perception: Effective use of position/length; cautious use of area/angle/color; legible scales and labels.
- Accessibility: Colorblind-safe palettes; adequate contrast; redundant cues; readable type; keyboard and screen-reader considerations for interactive work.
- Correctness: No misleading axes or scales; uncertainty shown when relevant; statistically sound summaries.
- Craft and documentation: Consistent style; tidy data pipeline; reproducible files/code; data provenance recorded.

Data sources and practice datasets
- Gapminder, World Bank, OECD, UN Data
- Local open data portals (city/state), Kaggle datasets with clear licenses
- NOAA climate data, CDC public health data
- Tip: Prefer well-documented datasets with a clear codebook for early assignments.

Recommended references (use any two as primaries)
- Munzner, Visualization Analysis and Design
- Healy, Data Visualization: A Practical Introduction
- Cairo, The Truthful Art
- Ware, Information Visualization: Perception for Design
- Tufte, The Visual Display of Quantitative Information
- Color resources: ColorBrewer; Adobe Color; Viz Palette

Implementation tips
- Standardize a course style guide (fonts, color palettes, labeling rules) by Week 3 to improve consistency.
- Enforce “message-first” titling on all charts starting Week 4.
- Require alt text or image descriptions for every static visualization from Week 5 onward.
- Encourage version control (Git) for coding tracks; require packaged workbooks for no-code tracks.
- Use peer reviews with a checklist at least three times (Weeks 6, 11, 12) to build critique skills.

By following this sequence, learners will build from perceptual foundations and clean design practices to practical tool use and ethical, audience-focused storytelling, with multiple opportunities for feedback and iteration.

以下为一个面向零基础或初学者的Python入门班基础课程大纲。设计目标是帮助学生在较短周期内掌握Python核心语法、常用标准库与基本编程思维，并能独立完成一个小型终端项目。

一、课程定位与目标
- 明确目标：
  - 理解变量、数据类型、表达式与控制流
  - 熟练使用列表/字典等容器与切片、推导式
  - 能编写并复用函数与模块，理解作用域与错误处理
  - 掌握文件读写、基本数据处理（CSV/JSON）
  - 了解面向对象基础、常用标准库与命令行参数处理
  - 能独立完成一个可运行的终端级小项目，并编写基本说明文档
- 输出成果：
  - 至少1个综合项目（含代码、README、若干测试用例）
  - 每周练习与阶段小测（巩固概念与语法）

二、适合对象与先修要求
- 对象：零基础或有其他语言基础转入Python的学习者
- 先修：基本计算机操作、文件系统概念；无需编程经验
- 数学：四则运算与基础逻辑即可

三、教学安排与环境
- 建议周期：8周，共32学时（每周2次，每次2小时）。可按学校节奏调整为6–10周。
- 开发环境：
  - Python 3.11或更新版本（从python.org安装）
  - VS Code（安装Python扩展）、或PyCharm Community
  - 终端/命令行工具（Windows: PowerShell；macOS/Linux: 默认终端）
  - 推荐使用内置venv创建虚拟环境；可选Jupyter用于演示
- 运行方式：REPL、脚本运行（python file.py）、VS Code调试与断点

四、评价方式（可调整）
- 平时作业与课堂练习：40%（正确性、可读性、按时提交）
- 阶段小测（第3与第6周）：20%（概念与应用）
- 期末项目：40%（功能完整性30%、代码质量30%、鲁棒性与测试20%、文档与演示20%）

五、课程周次与单元安排（核心目标、要点与任务）

课前准备（可作为第0周或首节前半节）
- 目标：完成环境搭建并能运行“Hello, world”
- 要点：
  - 安装Python 3.11+并确认PATH
  - pip与国内镜像（可选），venv创建与激活
  - VS Code基础：打开文件夹、运行、调试、断点
  - REPL与脚本差异、UTF-8编码
- 任务：打印、输入输出、简单算术，保存并运行第一个脚本

第1周 基础语法与数据类型
- 目标：掌握变量、基本类型与表达式
- 要点：
  - 变量与命名、类型：int、float、bool、str；类型转换
  - 运算符：算术、比较、逻辑、in与is的区别（了解）
  - 字符串：切片、常用方法、f-string
  - 输入输出：input、print参数（sep、end）
- 课堂练习：温度转换器、字符串清洗（去空格、大小写、查找）
- 作业：实现简单计算器（加减乘除与括号优先级的基础版可选）

第2周 控制流与迭代
- 目标：使用条件与循环表达基本算法
- 要点：
  - if/elif/else；真值判断与短路逻辑
  - while与for；range、enumerate、zip
  - 基础算法：计数、累积、线性搜索
- 课堂练习：FizzBuzz、猜数字、寻找列表最大/最小值
- 作业：银行取款机简化流程（条件与循环结合，包含输入校验）

第3周 容器类型与推导式
- 目标：熟练操作列表、元组、集合、字典
- 要点：
  - 列表与元组：增删改查、切片
  - 集合：去重、集合运算
  - 字典：键值操作、字典视图、嵌套字典
  - 列表/字典/集合推导式；生成器表达式（了解）
- 课堂练习：成绩列表清洗与统计（均值、方差可选）
- 作业：文本词频统计（去标点、大小写归一、Top N词频）

第4周 函数与模块化
- 目标：用函数抽象问题并组织模块
- 要点：
  - 定义函数、参数（位置、关键字、默认值、*args、**kwargs）
  - 返回值与早退；作用域（LEGB）、可变默认参数陷阱
  - 文档字符串与类型注解（typing的基本用法）
  - 模块与包、import与别名、__name__ == "__main__"
- 课堂练习：将第3周词频程序函数化并拆分模块
- 作业：实现一个实用函数库（字符串清洗、统计、格式化）并写README

第5周 文件与异常、路径与上下文
- 目标：稳定读写文件并正确处理错误
- 要点：
  - 文本/二进制文件读写、编码、with上下文管理器
  - 路径操作：pathlib、os；相对/绝对路径
  - 异常层次、try/except/else/finally、raise与自定义异常
  - 日志入门：logging基本配置（了解）
- 课堂练习：批量重命名/移动文件的小脚本
- 作业：CSV成绩单统计与导出报告（均分、最高分、排序、异常数据处理）

第6周 面向对象与常用标准库
- 目标：理解OOP基础与若干常用库
- 要点：
  - 类与对象、属性与方法、__init__、__repr__、简单继承
  - 数据模型与特殊方法（了解）
  - 标准库速览：datetime、random、math、collections（Counter、defaultdict）、itertools（了解）
- 课堂练习：用类封装“任务清单（ToDo）”的数据与操作
- 作业：将第5周CSV任务重构为类，增加数据校验与统计方法

第7周 数据序列化与命令行工具
- 目标：处理结构化数据并制作可用的命令行脚本
- 要点：
  - JSON读写、CSV读写的差异与边界情况
  - 命令行参数：argparse（子命令、选项、帮助信息）
  - 简单配置文件（JSON或INI）与项目结构
- 课堂练习：命令行“词频统计器”（支持输入路径、停用词列表、输出Top N）
- 作业：命令行“成绩管理器”（增删改查、统计、导入导出）

第8周 调试、测试与综合项目
- 目标：完成小型项目并具备基本质量保证
- 要点：
  - 调试：阅读traceback、VS Code断点与变量监视、print调试技巧
  - 测试：assert、unittest或pytest入门（编写1–2个单元测试）
  - 代码风格：PEP 8、命名规范、注释与文档
  - 打包与发布（了解）：requirements.txt、运行说明
- 课堂练习：为已有函数写测试；定位并修复1–2个缺陷
- 期末项目（示例，四选一或自定）：
  - 命令行ToDo管理器（含持久化到JSON）
  - 文本日志分析器（统计错误级别、时间段聚合）
  - CSV成绩分析与报告生成（支持参数与异常数据处理）
  - 简易通讯录（增删改查、按条件搜索、导入导出）

六、示例活动与教学提示
- 每节课结构建议：
  - 10分钟回顾与小测、20分钟新概念讲解、40分钟分步示范、40分钟分组练习、10分钟总结与布置作业
- 常见难点与提示：
  - 可变默认参数：始终使用None作为默认并在函数内初始化
  - 浮点精度：展示round与decimal的差异与适用场景
  - 字符串与编码：统一使用UTF-8，读写文件显式声明encoding="utf-8"
  - 路径问题：优先使用pathlib，避免手写路径分隔符
  - 错误处理：只捕获可预期异常，打印或记录异常信息便于排查
- 差异化支持：
  - 进阶学生：尝试列表/字典推导式、生成器、itertools、简单正则
  - 初学者：以清晰、冗长但可读的写法为先，逐步引入语法糖

七、配套资源与参考
- 官方文档：docs.python.org（版本选择与课程一致）
- 学习资源：Real Python、Programiz（入门示例清晰）
- 工具清单：VS Code Python扩展、Black或Ruff（代码格式化与检查，课堂可演示）

八、作业提交与质量标准
- 要求：
  - 代码可运行、通过基础测试、无硬编码路径、README说明运行方式
  - 遵守基本风格规范（命名、注释、行宽）
- 评分细则：
  - 正确性与鲁棒性：输入边界与异常处理
  - 可读性与结构：函数化、模块化、文档与类型注解（可选）
  - 测试与调试：至少覆盖核心函数的1–2个用例

九、可选扩展（超纲）
- 简单可视化：matplotlib画折线与柱状图
- 网络请求：requests抓取JSON API并解析
- 简易数据分析：pandas读取CSV并做基础统计（作为预告）

使用建议
- 严格对齐每周目标，控制知识点颗粒度，一次引入一个新难点
- 每节课结束前留出时间复盘与答疑，确保作业与项目循序渐进
- 定期回收反馈，动态调整练习难度与节奏

以上大纲可直接用于开课，也可按班级基础与学时进行精简或扩展。