《大数据与云计算》课程教学大纲.docx

《《大数据与云计算》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《大数据与云计算》课程教学大纲.docx（11页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、大数据与云计算教学大纲一、课程基本信息课程名称大数据与云计算Big Data And Cloud Computing课程编码SCC321021020开课院部理学院课程团队数据科学团队学分2.0课内学时36讲授24实验0上机12实践0课外学时36适用专业地理信息科学授课语言中文先修课程程序设计（C）课程简介 （限选）大数据与云计算是地理信息科学专业的一门限选课。本课程以大数据中相关概念和处理过程为主题，结合大数据案例，了解和掌 握大数据处理过程和基本方法。通过本课程的学习，学生自主选择相关课题，利用大数据思想进行研究，形成研究报告。本课程内容主要 包括大数据基础、大数据下的云计算、大数据处理、数

2、据统计与分析、大数据安全、数据可视化、典型案例。通过这些内容的学习，有助 于把大数据思想和技术应用到本专业其它课程。Introduction to Big Data is a compulsory course for our science and engineering majors. This course takes related concepts and processing procedures in big data as the theme, and combines big data cases to understand and master the big data p

3、rocessing procedures and basic methods. Through the study of this course, students independently select related topics, use big data ideas to conduct research, and form research reports. The content of this course mainly includes big data foundation, cloud computing under big data, big data processi

4、ng, data statistics and analysis, big data security, data visualization, and typical cases. Through the study of these contents, it is helpful to apply big data ideas and technologies to other courses of this major.负责人大纲执笔人审核人二、课程目标序号代号课程目标0BE毕业要求指标点任务自选1Ml目标1 ： 了解大数据和云计算技术发展的历史概况以及前沿。掌握大数据和云计算技术的基本

5、概念和 原理。是2M2目标2 ：掌握常见数据集的处理和分析方法，并用程序实现。是3M3目标3 ：通过课程项目的实践，培育认识和发现问题的能力和解决工程问题的能力。是4M4目标4 ：能保障课程正常秩序(政治层面、课堂保障层面，非学生能力层面)否三、课程内容序号章节号标题课程内容/重难点支撑课 程目标课内 学时教学方式课外 学时课外环节1第1章第1章大数据基 础本章重点难点：大数据时代的技术基础、大数据的特征、大数 据结构类型、数据科学。i/ /21. 11.1大数据时代大数据时代的技术基础、大数据时代的变革、信息技术(IT) 向数据技术(DT)的转变Ml0.4讲授0.4自学资 料、课后 作业31

6、.21.2什么是大数据数据的基本知识、大数据定义、大数据的特征Ml0.4讲授0.4自学资 料、课后 作业41.31.3大数据结构类 型结构化数据、非结构化数据Ml0.4讲授0.4自学资 料、课后 作业51.41.4大数据的应用大数据在个人生活中的应用、大数据在企业中的应用、大数据 在政府部门中的运用Ml0.4讲授0.4自学资 料、课后 作业61.51.5数据科学和大 数据技术数据科学、大数据技术与工具Ml0.4讲授0.4自学资 料、课后 作业7第2章第2章大数据下 的云计算本章重点难点：云计算的体系架构、虚拟化技术、并行计算技 术、云存储。/82. 12.1云计算概述云计算的定义、云计算的特征

7、、云计算的体系架构、云计算的 类型划分、云计算的服务模式Ml0.5讲授0.5自学资 料、课后 作业92.22. 2云计算技术虚拟化技术、并行计算技术、海量数据管理技术、海量数据存 储技术Ml0.5讲授0. 5自学资 料、课后 作业102.32. 3云计算与云存 储云存储概述、云存储的存储方式、云存储与云计算的关系Ml1讲授1自学资 料、课后 作业112.42.4云计算与大数 据云计算与大数据的关系、云计算与大数据的结合Ml1讲授1自学资 料、课后 作业122.52. 5案例一基于云 计算的智慧城市建 设框架采用云计算的体系架构构建智慧城市框架Ml1讲授1自学资 料、课后 作业13上机课 1上课

8、1 ：云计算平 台在云计算平台上熟悉Hadoop基本操作。M2, M32上机2大作业14第3章第3章大数据处 理本章重点难点：数据采集方法、数据清洗方法、数据变换方 法、数据集成方法、数据规约方式。/153. 13.1数据采集数据采集方法、数据质量评估、数据质量的影响因素Ml1讲授1自学资 料、课后 作业163.23. 2数据清洗处理残缺数据、处理噪声数据、处理冗余数据Ml1讲授1自学资 料、课后 作业173.33. 3数据变换属性类型变换、属性值变换Ml1讲授1自学资 料、课后 作业183.43. 4数据集成模式匹配与数据值冲突、数据冗余Ml1讲授1自学资 料、课后 作业193.53.5数据

9、归约维归约、数值归约Ml1讲授1自学资 料、课后 作业20上机课 2上机课2 ：数据处 理过程使用Python或Mat lab软件实现数据处理过程。M2, M32上机2大作业21第4章第4章数据统计 与分析本章重点难点：分类与预测、聚类分析、关联分析、异常分 析、数据挖掘算法。/224. 14. 1统计分析方法分类与预测、聚类分析、关联分析、异常分析32讲授2自学资 料、大作 业234.24. 2数据挖掘的基 本概念数据挖掘的定义、数据挖掘的分类、数据挖掘的过程31讲授1自学资 料、大作 业244.34. 3数据挖掘经典 算法K-Means算法、KNN算法、决策树算法31讲授1自学资 料、大作

10、 业254.44.4案例一用大数 据来挖掘小时 代采用大数据算法来预测小时代的发行时间等31讲授1自学资 料、大作 业26上机课 3上机课3 ：数据统 计分析过程使用Python或Mat lab软件实现数据统计分析过程。M2, M32上机2大作业27上机课4上机课4 ：数据挖 掘算法使用Python或Mat lab软件实现数据挖掘算法。M2, M32上机2大作业28第5章第5章大数据安 全本章重点难点：网络安全漏洞、个人隐私泄露、大数据安全防 护关键技术、隐私保护技术。/295. 15.1安全与隐私问 题凸显网络安全漏洞、个人隐私泄露30.4讲授0.4自学资 料、大作业305.25. 2大数据

11、时代的 安全挑战信息安全的发展历程、云计算技术带来的安全挑战30.4讲授0.4自学资 料、大作 业315.35. 3如何解决大数 据安全问题大数据安全防护对策、大数据安全防护关键技术M1,M2,M30.4讲授0.4自学资 料、大作 业325.45. 4如何解决隐私 保护问题隐私保护的政策法规、隐私保护技术30.4讲授0.4自学资 料、大作 业335.55. 5案例一百度大 数据安全实践了解白度大数据安全体系30.4讲授0.4自学资 料、大作 业34第6章第6章数据可视 化本章重点难点：信息可视化、可视分析学、视觉编码、统计图 表、可视化评估方法。/356. 16.1数据可视化类 型科学可视化、

12、信息可视化、可视分析学30.5讲授0.5自学资 料、大作 业366.26. 2数据可视化流 程及步骤数据可视化流程、数据处理和变换、视觉编码、统计图表、视 觉隐喻M1,M2,M30.5讲授0.5自学资 料、大作 业376.36. 3可视化评估评估分类、评估方法30.5讲授0. 5自学资 料、大作 业386.46.4案例-基于 Python的可视化 实现常见可视化图形绘制30.5讲授0.5自学资 料、大作 业39上机课 5上机课5 ：可视化使用Python或Mat lab软件实现常见可视化图形。M2, M32上机2大作业40第7章第7章综合案例本章重点难点：综合应用大数据解决实际问题。/417.

13、 17.1大数据在社交 媒体中的应用一社 交媒体大数据基于用户的大数据分析、基于关系的大数据分析、基于内容的 大数据分析31讲授1自学资 料、大作 业427.27. 2大数据在旅游 业中的应用一旅游 大数据旅游数据的问题与发展、大数据与旅游业、旅游与数据挖掘、 旅游平台Ml, M2, M31讲授1自学资 料、大作 业437.37. 3大数据在金融 业中的应用一金融 大数据金融大数据概述、金融大数据的应用、大数据与金融创新31讲授1自学资 料、大作 业447.47.4大数据在制造 业中的应用一工业 大数据大数据下的工业革命、工业大数据、大数据与智能工厂、智能 制造大数据分析31讲授1自学资 料、

14、大作 业45上机课6上机课6 :综合案 例使用Python或Mat lab软件实现综合案例。M2, M32上机2大作业四、考核方式序号考核环节操作细节总评占比1平时作业1 .每周布置23道题目，平均每次课1道题以上。2 .成绩采用白分制，根据作业完成准确性、是否按时上交、是否独立完成评分。3 .考核学生对大数据与云计算技术基本知识的掌握能力，学生综合运用所学知识分析问题、解决问题的能力题型主要有 作图、分析和统计计算题。20%2实验1 .本课程依托大数据平台，完成6次实验。2 .成绩采用白分制，根据实验完成情况评分。3 .考核学生基本数据处理和分析能力。15%3总结1 .使用思维导图对每章节进

15、行提炼总结。2 .成绩采用百分制，根据思维导图的中心主题、整体布局、关键词和层级完成评分。3 .考核学生对大数据与云计算技术基本知识的掌握能力、学习总结能力。15%4大作业1 .本课程要求学生组队自选一个大数据相关题目或实际问题，并利用Python或Matlab语言进行编程实现。2 .成绩采用白分制，根据数据预处理、建模、分析、可视化过程的完整性和准确性评分。3 .考核学生认识和发现问题的能力，以及解决实际问题的能力。40%5考勤刷卡点名5%6课堂表现课堂回答问题情况5%五、评分细则序号课程目标考核环节大致占比评分等级1Ml平时作业50%A-独立思考、按时完成，解题思路清晰、步骤完整、格式合理

16、、答案准确。B-独立思考、按时完成，解题 思路比较清晰、步骤比较完整、格式合理、答案基本准确。C-基本按时完成，解题思路比较清晰、步骤比 较完整、格式比较合理、答案有少量错误。D-作业抄袭，未能按时完成，解题思路混乱，答案错误多。2Ml总结50%A-中心主题明确，整体布局合理，关键词提取精准、合理、完整，层级科学。B-中心主题明确，整体布局 合理，关键词提取比较精准、合理、完整，层级科学。c-中心主题比较明确，整体布局比较合理，关键词 提取比较精准、合理、完整，层级乱。D-中心主题不明确，整体布局比较混乱，关键词提取不精准、不合 理、不完整，层级乱。3M2实验100%A-实验过程中认真完成实验

17、要求，得到正确的实验结果，实验报告格式正确，步骤叙述清楚，正确分析实 验数据，从技术角度优选解决方案获得有效结论。B-实验过程中认真完成实验要求，得到正确的实验结 果，实验报告格式正确，步骤叙述比较清楚，正确分析实验数据，从技术角度优选解决方案获得比较有效 的结论。c-实验过程中认真完成实验要求，不能得到正确的实验结果，实验报告格式正确，步骤叙述清 楚，没有正确分析实验数据，但是结合理论分析可以从技术角度优选解决方案获得有效的结论。D-实验过 程中不能完成实验要求，不能得到正确的实验结果，不能从技术角度优选解决方案获得有效的结论。4M3大作业60%A-利用Python语言建立的数据模型正确，完

18、整实现数据预处理、建模、分析、可视化过程，结果验证合理。B-利用Python语言建立的数据模型正确，比较完整实现数据预处理、建模、分析、可视化过程，结果 验证合理。C-利用Python语言建立的数据模型正确，比较完整实现数据预处理、建模、分析、可视化过 程，结果验证比较合理。D-利用Pylhon语言建立的数据模型不正确，不能完整实现数据预处理、建模、分 析、可视化过程，结果验证不合理。5M3实验40%A-实验过程中认真完成实验要求，得到正确的实验结果，实验报告格式正确，步骤叙述清楚，正确分析实 验数据，从技术角度优选解决方案抉得有效结论。B-实验过程中认真完成实验要求，得到正确的实验结 果，实

19、验报告格式正确，步骤叙述比较清楚，正确分析实验数据，从技术角度优选解决方案获得比较有效 的结论。C-实验过程中认真完成实验要求，不能得到正确的实验结果，实验报告格式正确，步骤叙述清 楚，没有正确分析实验数据，但是结合理论分析可以从技术角度优选解决方案获得有效的结论。D-实验过 程中不能完成实验要求，不能得到正确的实验结果，不能从技术角度优选解决方案获得有效的结论。6M4考勤100%A-全勤且积极参加课堂讨论。B-缺勤1-2次且比较积极参加课堂讨论。C-缺勤3-4次且很少参加课堂讨 论。D-缺勤5次以上且很少参加课堂讨论。评分等级说明：A, B, C, D = 90-100, 75-89, 60-74, 0-59;六、教材与参考资料序号教学参考资料明细1图书1大数据导论，杨尊琦，高等教育出机械工业出版社，2018. 07, ISBN:9787111608424. （*主教材）2图书1数据科学理论与实践（第2版）,朝乐门，清华大学出版社，2019.11, ISBN:9787302531913.