《大数据概论》课程教学大纲

《大数据概论》教学大纲一、课程基本信息课程名称大数据概论IntroductionToBigData课程编码SCC310521020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32讲授32实验0上机0实践0课外学时32适用专业化工安全工程授课语言中文先修课程程序设计（C）课程简介（限选）《大数据概论》是我校理工科专业的一门限选课。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。"IntroductiontoBigData"isacompulsorycourseforourscienceandengineeringmajors.Thiscoursetakesrelatedconceptsandprocessingproceduresinbigdataasthetheme,andcombinesbigdatacasestounderstandandmasterthebigdataprocessingproceduresandbasicmethods.Throughthestudyofthiscourse,studentsindependentlyselectrelatedtopics,usebigdataideastoconductresearch,andformresearchreports.Thecontentofthiscoursemainlyincludesbigdatafoundation,cloudcomputingunderbigdata,bigdataprocessing,datastatisticsandanalysis,bigdatasecurity,datavisualization,andtypicalcases.Throughthestudyofthesecontents,itishelpfultoapplybigdataideasandtechnologiestoothercoursesofthismajor.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1M1目标1：了解大数据技术发展的历史概况以及前沿。掌握大数据的基本概念和原理。是2M2目标2：能理解时域、频域信号目标2：掌握常见数据集的处理和分析方法，并用程序实现。处理与分析方法是3M3目标3：通过课程项目的实践，撰写报告并答辩，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。////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M10.5讲授0.5自学资料、课后作业31.21.2什么是大数据数据的基本知识、大数据定义、大数据的特征M10.5讲授0.5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M11讲授1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M11讲授1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M11讲授1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、云计算的体系架构、云计算的类型划分、云计算的服务模式M10.5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M10.5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M11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M11讲授1自学资料、课后作业122.52.5案例—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M11讲授1自学资料、课后作业13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。////143.13.1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M11讲授1自学资料、课后作业153.23.2数据清洗处理残缺数据、处理噪声数据、处理冗余数据M12讲授2自学资料、课后作业163.33.3数据变换属性类型变换、属性值变换M11讲授1自学资料、课后作业173.43.4数据集成模式匹配与数据值冲突、数据冗余M11讲授1自学资料、课后作业183.53.5数据归约维归约、数值归约M11讲授1自学资料、课后作业19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。////204.14.1统计分析方法分类与预测、聚类分析、关联分析、异常分析M1,M2,M32讲授2自学资料、大作业214.24.2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M1,M2,M31讲授1自学资料、大作业224.34.3数据挖掘经典算法K-Means算法、KNN算法、决策树算法M1,M2,M32讲授2自学资料、大作业234.44.4案例—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M1,M2,M31讲授1自学资料、大作业24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。////255.15.1安全与隐私问题凸显网络安全漏洞、个人隐私泄露M1,M2,M30.5讲授0.5自学资料、大作业265.25.2大数据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M1,M2,M30.5讲授0.5自学资料、大作业275.35.3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,M31讲授1自学资料、大作业285.45.4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M1,M2,M31讲授1自学资料、大作业295.55.5案例—百度大数据安全实践了解百度大数据安全体系M1,M2,M31讲授1自学资料、大作业30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。////316.16.1数据可视化类型科学可视化、信息可视化、可视分析学M1,M2,M30.5讲授0.5自学资料、大作业326.26.2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,M31讲授1自学资料、大作业336.36.3可视化评估评估分类、评估方法M1,M2,M30.5讲授0.5自学资料、大作业346.46.4案例-基于Python的可视化实现常见可视化图形绘制M1,M2,M32讲授2自学资料、大作业35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。////367.17.1大数据在社交媒体中的应用—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M1,M2,M31讲授1自学资料、大作业377.27.2大数据在旅游业中的应用—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M1,M2,M31讲授1自学资料、大作业387.37.3大数据在金融业中的应用—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M1,M2,M31讲授1自学资料、大作业397.47.4大数据在制造业中的应用—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M1,M2,M31讲授1自学资料、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2~3道题目，平均每次课1道题以上。2.成绩采用百分制，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，课外完成4~6次实验。2.成绩采用百分制，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.成绩采用百分制，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1M1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、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。2M1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。5M3大作业60%A-利用Python语言建立的数据模型正确，完整实现数据预处理、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Python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