大数据导论-教案全套 张良均 第1-7章 大数据导论- 大数据技术应用实例 教案

第1章大数据概述教案课程名称：大数据导论课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：20学分本章学时：2学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标根据目前大数据技术的发展状况，介绍三次信息化浪潮的内容，引出大数据技术的发展历史，以及在信息化中的重要作用。而后介绍大数据的概念，概念的提出者，大数据在国内外发展的现状。介绍大数据的5v特性，每个特性的内容。介绍大数据产业的发展现状，大数据的产业链，大数据的技术体系，最后介绍大数据岗位需求，根据市场岗位需求，找到学习的重点。基本要求了解大数据的发展历史。了解大数据的概念。了解大数据的起源和特点。了解大数据的产业发展现状。了解大数据的产业链。了解大数据岗位需求。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。什么是大数据？大数据的大体现在哪里？大数据时代和信息化时代的差异是什么？大数据产业有哪些？大数据有哪些工作岗位？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。大数据的内容是不是越多越好？大数据相关的产业有哪些？哪些技术属于大数据？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。大数据时代的到来是不是具有必然性？大数据技术能颠覆哪些传统行业？你身边有哪些大数据技术？主要知识点、重点与难点主要知识点大数据的概念。大数据的5v特性。大数据相关的产业链。大数据的技术体系。重点大数据的概念。大数据的5v特性。难点大数据的5v特性内涵。教学过程设计理论教学过程大数据的概念。大数据的特性。大数据的产业链。大数据的行业发展现状。大数据的技术体系。大数据的岗位需求。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第2章大数据采集教案课程名称：Python数据分析与应用课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：4学时材料清单《Python数据分析与应用》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标以实例的形式引入大数据存储与管理的基本应用场景，介绍大数据存储与管理的相关概念、传统数据存储技术、大数据时代数据存储技术等，让读者初步了解大数据存储与管理的基本原理和技术演进路线。然后，从基本结构、应用场景等方面介绍MySQL、Hive、HBase、MongoDB和Redis几种主流的分布式存储框架，为深入进行大数据存储与管理的实践应用奠定基础。最后，实现Flume和Sqoop的安装和配置。基本要求了解大数据采集的概念和数据来源。了解传统数据采集与大数据采集的区分与联系。了解大数据采集的技术。熟悉大数据采集方法以及采集数据的流程。掌握Flume和Sqoop的安装和配置。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。采集的数据在哪里？数据源哪些可以公开采集，哪些不能？数据的哪些特征决定用不同的采集技术？实时采集与非实时采集的应用场景有哪些不同？分布式存储框架中框架是什么？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。网络采集的基本方法和所用工具的异同？数据仓库中的数据采集是在什么场景下实施的，主要过程是什么？系统日志采集发生的场景，所用的主要技术有哪些？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。网络数据采集遇到的问题及解决方法？未来数据采集的发展趋势？由浅入深学习网络采集的基本路径是什么？主要知识点、重点与难点主要知识点大数据采集的概念和数据来源。网络数据实时采集。系统日志数据采集。基于数据仓库的数据批量采集。主流的大数据采集框架。重点大数据采集的概念和数据来源。网络数据实时采集。难点系统日志数据采集。基于数据仓库的数据批量采集。教学过程设计理论教学过程实例引入。了解大数据采集。大数据采集的概念和数据来源。基于数据仓库的数据批量采集。系统日志数据采集。网络数据实时采集。主流的大数据采集框架。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第3章大数据存储与管理教案课程名称：大数据导论课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：6学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标以实例的形式引入大数据存储与管理的基本应用场景，介绍大数据存储与管理的相关概念、传统数据存储技术、大数据时代数据存储技术等，初步了解大数据存储与管理的基本原理和技术演进路线。然后，从基本结构、应用场景等方面介绍MySQL、Hive、HBase、MongoDB和Redis等主流的分布式存储框架，为深入进行大数据存储与管理的实践应用奠定了基础。最后，实现MySQL、Hive、HBase的安装和配置。基本要求了解数据存储概念和数据类型。了解传统的数据存储技术和大数据存储技术。了解大数据存储技术及主流分布式存储框架。熟悉大数据存储方法和基本过程。掌握MySQL、Hive、HBase的安装和配置。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。数据的类型有哪些？不同类型的数据存储的方式有什么不同？文件系统和数据库之间的区别？数据库、数据仓库之间的区别？数据存储方式的变化？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。关系数据库数据存储的基本方法和不同数据库的异同？数据仓库数据存储的基本方法和典型数据仓库的作用？分布式存储系统和云存储产生原因、数据存储基本模式和应用场景？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。数据类型发生的变化规律？未来数据存储技术的发展趋势？数据存储在数据生命周期中的地位作用？主要知识点、重点与难点主要知识点数据存储的数据类型。传统的数据存储技术。分布式存储系统。云存储。主流的分布式存储框架。重点分布式存储系统。云存储。难点传统的数据存储技术。云存储。教学过程设计理论教学过程实例引入。了解大数据存储。数据存储的数据类型。传统数据存储技术。分布式存储系统。云存储。主流的分布式存储框架。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第4章大数据分析教案课程名称：大数据导论课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：6学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标在大数据时代，人们关注的是如何利用大数据技术挖掘出潜在的商业价值，以及如何在人们的生活中使用大数据技术。相比于传统的线下会员管理、问卷调查、购物车分析，企业能够使用大数据分析对用户行为等信息进行分析、构建用户画像，通过用户画像进一步精准、快速地分析用户行为习惯、消费习惯等重要商业信息，实现精准营销。本章从个性化用户画像实现精准营销的实例展开介绍，包括大数据实现精准营销、用户画像是什么、构建个性化用户画像；然后介绍大数据分析技术，包括数据分析与数据挖掘、数据认知、数据处理、分析建模和模型评价；最后介绍主流的大数据分析处理框架，包括Hadoop、Spark、Flink、Storm、Graph据目前数据分析发展状况，将数据分析具象化。而后介绍数据分析的概念，流程，目的以及应用场景。阐述使用Python进行数据分析的优势。列举说明Python数据分析重要库的功能。紧接着阐述Anaconda简介，实现在Windows和Linux两个系统下Anaconda数据分析环境。最后展现Python数据分析工具JupyterNotebook的优异特性及使用方法。基本要求了解什么是用户特征画像了解大数据分析技术的概念。了解数据认知的内容。了解数据处理的概念。了解数据处理的方式和过程。了解数据建模的概念。了解模型评估的方法了解数据分析的处理框架有哪些？问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。用户画像能做什么？大数据分析能够做什么？现实生活中存在哪些数据分析技术？该如何进行数据分析？什么是数据分析处理框架？使用数据分析处理框架的优势是什么？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。用户画像可以用在哪些场景？如何避免利用用户画像作恶？数据分析的能够应用在那些场景？数据分析处理框架都有哪些优缺点？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。数据分析是不是万能的？分析建模方法还用在哪些领域？分析本班人员的基本信息可以使用哪些框架？主要知识点、重点与难点主要知识点用户画像的作用和方法。数据分析的常用技术。数据分析的主要框架。每个框架的使用方法。重点数据分析的概念、方法和框架。数据分析框架的使用方法。难点数据分析的处理框架的使用。教学过程设计理论教学过程数据分析的概念。数据分析的流程。数据分析的应用场景。数据分析的主要方法。数据分析的处理框架。数据分析的常用框架使用方法。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第5章数据可视化教案课程名称：大数据导论课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：6学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标随着大数据时代的到来，可视化技术越来越多地被人们用于理解和分析数据，以获悉数据背后的规律。可视化技术将符号或数据转变为几何描述，为大数据分析提供了一种更加直观的理解分析与展示手段，有助于发现其中蕴含的规律，在各行业得到了广泛应用。本章从某机场数据可视化大屏的实例展开介绍，然后介绍数据可视化图形设计、数据可视化主要技术，最后介绍主流的数据可视化工具法。基本要求了解数据可视化的基本概念。了解数据可视化的发展方向。了解数据可视化的图像设计流程。了解数据可视化的主要技术。了解主流的数据可视化工具。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。数据可视化的作用是什么？数据可视化的设计流程？数据可视化的发展方向？一般数据可视化图形设计流程？数据可视化的一般技术？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。可视化带来什么好处？可视化解决的问题是什么？不使用数据可视化技术会带来什么麻烦？你了解身边有哪些可视化的应用场景？你知道哪些数据可视化技术拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。数据可视化未来有哪些发展方向？VR技术是否可以用于数据的可视化？为什么要使用可视化框架？主要知识点、重点与难点主要知识点数据可视化的作用和方法。数据可视化的常用技术。数据可视化的主要框架。每个数据可视化框架的使用方法。重点数据可视化的概念、方法和框架。数据可视化框架的使用方法。难点数据可视化框架的使用方法。教学过程设计理论教学过程数据可视化的概念。数据可视化的作用。数据可视化的应用场景。数据可视化的设计思路。数据可视化的工具及使用方法。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第6章数据安全、隐私保护与开放共享教案课程名称：大数据导论课程类别：选修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：4学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标本章教学目标致力于培育学生对大数据安全的全面认识和隐私保护的深刻理解。我们旨在使学生掌握数据全生命周期的安全防护技术，能够熟练应用数据脱敏与去标识化技术，保护个人隐私。同时，教学将深入探讨数据开放与共享的原则，以及其在社会治理中的积极作用。课程内容将强调法律法规和数据伦理的重要性，提升学生的信息安全意识和信息素养。通过案例分析、角色扮演等互动教学方法，我们鼓励学生在实际情境中有效沟通，应用所学知识解决数据安全问题。我们期望通过本章教学，激发学生的终身学习兴趣，培养他们成为具有高度责任感和专业素养的数据公民，为未来的数据驱动世界做好准备。基本要求理解数据安全重要性：掌握大数据安全基础。掌握隐私保护技术：学习数据脱敏与去标识化。学习技术体系架构：熟悉数据安全技术架构。分析数据共享原则：理解开放数据概念与实施。法律法规与伦理意识：了解相关法规，培养伦理观。提升信息素养：增强信息识别与管理能力。培养批判性思维：发展问题解决与分析技能。沟通与表达能力：提高交流与观点表述技巧。激发终身学习兴趣：鼓励持续探索与学习热情。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。你们还记得中国古代的四大发明吗？古代中国的四大发明为全人类的进步起到了重要的作用，而现在的中国也在科技创新上不断努力进步，取得了很多成就，我们一起来看看吧。你们看到了什么？它有什么作用呢？宇航员们去了哪里？你们猜，他们在空间站里会做些什么事呢？你们猜猜这是什么？它有什么作用呢？探究性问题探究性问题需要教师深入钻研教材的基础上精心设计，提问的角度或者在引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。大数据安全及隐私保护的现状是怎么样的？数据开放与共享的实施有哪些方面？数据安全与隐私保护技术在实际生活中的应用有哪些？拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。如何在保护个人隐私和促进数据利用之间找到平衡？数据开放与共享中可能遇到哪些伦理问题？不同国家的数据安全法规和标准存在哪些差异？大数据技术如何促进社会治理的创新？组织应如何制定有效的数据泄露预防措施？预测未来数据安全技术的发展趋势。主要知识点、重点与难点主要知识点大数据安全概述：理解大数据安全的基本概念和重要性。隐私保护技术：掌握数据脱敏和去标识化技术。技术体系架构：学习大数据安全与隐私保护的技术架构。数据全生命周期管理：了解数据从采集到销毁的安全防护措施。数据开放与共享概念：理解开放数据的定义和特点。数据开放与共享意义：探讨数据共享对资源利用和工作效率的提升。数据开放与共享实施：学习数据集选择、开放许可协议和数据集发现与获取。教学重点数据安全与隐私保护的策略：强调数据安全的重要性和隐私保护的方法。技术体系架构的应用：重点讲解不同层次的安全防护技术及其应用。数据全生命周期的安全措施：重点掌握各环节的安全防护技术和策略。数据开放与共享的实践：强调开放数据的社会效益和实施步骤。教学难点数据安全技术的综合应用：在不同场景下应用数据安全技术可能具有挑战性。隐私保护技术的深入理解：深入掌握数据脱敏和去标识化技术的原理和应用。数据开放与共享的伦理和法律问题：理解数据共享中的伦理和法律界限可能较为复杂。数据全生命周期的安全防护实施：在实际操作中实施全生命周期的安全防护可能存在困难。教学过程设计理论教学过程大数据安全概述：理解大数据安全的基本概念和重要性。隐私保护技术：掌握数据脱敏和去标识化技术。技术体系架构：学习大数据安全与隐私保护的技术架构。数据全生命周期管理：了解数据从采集到销毁的安全防护措施。数据开放与共享概念：理解开放数据的定义和特点。数据开放与共享意义：探讨数据共享对资源利用和工作效率的提升。数据开放与共享实施：学习数据集选择、开放许可协议和数据集发现与获取。教材与参考资料教材林涛，张良均．大数据导论[M]．北京：人民邮电出版社．2024．参考资料[1] 肖芳，张良均．Spark大数据技术与应用[M]．北京：人民邮电出版社．2018．[2] 王哲，张良均．Hadoop与大数据挖掘（第2版）[M]．北京：机械工业出版社．2022．[3] 张军，张良均．Hadoop大数据开发基础（第2版）（微课版）[M]．北京：人民邮电出版社．2021．第7章大数据技术应用实例教案课程名称：大数据导论课程类别：必修适用专业：大数据技术类相关专业总学时：32学时（其中理论32学时）总学分：2.0学分本章学时：4学时材料清单《大数据导论》教材。配套PPT。引导性提问。探究性问题。拓展性问题。教学目标与基本要求教学目标本章紧紧围绕信息爆炸时代大数据技术的应用场景展开研究，首先介绍大数据技术在城市管理中的应用，包括城市公交用户智能交通出行分析、环保监测，然后介绍大数据技术在金融领域的运用，接着介绍大数据技术在互联网领域的应用，最后介绍大数据技术在零售行业的应用。基本要求了解大数据在识别城市公交用户出行方式方面的应用。了解大数据如何推动智慧环保落地。了解大数据如何在股票预测方面发挥作用。了解大数据如何为上市公司发展提供借鉴。了解大数据在互联网领域的应用。了解大数据在零售业中的应用。问题引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决