《大数据与云计算》教学大纲

《大数据与云计算》教学大纲适用范围：202X版本科人才培养方案课程代码：01130471课程性质：学科基础必修课程学分：2学分学时：32学时（理论32学时，实验0学时）先修课程：C语言、概率论与数理统计、智能制造工程导论等后续课程：制造执行系统、精益生产与管理等适用专业：智能制造工程开课单位：机械工程学院一、课程说明《大数据与云计算》是智能制造工程专业本科学生的学科基础必修课。该课程讲授了大数据与云计算技术的基本原理、关键技术和主要研究领域、重点应用等。要求学生掌握大数据与云计算技术的相关概念，掌握大数据分析的基本创新方法，能够针对云计算应用开展切实有效的分析与设计。该课程紧密联系大数据与云计算技术中的前沿内容和所涉及的新技术，例如：虚拟化技术、Hadoop架构、数据分析及数据可视化等，学生通过该课程的学习能够了解基本的大数据与云计算技术和解决实际问题的基本工具和方法，为将来继续深入学习或进行科学研究打下坚实的基础。二、课程目标通过本课程的学习，使学生达到如下目标：课程目标1：了解大数据与云计算基础知识、基本原理及基本应用方法。掌握大数据与云计算的技术架构、应用特点及方案部署等基础知识，能够根据大数据与云计算需求确定技术方案。养成理论联系实际、科学严谨、实事求是的科学态度和职业道德。课程目标2：具备大数据与云计算创新思维，掌握大数据与云计算技术工具的使用原理和方法，并能够理解其局限性，具备从大数据与云计算角度分析智能制造的发展趋势，应用大数据与云计算工具解决智能制造工程中的复杂计算问题。三、课程目标与毕业要求《大数据与云计算》课程教学目标对智能制造工程专业毕业要求的支撑见表1。表1课程教学目标与毕业要求关系毕业要求指标点课程目标支撑强度3.设计/开发解决方案：能够设计针对智能制造工程领域复杂工程问题的解决方案，设计满足特定需求的系统与单元（部件），并能够在设计环节中体现创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。3.1掌握机械工程设计和产品开发的基本方法和技术，能够根据需求确定设计目标，并研究确定技术方案；课程目标1：了解大数据与云计算基础知识、基本原理及基本应用方法。掌握大数据与云计算的技术架构、应用特点及方案部署等基础知识，能够根据大数据与云计算需求确定技术方案。养成理论联系实际、科学严谨、实事求是的科学态度和职业道德。H5.使用现代工具：能够针对智能制造领域复杂工程问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。5.1掌握智能制造领域常用的现代仪器、信息技术工具、工程工具和模拟软件的使用原理和方法；课程目标2：具备大数据与云计算创新思维，掌握大数据与云计算技术工具的使用原理和方法，并能够理解其局限性，具备从大数据与云计算角度分析智能制造的发展趋势，应用大数据与云计算工具解决智能制造工程中的复杂计算问题。H注：表中“H（高）、M（中）”表示课程与相关毕业要求的关联度。四、教学内容、基本要求与学时分配1.理论部分理论部分的教学内容、基本要求与学时分配见表2。表2教学内容、基本要求与学时分配教学内容教学要求，教学重点难点理论学时实验学时对应的课程目标1.云计算和大数据基础1.1云计算概述；1.2大数据技术概述；1.3云计算、大数据与其他技术的关系。教学要求：使学生了解云计算和大数据技术的基本内容和主要研究领域，熟悉本专业的前沿知识和研究热点。重点：了解云计算和大数据技术的基本概念和特征；难点：理解云计算和大数据技术的发展和其他技术之间的关系。212.云计算架构2.1云计算架构概述2.2云计算架构设计与部署2.3云计算架构优化2.4几种典型的云计算架构教学要求：使学生了解云计算的架构特点、设计方法、部署方法；了解典型的云计算架构及应用特点。重点：掌握云计算的基本架构。难点：理解云计算的优化方法和部署过程。41、23.虚拟化技术3.1虚拟化概述3.2虚拟化的关键技术3.3几种典型的虚拟化软件教学要求：使学生了解虚拟化的基本原理与方法；了解虚拟化的关键技术及典型软件；掌握虚拟化的特点、应用场景及设计过程。重点：掌握虚拟化基本原理。难点：理解虚拟化的基本过程。41、24.云计算技术4.1云计算技术概述4.2分布式存储技术4.3云计算网络4.4云计算安全4.5云操作系统4.6云开发4.7云计算运维教学要求：使学生了解云计算的存储计算、网络及安全、操作系统，以及云计算开发与运维的基础知识和基本原理。重点：掌握云计算运维基础知识。难点：理解云计算的整体架构及开发模式。61、25.大数据技术架构5.1大数据技术架构概述5.2大数据技术架构设计5.3Hadoop生态架构5.4Spark生态架构5.5Flink生态架构教学要求：使学生掌握大数据技术的基本架构和基本方法；了解大数据架构设计工具和方法。重点：大数据技术架构基本原理和基本方法。难点:大数据生态架构的应用。41、26.大数据技术6.1大数据处理过程6.2大数据采集与预处理6.3大数据存储技术6.4大数据计算技术6.5数据挖掘与可视化分析教学要求：使学生了解数据采集与处理的基本概念、基本方法；掌握大数据计算的原理，数据挖掘与可视化的基本创新方法。重点：掌握数据采集的基本概念和基本方法。难点：数据挖掘与可视化的原理与实现。61、2云计算与大数据应用7.1在数字政府中的应用7.2在工业领域中的应用7.3在医疗健康中的应用7.4在教育行业中的应用教学要求：使学生理解云计算与大数据在不同场景中的应用方法；掌握云计算与大数据应用案例的特点；重点：云计算与大数据技术与领域知识结合方法；难点:云计算与大数据分析处理案例。61、2合计32五、教学方法及手段本课程以课堂讲授为主，采用启发式、讨论式教学和案例教学等，促进学生积极思考，开发学生的潜能，培养学生思考问题、分析问题和解决问题的能力；以“少而精”为原则，精选教学内容，精讲多练，安排学生小组报告，巩固课堂所学知识；课程利用丰富的大数据与云计算相关线上资源，提供灵活的自主学习平台；通过课堂教学双方互相提问，与学生互动，鼓励学生在课堂上发表自己的对于智能制造过程中大数据技术的见解，加深对知识点的理解，达到课程目标。六、课程资源1.推荐教材：（1）于长青.云计算与大数据技术[M].人民邮电出版社,2023.2.参考书：（1）孙傲冰,姜文超,涂旭平等.云计算大数据与智能制造[M].华中科技大学出版社.2020.（2）王振武.大数据挖掘与应用[M].清华大学出版社.2017.（3）安俊秀,靳思安,黄萍等.云计算与大数据技术应用[M].机械工业出版社.2022.（4）吕云翔,钟巧灵,柏燕峥等.云计算与大数据技术（第2版）[M].清华大学出版社.2023.3.期刊：（1）模式识别与人工智能，中国自动化学会（2）计算机科学，重庆西南信息有限公司（3）计算机工程与应用，华北计算技术研究所（4）Sensors，MultidisciplinaryDigitalPublishingInstitute（5）计算机应用，四川省计算机学会4.网络资源：（1）CSDN专业开发者社区，/（2）慕课网学习，七、课程考核对课程目标的支撑课程成绩由课堂表现、章节测试、作业、课程论文构成，具体考核/评价细则及对课程目标的支撑关系见表3。表3课程考核对课程目标的支撑考核环节占比考核/评价细则课程目标12过程性考核课堂表现10（1）根据课堂出勤情况和课堂回答问题情况以及课下学习线上资料情况进行考核，满分100分。（2）以平时考核成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√55章节测试20（1）根据每个章节的测试情况评分，满分100分；（2）每次章节测试单独评分，取各次测试成绩的平均值作为此环节的最终成绩。（3）以章节测试成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√1010作业30（1）主要考核学生对线上资料学习情况，和对各章节知识点的复习、理解和掌握程度，满分100分；（2）每次作业单独评分，取各次成绩的平均值作为此环节的最终成绩。（3）以作业成绩乘以其在总评成绩中所占的比例计入课程总评成绩。√√2010课程论文40（1）成绩100分，以成绩乘以其在总评成绩中所占的比例计入课程总评成绩。（2）主要考核大数据知识的综合掌握和应用能力，涵盖大数据分析整个生命周期。√√2020合计：100分5545八、考核与成绩评定1.考核方式及成绩评定考核方式：本课程主要以课堂表现、章节测试、作业、课程论文等方式对学生进行考核评价。考核基本要求：课堂表现、章节测试、作业等评价成绩的权重为60%；课程论文成绩的权重为40%。2.过程性考核成绩的标准过程性考核方式重点考核内容、评价标准、所占比重见表4。表4过程性考核方式评价标准考核方式所占比重(%)100＞x≥9090＞x≥8080＞x≥7070＞x≥60X＜60课堂表现10按时上课，积极参与教学活动，踊跃回答问题，参与度大于90%按时上课，认真参与教学活动，参与度大于80%按时上课整，偶尔参与教学活动，参与度大于70%偶尔迟到，参与度大于60%有旷课情况，参与度小于60%章节测试20认真复习，按时完成章节测试，准确率大于90%认真复习，按时完成章节测试，准确