《工业大数据与云计算》课程教学大纲（智能制造工程专业）

《工业大数据与云计算》课程教学大纲一、课程简介课程中文名工业大数据与云计算课程英文名IndustrialBigDataandCloudComputing双语授课□是√否课程代码24122129课程学分2总学时数32（含实践4学时）课程类别□通识教育课程□公共基础课程√专业教育课程□综合实践课程□教师教育课程课程性质□必修√选修□其他课程形态□线上√线下□线上线下混合式□社会实践□虚拟仿真实验教学考核方式□闭卷√开卷√课程论文□课程作品□汇报展示□报告√课堂表现□阶段性测试□平时作业□其他（可多选）开课学院机器人工程学院开课系(教研室)智能制造工程系面向专业智能制造工程专业开课学期第6学期先修课程Python程序设计计算机基础机器视觉技术及应用后续课程无选用教材孟宪伟、许贵秋主编.大数据导论.人民邮电出版社,2019年3月.参考书目1.张尧学编著.大数据导论[M]..机械工业出版社,2018年9月,2.杨尊琦编著.大数据导论[M].机械工业出版社，2018年10月.课程资源1.大数据革命.网易公开课（伯克利大学公开课）./movie/2017/5/3/C/MCJPRFO0L_MCJPSK13C.html2.中国大数据.网易公开课（斯坦福大学公开课）/movie/2017/6/N/A/MCMM6TB6L_MCMM75ANA.html课程简介本课程是智能制造工程专业的专业选修课程，主要介绍了大数据处理的整个流程，数据处理的原理、方法、关键技术和工具，以及大数据在当前社会的应用领域和经典案例等。通过学习，学生可以通过数据工程的视角全面了解数据的加工过程，包括数据存储、数据分析、数据挖掘、数据可视化等。对于理解大数据，培养数据思维、系统观起到了基垫的作用，为后序的专业课学习奠定了基础。二、课程目标表1课程目标序号具体课程目标课程目标1掌握工业大大数据技术的知识体系、研究范畴和研究方向，掌握工业大数据思维与算法、数据采集、数据预处理、数据存储、数据挖掘、数据可视化等模块的基本知识。理解大数据技术概念、作用、大数据架构方法，掌握大数据在相关工程问题中的定义、建模、分析和表达。课程目标2能够应用数学、自然科学、计算机科学和软件工程、大数据的基本原理，在云计算问题的构思与设计阶段，通过文献研究、实验试验、工程推理、数学建模等方法，识别和判断云计算系统问题的关键环节和参数，提出并分析复杂云计算问题的解决方案，以获得数学模型、工程知识库等有效结论。课程目标3具备使用系统的方法去认知和学习学科专业知识、构建学科体系框架的能力，掌握大数据软硬件系统和平台的安装和调试方法，具备文献检索、资料查询和分析的基本能力，具有专业相关复杂工程问题与社会可持续发展的客观评价能力和反思能力，具备追求真理的科学精神和精益求精的工匠精神。表2课程目标与毕业要求对应关系毕业要求指标点课程目标毕业要求2：问题分析：能够应用数学、自然科学和相关工程科学的基本原理，识别、表达、并通过文献研究分析复杂智能制造工程问题，以获得有效结论。【H】2.2能够应用工程科学的基本原理，正确识别、表达复杂智能制造工程问题，以获得有效结论。1毕业要求4：研究：能够基于科学原理并采用科学方法对复杂智能制造工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。【M】4.2能够基于科学原理并采用科学方法对复杂智能制造工程问题制定实验方案并实施。2毕业要求6：工程与社会：能够基于智能制造工程专业相关背景知识进行合理分析，评价专业工程实践和复杂智能制造工程问题解决方案对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。【L】6.1熟悉与智能制造工程相关的技术标准、知识产权、产业政策和法律法规，并能据此评价专业工程实践和复杂智能制造工程问题解决方案对社会、健康、安全、法律以及文化的影响。3三、课程学习内容与方法（一）理论学习内容及要求表3-1课程目标、学习内容和教学方法对应关系序号课程模块学习内容学习任务课程目标学习重点难点教学方法学时1数据科学与智能制造工程专业1.数据科学与智能制造专业的定义、学科主流的研究方向综合介绍1.拓展阅读：数据科学的发展课程目标1重点：1.数据科学与大数据技术专业的定义和研究范畴难点：2.数据科学与大数据技术专业的定义讲授法22.解读本专业培养方案课程目标12大数据的发展和概念1.解读人类信息文明和信息技术发展史1.预习：预习整章内容2.拓展阅读：大数据的发展史3.课后作业：教材对应章节的作业课程目标3重点：1.人类信息文明和信息技术的发展史2.大数据时代下，信息技术如何发展难点：3.大数据概念和4V特征4.大数据的应用及价值讲授法专题研讨42.解读大数据时代，讲解大数据的概念和4V特征课程目标13.大数据在社会各领域的应用及体现出的价值课程目标23大数据技术基础1.计算机操作系统及其作用1.预习：预习整章内容2.拓展阅读：C++编程语言3.课后作业：教材对应章节的内容课程目标1重点：1.计算机操作系统的概念及作用2.Hadoop、Spark平台的发展历程以及两个平台的区别难点：3.传统数据库和NoSQL及NewSQL的联系和区别4.熟知常用的编程语言和大数据算法讲授法42.计算机编程语言和算法，以及大数据常用的编程语言和大数据算法课程目标23.传统数据库和NoSQL及NewSQL的联系和区别课程目标24.Hadoop、Spark平台的发展历程以及两个平台的区别课程目标34数据采集与预处理1.大数据的三大数据来源：商业数据、互联网数据和物联网数据1.预习：预习整章内容2.课后作业：教材对应章节的内容课程目标1重点：1.商业数据、互联网数据和物联网数据难点：2.数据采集方法和原理3.数据清理、数据集成、数据变换和数据规约讲授法案例法42.系统日志方法Flume和网页数据采集方法和原理课程目标13.数据预处理的四大任务：数据清理、数据集成、数据变换和数据规约课程目标15大数据存储与管理1.数据存储介质，数据的三种存储模式1.预习：预习整章内容2.拓展阅读：数据存储的相关文献3.课后作业：教材对应章节的内容课程目标2重点：1.数据的存储介质和存储模式难点：2.大数据存储技术：HDFS、HBase、Hive讲授法22.大数据存储的HDFS、HBase、Hive以及云存储技术课程目标26大数据计算框架1.大数据计算框架：批处理、流计算和交互式查询等1.预习：预习整章内容2.拓展阅读：大数据在智能制造领域应用的相关文献3.课后作业：教材对应章节的内容课程目标1重点：1.大数据计算框架：批处理、流计算、交互式查询2.Spark特征及RDD计算模型难点：3.MapReduce思想及其资源调度管理框架讲授法案例法42.MapReduce思想及其资源调度管理框架课程目标33.Spark的特征及SparkRDD计算模型课程目标27数据挖掘1.数据挖掘概念及其对象和价值1.预习：预习整章内容2.拓展阅读：数据挖掘的基本方法3.课后作业：教材对应章节的内容课程目标2重点：1.数据挖掘概念及其对象和价值2.数据挖掘工具及其在各领域的应用难点：3.数据挖掘算法及其原理和应用场景讲授法案例法42.数据挖掘算法及其原理和应用场景课程目标23.数据挖掘工具的种类及其在各领域的应用课程目标38数据可视化1.可视化概念定义及作用1.预习：预习整章内容2.拓展阅读：数据可视化与智能制造之间的关系3.课后作业：教材对应章节的内容课程目标2重点：1.可视化概念定义及作用2.大数据可视化案例，及数据可视化面临的发展方向和挑战难点：3.可视化技术：科学可视化、信息可视化、可视化分析学，及其应用讲授法案例法22.可视化技术：科学可视化、信息可视化、可视化分析学，及其应用场景课程目标23.大数据可视化案例，及数据可视化面临的发展方向和挑战课程目标39大数据与云计算1.云计算的概念和特点，及其体系架构1.预习：预习整章内容2.拓展阅读：云计算对工业发展的作用3.课后作业：教材对应章节的内容课程目标1重点：1.大数据与云计算之间的区别和联系难点：2.云计算的概念和特点，及其体系架构讲授法22.大数据与云计算之间的区别和联系课程目标13.大数据与人工智能之间的关联关系课程目标1实验学习内容及要求表3-2课程目标、学习内容和教学方法对应关系序号项目名称项目来源教学目标（观测点、重难点）学时数项目类型要求每组人数教学方法课程目标1实验1：大数据语言实验教师开发1.掌握大数据常用的编程语言，设计计算机编程语言和算法2验证性必做4-6人实验指导小组讨论22.掌握传统数据库和NoSQL及NewSQL操作方法2实验2：大数据挖掘与可视化教师开发1.应用数据挖掘方法，实现数据挖掘代码实操与代码运行2验证性选做4-6人实验指导小组讨论22.应用数据可视化方法，实现数据可视化实操与代码运行四、课程考核（一）考核内容与考核方式表4课程目标、考核内容与考核方式对应关系课程目标考核内容所属学习模块/项目考核占比考核方式课程目标11.数据科学与智能制造工程专业的知识体系、研究范畴和研究方向，各门专业课之间的内在联系以及主干课程在整个专业体系中所处的地位1-25%课堂表现作业完成情况开卷考试2.大数据技术概念、作用、大数据系统平台，大数据相关工程问题的定义、建模、分析和表达1-53.大数据预处理、存储、可视化分析，大数据与数据挖掘、人工智能、云计算的关联关系2-10课程目标21.使用系统的方法去认知和学习学科专业知识、构建学科体系框架的能力1-1040%开卷考试作业完成情况2.大数据相关平台系统分析研究、提出并解决问题的能力3-63.大数据采集预处理能力、数据挖掘能力、数据可视化能力4-84.文献检索、资料查询和分析的基本能力，相关复杂工程问题和社会可持续发展的客观评价能力和反思能力1课程目标31.开阔数据科学与大数据技术领域的学术视野，激发学习本专业的兴趣，树立学习本专业的责任感与自豪感2-36-810%课堂表现开卷考试2.了解数据科学与大数据技术相关的工程与社会法律法规、具备可持续发展等问题的计算思维方式。1-103.具备良好的文献阅读和拓展分析思维、自主学习意识1-10评分依据：如果课程论文或作品设计是课程考核的唯一方式，必须明确课程论文或作品设计的内容与课程目标的达成度，写明评分依据。表4-2课程目标与考核方式矩阵关系课程目标考核方式考核占比课堂表现成绩比例12%作业完成情况成绩比例6%课堂考勤成绩比例6%实践教学成绩比例36%期末成绩比例40%课程目标140%50%20%40%60%50%课程目标240%50%20%40%40%40%课程目标320%60%20%10%备注：以上考核方式类型及占比均为示例，需确保每一列占比总和为100%。（二）成绩评定1.平时成绩评定（60%）（1）课堂表现（20分）：通过学生在课堂上的表现情况、发言与提问情况，来评价学生相关的能力。（2）作业完成情况（10分）：围绕课程的学习目标，在课程教学模块后安排适当作业，巩固学生对知识的认识，考核学生对于概念的理解情况，对于问题的解决能力，强化学生对智能工厂集成技术的应用掌握。（3）课堂考勤（10分）：主要考核学生迟到、旷课、请假等情况，以考勤情况确定，迟到1次扣2分、旷课1次扣5分，此项可得负分。（4）实践教学（60分）：通过应用型实验开展的表现及实验报告作为考核依据，考核学生对应用实作实验的基础掌握能力、应用执行能力和对探索性问题的综合解决能力。2.期末成绩评定（40%）期末考试采取开卷考试的方式，卷面满分100分。主要考察学生对工业大数据的知识体系，大数据领域的认识和构架的基本概念等，要求学生掌握分布式数据库、Hadoop和Spark平台的工作原理及特性，了解大数据来源并掌握数据预处理原理及方法，了解大数据计算框架，掌握MapReduce思想，理解数据挖掘含义，掌握数据挖掘你发的原理及应用场景，了解数据可视化的定义及其作用和可视化工具，理解大数据与云计算之间的关系。3.总成绩评定总成绩由平时成绩、期末试卷考试成绩构成。总成绩（100%）=平时成绩（60%）+期末试卷考试成绩（40%）（三）评分标准表5评分标准（非试卷考核项目）考核项目评分标准优秀(100>x≥90)良好(90>x≥80)中等(80>x≥70)及格(70>x≥60)不及格(x<60)课堂表现能完成100%以