《大数据导论》课程教学大纲

一、课程介绍

《大数据导论》是面向汽车学院车辆工程专业本科生开设的学科基础课程选修课。过去的十年，随着科技产品和成果的不断涌现，冲击着人类的生活方式和思维方式：智能移动设备、人工智能、云计算、物联网、社交网络、“共享”等等，使人类认知世界的方式和方法发生了巨大变化。在这些平台和技术的运用中，都堆积着一个强大的资源——大数据！海量的数据涌入我们的生活，其数目已远远超越目前人力所能处理的范围，需要人们探索如何对这些数据进行管理与运用。大数据时代需要一大批具有大数据知识和技能的人才。通过本课程的开设，使学生了解大数据的发展概况，掌握大数据处理的基本方法原理，并学会将大数据科学与自己的专业领域相结合。

Introduction

The 《Big Data Fundamentals》 course is a subject-based elective course for undergraduates majoring in vehicle engineering at the Automotive College. Over the past decade, the continuous emergence of scientific and technological products and achievements has impacted the way of life and thinking of human beings，such as Smart Mobile Devices, Artificial Intelligence, Cloud Computing, Internet of Things, Social Networks, Sharing, etc. which have dramatically changed the way humans perceive the world. In the application of these platforms and technologies, there is a powerful resource - big data. Massive data flooded into our lives, the number of which has far exceeded the scope of the current human processing, people need to explore how to manage and use these data. In the era of big data, a large number of talents with knowledge and skills of big data are needed Through the opening of this course, students can understand the development of big data, master the basic principles of big data processing, and learn to combine big data science with their own professional fields.

课程基本信息

二、教学大纲

1、教学目标

1.1 教学目标

本课程的目标是使学生通过课程的学习，使学生了解大数据技术的基础上，理解云计算与大数据之间的关系；学会大数据梳理的基本流程方法，从数据的采集、数据清洗、数据变化、数据集成到数据归约。初步掌握数据统计分析方法，了解数据挖掘的基本概念和算法；了解大数据的安全与隐私问题；了解大数据在社交媒体、医疗、旅游、金融和制造业中的应用于融合。通过学习大数据基础知识和理论的学习，是学生理解大数据分析问题的思路和方法，为以后结合各自专业领域与大数据融合的实际解决问题奠定基础。

本课程达成如下业务能力培养要求：

1.掌握大数据技术的基本概念及基础知识，掌握分析问题的思路和方法，具备解决领域应用的基础能力。

2.掌握大数据系统的基本架构体系，了解大数据与云计算之间的关系，掌握大数据处理的过程，掌握数据统计与分析方法，了解大数据的发展趋势与前沿问题，使学生不断学习和适应信息技术发展变革的能力，为以后专业在大数据中的应用奠定基础。

1.2 教学目标与毕业要求指标点对应关系

表1 教学目标与毕业要求指标点对应关系

2、教学要求

教师要积极备课，认真准备实验，对课程内容要融会贯通，切忌照本（幕）宣科。注重知识的拓展，并在课堂上加强思政教育。

通过理论知识教学，结合典型实例分析，充分利用多媒体动画教学使学生掌握理论知识，具备分析问题解决问题的能力。

成绩评价体系标准真实、严谨、公平、公正、公开，能促使学生学习的积极性。

3、预备知识或先修课程要求

《大学计算机基础》

4、教学方式

表2 教学方法（与教学目标对应）

5、课程教学内容及学时分配

5.1 教学内容及学时分配

第一章　绪论（2学时）

本章重点、难点：了解大数据的基本定义与特征，大数据的结构类型，大数据的应用与优势。

第一节  大数据时代（0.5学时）

第二节  什么是大数据（0.5学时）

第三节  大数据的结构类型（0.5学时）

第四节  大数据的应用（0.5学时）

第二章　大数据下的云计算（2学时）

本章重点、难点：了解云计算的定义、特征与体系架构，掌握大数据与云计算之间的关系，了解其应用。

第一节  云计算概述与云计算技术（0.5学时）

第二节  云计算与云存储（0.5学时）

第三节  云计算与大数据（0.5学时）

第四节  案例——基于云计算的智慧城市建设框架（0.5学时）

第三章 大数据处理（4学时）

本章重点、难点：了解数据采集、数据清洗、数据变换、数据集成、数据归约的方法与有关知识。

第一节  数据采集（1学时）

第二节  数据清洗（1学时）

第三节  数据变换（0.5学时）

第四节  数据集成（0.5学时）

第五节  数据归约（1学时）

第四章 数据统计与分析（4学时）

本章重点、难点：了解数据统计分类方法与预测；理解数据挖掘的基本概念；掌握数据挖掘的境地算法，同时结合案例《小时代》进行数据挖掘应用。

第一节  统计分析方法（1学时）

第二节  数据挖掘的基本概念（1学时）

第三节  数据挖掘经典算法（1学时）

第四节  案例——用大数据来挖掘《小时代》（1学时）

第五章　大数据安全  （2学时）

本章重点、难点：了解大数据时代面临的安全调整，掌握大数据安全防护对策，同时结合百度大数据安全案例进行实践。

第一节  安全与隐私问题凸显（0.5学时）

第二节  大数据时代的安全挑战（0.5学时）

第三节  如何解决大数据安全问题和隐私保护问题（0.5学时）

第四节  案例——百度大数据安全实践（0.5学时）

第六章  数据可视化（4学时）

本章重点、难点：了解数据可视化的意义、可视化的类型，理解数据可视化的流程及步骤，掌握数据可视化评估方法。

第一节  数据可视化类型（1学时）

第二节  数据可视化流程及步骤（2学时）

第三节  可视化评估（1学时）

第七章　大数据在各个领域中的应用 （4学时）

本章重点、难点：以社交媒体、旅游业、金融业、制造业为例，了解各个行业目前所面临的问题与发展，理解大数据与数据挖掘在各个领域中的应用。

第一节  大数据与社交媒体的融合（1学时）

第二节  大数据在旅游业中的应用（1学时）

第三节  大数据在金融业中的应用——金融大数据（1学时）

第四节  大数据在制造业中的应用——工业大数据（1学时）

第八章　总结与展望 （2学时）

本章重点、难点：大数据在汽车上的应用前景。

第一节  大数据在汽车产业中的应用（1学时）

第二节  展望（1学时）

5.1 教学内容及教学目标对应关系

表3 教学内容与教学目标对应关系

6、考核要求、考核方式及成绩评定标准

6.1考核方法

表4 考核方法（与教学目标对应）

6.2考核标准

表5 考核标准

6.3成绩评定

（1）课程作业

采用百分制。由教师根据两次作业的实际完成情况，给出成绩。

（2）成绩评定

本课程考核性质为考查，综合考虑两次课程作业表现及理论课出勤率确定总成绩，其中课程作业1（40%），课程作业2（50%），出勤（10%）。成绩分为优秀、良好、中等、合格和不合格五个等级，计算公式如下：

总成绩=课程作业1（40%）+课程作业2（60%）+出勤（10%）。

考核方式及成绩占比为：