《大数据技术导论》教学大纲
课程名称
大数据技术导论
先修课程
计算机基础、Python编程
课程类别
专业基础课
课程类型
理论+实践
总学时
48
理论学时
24
实践学时
24
教学目的
大数据是国家发展战略，是各专业培养数智化、复合型技术技能人才的必修课程。通过本课程的学习学生能够了解大数据相关基础知识，知晓大数据行业各岗位的技能需求，体验各岗位工作任务，掌握大数据相关工具的使用，最终能够利用大数据思维和工具解决专业问题，提升学习效率。具体包括：
掌握大数据相关基础理论知识，包括大数据特征、发展历程，行业应用，岗位需求邓；
了解大数据平台的整个数据处理流程，掌握大数据采集、预处理、存储、分许、可视化的主流技术架构级常用工具的使用方法，例如爬虫、HDFS数据存储、Python数据挖掘分析和可视化；
能够应用一些主流的大数据工具进行实践任务，如数据爬取、简单的数据分析、以及数据可视化展现等；
能够利用数字思维解决专业问题，从数据中挖掘寻找未知信息，辅助专业实践创新。
教学主要内容
以二手房数据主线介绍大数据的采集、预处理、存储、分析挖掘、可视化等核心技术。课程内容包括大数据概念和特征、发展历程、行业应用、岗位技能、平台架构等理论知识以及Hadoop环境搭建、Python爬虫和预处理、大数据存储、Spark数据分析挖掘、Python数据可视化等全流程的实践实验。
教学方式
本课程的教学方式主要采用课堂讲授和实验操作，包括：课堂讲授、多媒体教学、实验操作、习题解析、课堂讨论等多种形式相结合，培养学生的自学能力、分析问题和解决问题的能力。
教学方法：采用启发式教学和探究式教学，以学生为主体，鼓励学生在掌握书本知识的基础上针对特定需求动手实践，培养学生的自学能力。
教学手段：充分利用电子教案、课件和网络教学平台等多种教学手段和资源。
教学进度
项目
主要内容
学时安排
大数据与大数据时代
大数据时代概念、产生原因、对社会产生的变革，大数据基本特征和处理流程
4
大数据与大数据时代
大数据技术发展历程，大数据产业结构和行业应用，大数据岗位需求
4
大数据处理平台
大数据处理平台产生的原因和特征，Hadoop大数据处理平台架构和两大基础组件HDFS、MapReduce
4
大数据处理平台
大数据处理流程，大数据4种计算模式，5种主流的大数据处理平台架构
4
Hadoop开发环境搭建
虚拟机基础知识和安装使用
4
Hadoop开发环境搭建
Hadoop环境的搭建以及词频统计案例得运行
4
数据采集与预处理
大数据采集的定义，常用的数据采集工具，爬虫的基础知识，Python爬虫环境搭建
4
数据采集与预处理
网页基本结构，网站数据的爬取过程，Python爬虫采集网站上二手房租房数据并进行简单的预处理
4
数据计算与数据存储
常见的大数据计算框架，NOSQL数据库基础知识、HBase数据库基础知识
4
数据计算与数据存储
利用Spark对二手房数据进行简单处理并存储在MySQL
4
数据分析与可视化
常见的大数据分析工具，数据挖掘的常见算法，常见的数据可视化工具
4
数据分析与可视化
利用Python对二手房数据进行分析挖掘并可视化展示结果
4
合计
48
作业要求
完成课堂布置的每章节课后习题。
依照书中的步骤完成每章的实验项目。
考核方式
期末笔试+大作业
成绩构成
期末笔试成绩占50%，大作业成绩占50%
《大数据技术导论》课程标准
课程名称：大数据技术导论
适用专业：大数据技术专业，软件技术专业，人工智能技术专业
课程学分：2
参考学时：54，其中，理论学时24，实践学时30
课程类别：专业基础课
1课程定位
本课程是针对大数据技术与应用专业学生开设的第一门专业课，是专业入门导引课程。课程开设的目的是使学生对大数据领域及其知识技术概况有基本的了解，同时缓冲学生初入大学的专业学习，初步适应高职“行动导向”教学方法，养成“教师重在指导、学生自我能力发展”的专业学习模式。《大数据技术导论》为后续专业课程学习构建一个指导性的知识与技能框架，规划就业导向的学习路线。
2课程目标
2.1知识目标
2.1.1了解大数据技术的历史进程及发展趋势
2.1.2了解大数据领域的岗位情况、专业相关工作岗位的技术特点与质素要求
2.1.3掌握大数据基础知识：大数据的概念和特点，大数据、人工智能、云计算、物联网技术的关联，大数据行业应用和发展前景等
2.1.4了解大数据时代数据工程的相关知识：大数据时代数据特点和数据获取的多样性，数据工程工作流流程（从数据获取-数据存储-数据建模-数据处理），数据存储和数据仓库，数据可视化分析等
2.1.5了解常用的大数据分析算法：如分类、回归、聚类等
2.1.6大数据开发技术路线知识：了解大数据开发流程，了解