《大数据导论》课程大纲一、课程名称：大数据导论二、课程性质：必修、理论课三、学时与学分：24学时，1.5学分四、课程先导课：信息技术导论，数据结构等五、课程简介《大数据导论》课程是计算机专业的通识课程，为学生学习大数据管理、处理与分析等关键技术打下基础。它是一门通识课程，也是数据科学与大数据专业的必要课程。通过课程的学习，让学生了解大数据专业的内涵特点、大数据与社会经济发展的关系以及大数据的主要学科知识和课程体系。同时培养学生大数据处理问题的思维，引导学生认识大数据技术，要求学生了解学习大数据需要掌握的技术技术知识，熟悉海量数据处理的基本流程以及与之匹配使用的主要技术和工具。通过本课程的学习，加深学生对大数据的认识，并为后续专业课程打下良好的基础。六、课程目标通过相关教学活动，课程学习让学生掌握大数据的概念和基本特征，了解大数据、云计算与人工智能的关系，了解大数据与社会各领域的应用关系。通过对大数据硬件架构和处理流程及相关技术与工具介绍，让学生了解数据预处理，Hadoop、Spark、数据存储及数据分析等技术。通过课程的学习为后续相关课程做铺垫，让学生可以选择不同方向继续大数据的深入学习。课程的具体目标包括：目标1：全面阐述大数据涵盖的基础内容：培养学生认知能力，建立使用大数据技术解决问题的思维；目标2：掌握大数据基本概念、介绍大数据核心关键技术；培养学生数据搜集、加工处理和分析的能力；目标3：对大数据技术的广泛应用及前沿发展有所了解：通过学习大数据所带来的新应用、新技术、新工具，培养学生的创新精神，促进学生将大数据与生活结合起来。七、课程自标对毕业要求的支撑关系
《大数据导论》课程大纲 一、课程名称：大数据导论 二、课程性质：必修、理论课 三、学时与学分：24 学时，1.5 学分 四、课程先导课：信息技术导论，数据结构等 五、课程简介 《大数据导论》课程是计算机专业的通识课程，为学生学习大数据管理、处 理与分析等关键技术打下基础。它是一门通识课程，也是数据科学与大数据专业 的必要课程。通过课程的学习，让学生了解大数据专业的内涵特点、大数据与社 会经济发展的关系以及大数据的主要学科知识和课程体系。同时培养学生大数据 处理问题的思维，引导学生认识大数据技术，要求学生了解学习大数据需要掌握 的技术技术知识，熟悉海量数据处理的基本流程以及与之匹配使用的主要技术和 工具。通过本课程的学习，加深学生对大数据的认识，并为后续专业课程打下良 好的基础。 六、课程目标 通过相关教学活动，课程学习让学生掌握大数据的概念和基本特征，了解大 数据、云计算与人工智能的关系，了解大数据与社会各领域的应用关系。通过对 大数据硬件架构和处理流程及相关技术与工具介绍，让学生了解数据预处理， Hadoop、Spark、数据存储及数据分析等技术。通过课程的学习为后续相关课程 做铺垫，让学生可以选择不同方向继续大数据的深入学习。 课程的具体目标包括： 目标 1：全面阐述大数据涵盖的基础内容；培养学生认知能力，建立使用大 数据技术解决问题的思维； 目标 2：掌握大数据基本概念、介绍大数据核心关键技术；培养学生数据搜 集、加工处理和分析的能力； 目标 3：对大数据技术的广泛应用及前沿发展有所了解；通过学习大数据所 带来的新应用、新技术、新工具，培养学生的创新精神，促进学生将大数据与生 活结合起来。 七、课程目标对毕业要求的支撑关系
支撑的毕业要求二级指标点对应课程目标1.3能将软硬件知识、相关工程知识和模型方法用于推演和分析计算目标1机复杂工程问题1.4能将软硬件知识、相关工程知识和模型方法用于计算机复杂工程目标2问题解决方案进行比较和综合2.1能综合运用数学、自然科学、工程科学以及计算机科学的基本原目标3理，识别、判断和表达计算机复杂工程问题的关键环节12.1能认识到计算机技术日新月异的发展特点，认同自主学习和终目标4身学习的必要性12.2具备自主学习能力，能通过多种途径拓展自己的知识和能力，目标5包括理解能力，归纳总结的能力和提出问题的能力等八，教学设计及对课程目标的支持第一章数据与大数据1.教学目标1）了解国际、国内大数据的发展现状；2）了解从数据到大数据的发展脉络，大数据应用现状：3）掌握大数据多边定义，大数据是什么、有什么用以及如何用：4）熟悉大数据价值期望，了解大数据的研究范式；5）熟悉大数据技术图谱，大数据的生命周期以及大数据价值实现。本章教学支持课程目标1和课程目标3。2.教学重点1）大数据的多边定义和理解这是大数据的出发点，要求学生能深刻理解大数据的内涵，大数据不仅仅是“大”，所谓大数据，是指数据本身及为了实现“数据->价值”。大数据已成为联系人类社会、物理世界和信息世界的纽带，需要构建融合人、机、物三元世界统一的信息系统。2）大数据价值期望熟悉大数据所对应的价值，了解大数据引导传统产业重构并催生新兴业态，基于大数据所带来的新型人工智能应用快速发展。3.教学难点1）大数据价值实现的系列方法、思路和策略掌握如何从数据到知识、从知识到智能的能力。4.教学环节设计围绕教学重点和教学难点，综合应用课堂讲授与讨论、作业、课外实践和课外阅读等教学形式
支撑的毕业要求二级指标点 对应课程目标 1.3 能将软硬件知识、相关工程知识和模型方法用于推演和分析计算 机复杂工程问题 目标 1 1.4 能将软硬件知识、相关工程知识和模型方法用于计算机复杂工程 问题解决方案进行比较和综合 目标 2 2.1 能综合运用数学、自然科学、工程科学以及计算机科学的基本原 理，识别、判断和表达计算机复杂工程问题的关键环节 目标 3 12.1 能认识到计算机技术日新月异的发展特点，认同自主学习和终 身学习的必要性 目标 4 12.2 具备自主学习能力，能通过多种途径拓展自己的知识和能力， 包括理解能力，归纳总结的能力和提出问题的能力等 目标 5 八、教学设计及对课程目标的支持 第一章 数据与大数据 1.教学目标 1）了解国际、国内大数据的发展现状； 2）了解从数据到大数据的发展脉络，大数据应用现状； 3）掌握大数据多边定义，大数据是什么、有什么用以及如何用； 4）熟悉大数据价值期望，了解大数据的研究范式； 5）熟悉大数据技术图谱，大数据的生命周期以及大数据价值实现。 本章教学支持课程目标 1 和课程目标 3。 2.教学重点 1）大数据的多边定义和理解 这是大数据的出发点，要求学生能深刻理解大数据的内涵，大数据不仅仅是 “大”，所谓大数据，是指数据本身及为了实现“数据->价值”。大数据已成为 联系人类社会、物理世界和信息世界的纽带，需要构建融合人、机、物三元世界 统一的信息系统。 2）大数据价值期望 熟悉大数据所对应的价值，了解大数据引导传统产业重构并催生新兴业态， 基于大数据所带来的新型人工智能应用快速发展。 3.教学难点 1）大数据价值实现的系列方法、思路和策略 掌握如何从数据到知识、从知识到智能的能力。 4.教学环节设计 围绕教学重点和教学难点，综合应用课堂讲授与讨论、作业、课外实践和课 外阅读等教学形式
1）讨论围绕大数据分类、数据智能与数据科学等问题展开。2）作业围绕大数据价值实现进行布置。3）课外实践要求学生学习亚马逊的大规模推荐系统，大数据下淘宝“千人千面”，今日头条数字营销，将学习的结果应用于本章的课堂讨论。4）课外阅读阅读观看央视《大数据时代》纪录片。第二章大数据感知与获取本章的主要知识点包括数据获取的渠道，内部数据及获取方法，外部数据及获取方法和深网数据及获取方法。1.教学目标1）了解海量数据的产生；2）熟练掌握多种多样的数据格式3）掌握不同数据源需不同的获取协议；大数据应用的多源性特征；不同数据源的获取技术/策略；4）了解几种典型的数据获取途径。本章教学支持的课程目标为目标2。2.教学重点1）数据格式将本章多中多样的数据格式主要包括交易记录、系统日志、搜索历史、社交等，让学生深刻理解数据是信息时代的基础生活资料与市场要素。2）数据获取让学生理解不同数据源的获取协议、掌握大数据应用的典型特征、数据获取渠道的技术流分类。理解内部数据与互联网数据的不同。3.教学难点1）外部数据获取理解网络大数据的特性，多源异构性、时效性、社会性和高噪音等：掌握利用网络爬虫自动抓取万维网信息。2）深网数据及获取方法了解深网内容的价值，深网信息的特点：课程教学阶段要让学生通过对深网数据的深刻理解，掌握相应数据获取的方法
1）讨论 围绕大数据分类、数据智能与数据科学等问题展开。 2）作业 围绕大数据价值实现进行布置。 3）课外实践 要求学生学习亚马逊的大规模推荐系统，大数据下淘宝“千人千面”，今日 头条数字营销，将学习的结果应用于本章的课堂讨论。 4）课外阅读 阅读观看央视《大数据时代》纪录片。 第二章 大数据感知与获取 本章的主要知识点包括数据获取的渠道，内部数据及获取方法，外部数据及 获取方法和深网数据及获取方法。 1.教学目标 1）了解海量数据的产生； 2）熟练掌握多种多样的数据格式； 3）掌握不同数据源需不同的获取协议；大数据应用的多源性特征；不同数 据源的获取技术/策略； 4）了解几种典型的数据获取途径。 本章教学支持的课程目标为目标 2。 2.教学重点 1）数据格式 将本章多中多样的数据格式主要包括交易记录、系统日志、搜索历史、社交 等，让学生深刻理解数据是信息时代的基础生活资料与市场要素。 2）数据获取 让学生理解不同数据源的获取协议、掌握大数据应用的典型特征、数据获取 渠道的技术流分类。理解内部数据与互联网数据的不同。 3.教学难点 1）外部数据获取 理解网络大数据的特性，多源异构性、时效性、社会性和高噪音等；掌握利 用网络爬虫自动抓取万维网信息。 2）深网数据及获取方法 了解深网内容的价值，深网信息的特点；课程教学阶段要让学生通过对深网 数据的深刻理解，掌握相应数据获取的方法
4.教学环节设计围绕教学重点和教学难点，综合应用课堂讨论、作业、课外实践、课外阅读等教学形式。1）课堂讨论围绕不同数据获取方法的局限性展开。2）作业围绕数据获取方法、数据价值发现等内容布置。3）课外阅读[VLDB'01]Crawling theHidden Web,[PVLDB'08] Google'sDeep-WebCraw等内容。第三章大数据存储与管理本章的主要知识点包括分布式文件系统，分布式数据库，非关系型数据库，云数据库，大数据的SQL查询引擎。1.教学目标1）掌握分布式文件系统的基本概念；2）掌握HDFS的主要设计目标；3）学习分布式数据库HBase；4）掌握NoSQL与关系数据库的不同。本章教学支持的课程目标为目标2和目标3。2.教学重点1）分布式文件系统的数据存储方式，安全机制，数据读取速率和评价指标。2）非关系型与关系数据库的优势和劣势对比。3.教学难点1）BASE理论基本可用性，允许分区失败：状态允许有短时间不同步；最终一致性，数据最终保持一致。2）CAP理论让学生深刻理解一个分布式系统最多只能同时满足一致性、可用性和分区容错这三项中的两项。3）SQL查询引擎课程教学阶段要让学生通过大数据SOL查询引擎来处理大规模数据，掌握SQL结构化查询语言，设计大数据的访问和查询接口。4.教学环节设计
4.教学环节设计 围绕教学重点和教学难点，综合应用课堂讨论、作业、课外实践、课外阅读 等教学形式。 1）课堂讨论 围绕不同数据获取方法的局限性展开。 2）作业 围绕数据获取方法、数据价值发现等内容布置。 3）课外阅读 [VLDB’01] Crawling the Hidden Web、[PVLDB’08] Google’s Deep-Web Craw 等内容。 第三章 大数据存储与管理 本章的主要知识点包括分布式文件系统，分布式数据库，非关系型数据库， 云数据库，大数据的 SQL 查询引擎。 1.教学目标 1）掌握分布式文件系统的基本概念； 2）掌握 HDFS 的主要设计目标； 3）学习分布式数据库 HBase； 4）掌握 NoSQL 与关系数据库的不同。 本章教学支持的课程目标为目标 2 和目标 3。 2.教学重点 1）分布式文件系统的数据存储方式，安全机制，数据读取速率和评价指标。 2）非关系型与关系数据库的优势和劣势对比。 3.教学难点 1）BASE 理论 基本可用性，允许分区失败；状态允许有短时间不同步；最终一致性，数据 最终保持一致。 2）CAP 理论 让学生深刻理解一个分布式系统最多只能同时满足一致性、可用性和分区容 错这三项中的两项。 3）SQL 查询引擎 课程教学阶段要让学生通过大数据 SQL 查询引擎来处理大规模数据，掌握 SQL 结构化查询语言，设计大数据的访问和查询接口。 4.教学环节设计
围绕教学重点和教学难点，综合应用课堂讲授与讨论、作业。1）讨论本章课堂讨论主要围绕典型的云数据库展开。2）作业课后使用Phoenix等查询引擎在分布式数据库上进行创建表、插入数据和数据查询。第四章大数据分析本章的主要知识点包括数据理解与预处理，数据建模基本方法-机器学习，高级数据建模技术-深度学习，大数据可视化技术，帮助学生认识到数据分析是大数据处理的重要组成部分。1.教学目标1）掌握不同的数据类型，数据度量方法；2）掌握数据建模方法；3）掌握机器学习过程，非监督学习：4）熟悉高级数据建模技术；5）熟悉大数据可视化技术。本章教学支持课程目标2。2.教学重点1）数据工程将数据转化为有利于后续分析的处理形式，进行形式化的表示和描述，2）数据挖掘深刻理解数据挖掘是从现有的信息中提取数据的模式和模型，是从大数据中找出知识的过程。3）可视化技术掌握大数据可视化方法技术，学会使用大数据可视化工具。3.教学难点1）深度学习掌握卷积神经网络主要包括的输入层、卷积层、池化层、全连接层以及输出层等。2）可视分析通过交互式可视化界面辅助用户对大规模复杂数据集进行分析推理的科学与技术。4.教学环节设计
围绕教学重点和教学难点，综合应用课堂讲授与讨论、作业。 1）讨论 本章课堂讨论主要围绕典型的云数据库展开。 2）作业 课后使用 Phoenix 等查询引擎在分布式数据库上进行创建表、插入数据和数 据查询。 第四章 大数据分析 本章的主要知识点包括数据理解与预处理，数据建模基本方法-机器学习，高 级数据建模技术-深度学习，大数据可视化技术，帮助学生认识到数据分析是大 数据处理的重要组成部分。 1.教学目标 1）掌握不同的数据类型，数据度量方法； 2）掌握数据建模方法； 3）掌握机器学习过程，非监督学习； 4）熟悉高级数据建模技术； 5）熟悉大数据可视化技术。 本章教学支持课程目标 2。 2.教学重点 1）数据工程 将数据转化为有利于后续分析的处理形式，进行形式化的表示和描述。 2）数据挖掘 深刻理解数据挖掘是从现有的信息中提取数据的模式和模型，是从大数据中 找出知识的过程。 3）可视化技术 掌握大数据可视化方法技术，学会使用大数据可视化工具。 3.教学难点 1）深度学习 掌握卷积神经网络主要包括的输入层、卷积层、池化层、全连接层以及输出 层等。 2）可视分析 通过交互式可视化界面辅助用户对大规模复杂数据集进行分析推理的科学 与技术。 4.教学环节设计
围绕教学重点和教学难点，综合应用课堂讨论、作业与讨论课外阅读。1）讨论本章课堂讨论围绕数据挖掘和机器学习等开展。2）作业本章课堂讨论主要围可视化内容布置。3）课外阅读阅读Github上关于DCGAN的代码。第五章大数据处理本章的主要知识点包括大数据处理生态系统；大数据的存储和管理；大数据编程模型；典型大数据计算框架等内容。通过本章教学让学生掌握大数据通用处理平台和大数据处理的优化技术的基本方法，1.教学目标1）掌握大数据处理的生态架构；2）掌握集中式计算架构：3）掌握分布式计算架构；4）了解加速处理技术：5）了解大数据生态优化技术。本章教学支持课程目标2。2.教学重点1）大数据的多样性深刻理解大数据处理系统采用层次化、模块化的设计思想，实现独立的数据存储、管理和处理，所有的模块共同构成大数据处理生态系统，2）MapReduce工作流程理解如何将一个大的数据集拆分成多个小数据块在多台机器上并行处理。3.教学难点1）流处理掌握在个性化推荐、在线交易等大数据应用中，对大量实时产生的数据进行高效处理方法。2）异构体系结构下的计算优化CPU+GPU+MIC的协同优化可以达到比单纯使用CPU或GPU或MIC更高的效率。4.教学环节设计
围绕教学重点和教学难点，综合应用课堂讨论、作业与讨论课外阅读。 1）讨论 本章课堂讨论围绕数据挖掘和机器学习等开展。 2）作业 本章课堂讨论主要围可视化内容布置。 3）课外阅读 阅读 Github 上关于 DCGAN 的代码。 第五章 大数据处理 本章的主要知识点包括大数据处理生态系统；大数据的存储和管理；大数据 编程模型；典型大数据计算框架等内容。通过本章教学让学生掌握大数据通用处 理平台和大数据处理的优化技术的基本方法。 1.教学目标 1）掌握大数据处理的生态架构； 2）掌握集中式计算架构； 3）掌握分布式计算架构； 4）了解加速处理技术； 5）了解大数据生态优化技术。 本章教学支持课程目标 2。 2.教学重点 1）大数据的多样性 深刻理解大数据处理系统采用层次化、模块化的设计思想，实现独立的数据 存储、管理和处理，所有的模块共同构成大数据处理生态系统。 2）MapReduce 工作流程 理解如何将一个大的数据集拆分成多个小数据块在多台机器上并行处理。 3.教学难点 1）流处理 掌握在个性化推荐、在线交易等大数据应用中，对大量实时产生的数据进行 高效处理方法。 2）异构体系结构下的计算优化 CPU+GPU+MIC 的协同优化可以达到比单纯使用 CPU 或 GPU 或 MIC 更高 的效率。 4.教学环节设计
围绕教学重点和教学难点，除课堂讲授外，还需综合应用讨论、作业和课外阅读。1）讨论本章课堂讨论围绕MapReduce和Spark等内容展开。2）作业搭建MapReduce。3）课外阅读世界计算机发展史。第六章大数据治理本章的主要知识点包括大数据治理基本概念、数据架构管理、元数据管理、主数据管理、数据质量管理、数据标准化和数据资产化。1.教学目标1）熟悉大数据治理基本概念：2）掌握数据管理架构具体内涵；3）掌握技术元数据和业务元数据：4）掌握主数据管理带来四大好处：5）了解数据质量问题导致的恶劣后果；6）了解数据标准化过程；7）学习使用数据资产发现与评估框架。本章教学支持的课程目标为目标1和目标2。2.教学重点1）大数据治理定义的内涵正确理解大数据治理是厂义信息治理计划的一部分：大数据治理关乎政策制定；大数据必须优化。2）大数据隐私至关重要：大数据必须变现：大数据必须对各种冲突进行协调。3.教学难点1）数据质量管理数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生命周期的各阶段可能引发的各类数据质量问题，进行识别、度量、监控、预警等一系列管理活动，并通过改善和提高管理水平，使得数据质量获得进一步提高。4.教学环节设计
围绕教学重点和教学难点，除课堂讲授外，还需综合应用讨论、作业和课外 阅读。 1）讨论 本章课堂讨论围绕 MapReduce 和 Spark 等内容展开。 2）作业 搭建 MapReduce。 3）课外阅读 世界计算机发展史。 第六章 大数据治理 本章的主要知识点包括大数据治理基本概念、数据架构管理、元数据管理、 主数据管理、数据质量管理、数据标准化和数据资产化。 1.教学目标 1）熟悉大数据治理基本概念； 2）掌握数据管理架构具体内涵； 3）掌握技术元数据和业务元数据； 4）掌握主数据管理带来四大好处； 5）了解数据质量问题导致的恶劣后果； 6） 了解数据标准化过程； 7）学习使用数据资产发现与评估框架。 本章教学支持的课程目标为目标 1 和目标 2。 2.教学重点 1）大数据治理定义的内涵 正确理解大数据治理是广义信息治理计划的一部分；大数据治理关乎政策制 定；大数据必须优化。 2）大数据隐私至关重要；大数据必须变现；大数据必须对各种冲突进行协 调。 3.教学难点 1）数据质量管理 数据质量管理是指对数据从计划、获取、存储、共享、维护、应用、消亡生 命周期的各阶段可能引发的各类数据质量问题，进行识别、度量、监控、预警等 一系列管理活动，并通过改善和提高管理水平，使得数据质量获得进一步提高。 4.教学环节设计
围绕上述教学实施主线，除讲授外，本章的教学还将通过讲练结合、案例分析等方式进行。1）讲练结合围绕大数据治理，数据标准化等重点内容，边讲边练，确保重要教学内容教学目标的达成。2）案例分析本章的教学内容需要结合数据资产化案例如服装行业，医疗行业对数据定价进行分析，达到教学效果。第七章大数据安全与隐私保护本章的主要知识点包括大数据安全、大数据隐私保护、大数据在安全领域中的应用、大数据安全技术发展。1.教学目标1）了解数据安全基本概念：2）掌握数据安全与传统信息安全关系3）熟悉数据安全威胁和挑战：4）熟悉数据隐私和服务安全关键技术：5）了解数据交互安全与脱敏。本章教学支持的课程目标为目标2和目标3。2.教学重点与难点1）大数据隐私保护的挑战2）大数据背景下的隐私保护技术3.教学环节设计教学过程中要结合数据安全与传统信息安全共性问题，病毒、蠕虫、木马等恶意攻击。除课堂讲授外，还将课后了解黑客攻击，软件漏洞引起的信息泄漏与课外阅读等方式辅助教学。1）分析震网攻击事件2）课外阅读区块链技术九、教与学1.教学方法主要的教学环节包括课堂授课、研讨、课后作业和课后阅读等环节。本课程的教学设计特色主要体现在如下两个方面：
围绕上述教学实施主线，除讲授外，本章的教学还将通过讲练结合、案例分 析等方式进行。 1）讲练结合 围绕大数据治理，数据标准化等重点内容，边讲边练，确保重要教学内容教 学目标的达成。 2）案例分析 本章的教学内容需要结合数据资产化案例如服装行业，医疗行业对数据定价 进行分析，达到教学效果。 第七章 大数据安全与隐私保护 本章的主要知识点包括大数据安全、大数据隐私保护、大数据在安全领域中 的应用、大数据安全技术发展。 1.教学目标 1）了解数据安全基本概念； 2）掌握数据安全与传统信息安全关系； 3）熟悉数据安全威胁和挑战； 4）熟悉数据隐私和服务安全关键技术； 5）了解数据交互安全与脱敏。 本章教学支持的课程目标为目标 2 和目标 3。 2.教学重点与难点 1）大数据隐私保护的挑战 2）大数据背景下的隐私保护技术 3.教学环节设计 教学过程中要结合数据安全与传统信息安全共性问题，病毒、蠕虫、木马等 恶意攻击。除课堂讲授外，还将课后了解黑客攻击，软件漏洞引起的信息泄漏与 课外阅读等方式辅助教学。 1）分析震网攻击事件 2）课外阅读 区块链技术 九、教与学 1.教学方法 主要的教学环节包括课堂授课、研讨、课后作业和课后阅读等环节。本课程 的教学设计特色主要体现在如下两个方面：
1）基于问题的教学方法。将围绕课程教学的重、难点，精心设计若于探究性问题，引导同学深入思考，加深所学重、难点知识的理解和应用。2）强调动手实践。该课程的教学与独立设置的课程实验相配合，实验内容与理论课程教学进度同步，通过实验加深对所学理论知识的理解，提升学生应用理论知识解决复杂问题的能力，通过实验也可以检验理论课程的学习效果。2.学习方法“大数据导论”是一门理论性、技术性和实践性都很强的核心专业基础课程，学习过程中，首先要注重对课程基本理论的钻研，要引导学生积极参与课堂讨论深刻理解原理和技术本质：其次，完成课程配套开设的独立实验，通过实验，加强对课程理论知识的理解，同时，训练学生发现问题、分析问题和解决问题的能力。十、学时分配序号主要内容学时分配13第一章数据与大数据23第二章大数据感知与获取33第三章大数据存储与管理34第四章大数据分析35第五章大数据处理62第六章大数据治理72第七章大数据安全与隐私28第八章大数据行业应用总计24十一、课程考核与成绩评定1.课程成绩构成课程最终成绩由课堂考勒与分组口头报告、课程学习报告综合而成，各部分成绩的比例如下：1)课堂考勤：10%。考勤主要检查学生遵守学习相关规定按时参加课堂学习的情况。2)分组口头报告：40%。引导学生分组讨论和巩固讲授的内容（基本理论、基本方法、基本理论分析与计算、课外阅读报告等），主要考查基本知识掌握情况和团队协作能力
1）基于问题的教学方法。将围绕课程教学的重、难点，精心设计若干探究 性问题，引导同学深入思考，加深所学重、难点知识的理解和应用。 2）强调动手实践。该课程的教学与独立设置的课程实验相配合，实验内容 与理论课程教学进度同步，通过实验加深对所学理论知识的理解，提升学生应用 理论知识解决复杂问题的能力,通过实验也可以检验理论课程的学习效果。 2.学习方法 “大数据导论”是一门理论性、技术性和实践性都很强的核心专业基础课程， 学习过程中，首先要注重对课程基本理论的钻研，要引导学生积极参与课堂讨论、 深刻理解原理和技术本质；其次，完成课程配套开设的独立实验，通过实验，加 强对课程理论知识的理解，同时，训练学生发现问题、分析问题和解决问题的能 力。 十、学时分配 序号 主要内容 学时分配 1 第一章 数据与大数据 3 2 第二章 大数据感知与获取 3 3 第三章 大数据存储与管理 3 4 第四章 大数据分析 3 5 第五章 大数据处理 3 6 第六章 大数据治理 2 7 第七章 大数据安全与隐私 2 8 第八章 大数据行业应用 2 总计 24 十一、课程考核与成绩评定 1.课程成绩构成 课程最终成绩由课堂考勤与分组口头报告、课程学习报告综合而成，各部分 成绩的比例如下： 1） 课堂考勤：10%。考勤主要检查学生遵守学习相关规定,按时参加课 堂学习的情况。 2） 分组口头报告：40%。引导学生分组讨论和巩固讲授的内容（基本 理论、基本方法、基本理论分析与计算、课外阅读报告等），主要考查 基本知识掌握情况和团队协作能力
3)课程学习报告：50%。主要考核大数据基础知识和基本能力的掌握程度，是对学生学习情况的全面检验。强调对计算机组成的基本概念、基本方法和技术的掌握。课程考核成绩评定如表1所示。表1大数据导论课程考核与成绩评定考核与评价方式及成绩比例（约）成绩评定课堂考勤分组口头报课程学习报告告110%40%50%2.考核与评价标准1）作业成绩考核与评价标准表2大数据导论作业考核与成绩评定评价标准优秀良好中-及格不及格按时提交作业，概念按时提交作业，概念按时提交作业，概念未按时交作业，概念准确，计算结果正准确，存在少量错基本准确，计算结果欠准确，计算结果错误较多。确，分析充分，论述误，分析较充分，论存在一些错误，论述清晰，层次分明。述清晰，层次分明。基本清晰。2）课程考核与成绩评定根据期末考试的试卷评分标准进行评定。大数据系列课程组2021年5月制定2021年5月修订
3） 课程学习报告：50%。主要考核大数据基础知识和基本能力的掌握 程度，是对学生学习情况的全面检验。强调对计算机组成的基本概念、 基本方法和技术的掌握。 课程考核成绩评定如表 1 所示。 表 1 大数据导论课程考核与成绩评定 成绩评定 考核与评价方式及成绩比例（约） 课堂考勤 分组口头报 告 课程学习报告 1 10% 40% 50% 2.考核与评价标准 1）作业成绩考核与评价标准 表 2 大数据导论作业考核与成绩评定 评价标准 优秀 良好 中-及格 不及格 按时提交作业，概念 准确，计算结果正 确，分析充分，论述 清晰，层次分明。 按时提交作业，概念 准确，存在少量错 误，分析较充分，论 述清晰，层次分明。 按时提交作业，概念 基本准确，计算结果 存在一些错误，论述 基本清晰。 未按时交作业，概念 欠准确，计算结果错 误较多。 2）课程考核与成绩评定 根据期末考试的试卷评分标准进行评定。 大数据系列课程组 2021 年 5 月制定 2021 年 5 月修订