大数据技术基础（一）基本信息中文课程名称：大数据技术基础英文课程名称：TechnicalFoundationofBigData课程编号：0307011学分：2.5学时：40（其中：理论学时：32上机学时：8）课程性质：必修适用专业：智能制造工程先修课程：《高等数学》、《C语言》、《计算机文化基础》、《数据库原理与应用》等开课系（教研部）：智能制造工程系执笔：郭童军审核：冯占荣课程简介：《大数据技术基础》是智能制造工程专业的一门专业方向必须课，是大数据技术入门课程。课程将系统讲授大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、流计算、图计算、数据可视化以及大数据在各个领域的应用。为学生对相关智能制造领域知识的学习奠定基础。（二）课程目标本课程的主要目标是通过讲授大数据的相关理论知识，掌握大数据的系统架构及关键技术以及应用场景，并结合具体设计实例，培养学生创新意识和实践能力，支撑专业毕业目标中相应指标点的达成。课程目标对学生的能力要求如下：1掌握大数据技术的基本理论和相关技术；2.熟练运用大数据中Hadoop平台、分布式文件系统HDFS、分布式数据库HBase等系统的基本知识和使用方法；3.通过课程的理论和实践教学，能够掌握大数据技术的基本操作；4.针对工程实际需求，能够运动数学、计算机等多学科知识对智能制造工程项目提供大数据分析。课程目标对毕业要求的支撑关系如表1所示：表1课程目标对毕业要求的支撑关系毕业要求毕业要求指标点课程目标指标点2.4：能够应用专业基础知识和专业知识的基本原理对毕业要求2课程目标1复杂工程问题进行识别、表达和分析，以获得有效结论
大数据技术基础 （一）基本信息 中文课程名称：大数据技术基础 英文课程名称：Technical Foundation of Big Data 课程编号：0307011 学分：2.5 学时：40（其中：理论学时：32 上机学时：8） 课程性质：必修 适用专业：智能制造工程 先修课程：《高等数学》、《C 语言》、《计算机文化基础》、《数据库原理与应用》等 开课系（教研部）：智能制造工程系 执笔：郭童军 审核：冯占荣 课程简介： 《大数据技术基础》是智能制造工程专业的一门专业方向必须课，是大数据技术入门课 程。课程将系统讲授大数据的基本概念、大数据处理架构 Hadoop、分布式文件系统 HDFS、 分布式数据库 HBase、NoSQL 数据库、云数据库、分布式并行编程模型 MapReduce、流计 算、图计算、数据可视化以及大数据在各个领域的应用。为学生对相关智能制造领域知识的 学习奠定基础。 （二）课程目标 本课程的主要目标是通过讲授大数据的相关理论知识，掌握大数据的系统架构及关键技 术以及应用场景，并结合具体设计实例，培养学生创新意识和实践能力，支撑专业毕业目标 中相应指标点的达成。 课程目标对学生的能力要求如下： 1. 掌握大数据技术的基本理论和相关技术； 2.熟练运用大数据中 Hadoop 平台、分布式文件系统 HDFS、分布式数据库 HBase 等系统 的基本知识和使用方法； 3.通过课程的理论和实践教学，能够掌握大数据技术的基本操作； 4.针对工程实际需求，能够运动数学、计算机等多学科知识对智能制造工程项目提供大 数据分析。 课程目标对毕业要求的支撑关系如表 1 所示： 表 1 课程目标对毕业要求的支撑关系 毕业要求 毕业要求指标点 课程目标 毕业要求 2 指标点 2.4：能够应用专业基础知识和专业知识的基本原理对 复杂工程问题进行识别、表达和分析，以获得有效结论。 课程目标 1
指标点4.2：能够针对智能制造工程中具体复杂问题设计实验，毕业要求4课程目标2并对实验数据进行采集、处理和解释。指标点5.1：掌握解决智能制造工程中复杂问题所需的现代工毕业要求5课程目标3程工具和信息技术工具的使用方法和基本知识。指标点11.2：能在多学科环境下进行工程项目的管理和技术经毕业要求11课程目标4济性分析。（三）教学内容推荐教学对应的序号教学内容教学要求学时方式课程目标1）了解大数据发展历程、基本概念、主要影响、应用领域、关键技课堂术、计算模式和产业发单元1：介绍大数据的基本展。树立学生的家国情讲授概念和应用领域，并阐述大2怀。+课程目标11数据、云计算和物联网的相课程2）了解云计算、物联互关系讨论网的概念及其与大数据之间的紧密关系。鼓励学生在科学技术上的开拓创新。课堂了解Hadoop的发展历讲授史、重要特性和应用现课程目标1+状，Hadoop项目结构+课程单元2：介绍大数据处理架及其各个组件，并熟练2+2课程目标22构Hadoop讨论掌握Hadoop平台的安++装和使用方法。境养学课程目标3上机生的重视基础和理论实践联系实际的能力。课堂了解分布式文件系统讲授课程目标1的基本概念、结构和设+单元3：分布式文件系统+计需求，掌握Hadoop作业3课程目标2HDFS的基本原理和使用方4+1分布式文件系统HDFS练习法+的重要概念、体系结+课程目标3构、存储原理和读写过上机程，并熟练掌握分布式实践
毕业要求 4 指标点 4.2：能够针对智能制造工程中具体复杂问题设计实验， 并对实验数据进行采集、处理和解释。 课程目标 2 毕业要求 5 指标点 5.1：掌握解决智能制造工程中复杂问题所需的现代工 程工具和信息技术工具的使用方法和基本知识。 课程目标 3 毕业要求 11 指标点 11.2：能在多学科环境下进行工程项目的管理和技术经 济性分析。 课程目标 4 （三）教学内容 序号 教学内容 教学要求 推荐 学时 教学 方式 对应的 课程目标 1 单元 1：介绍大数据的基本 概念和应用领域，并阐述大 数据、云计算和物联网的相 互关系 1）了解大数据发展历 程、基本概念、主要影 响、应用领域、关键技 术、计算模式和产业发 展。树立学生的家国情 怀。 2）了解云计算、物联 网的概念及其与大数 据之间的紧密关系。鼓 励学生在科学技术上 的开拓创新。 2 课堂 讲授 + 课程 讨论 课程目标 1 2 单元 2：介绍大数据处理架 构 Hadoop 了解 Hadoop 的发展历 史、重要特性和应用现 状，Hadoop 项目结构 及其各个组件，并熟练 掌握 Hadoop 平台的安 装和使用方法。培养学 生的重视基础和理论 联系实际的能力。 2+2 课堂 讲授 + 课程 讨论 + 上机 实践 课程目标 1 + 课程目标 2 + 课程目标 3 3 单元 3：分布式文件系统 HDFS 的基本原理和使用方 法 了解分布式文件系统 的基本概念、结构和设 计需求，掌握 Hadoop 分布式文件系统HDFS 的重要概念、体系结 构、存储原理和读写过 程，并熟练掌握分布式 4+1 课堂 讲授 + 作业 练习 + 上机 实践 课程目标 1 + 课程目标 2 + 课程目标 3
文件系统HDFS的使用方法。培养学生的重视基础和理论联系实际的能力。课堂了解分布式数据库讲授HBase的访问接口、数课程目标1+:据模型、实现原理和运单元4：分布式数据库+作业行机制，并熟练掌握4+1课程目标2HBase的基本原理和使用4练习HBase 的使用方法。境方法++养学生解决问题和分课程目标3上机析问题的能力和理论实践联系实际的能力。了解NoSQL数据库与课堂传统的关系数据库的讲授差异、NoSQL数据库课程目标1+的四大类型以及+单元5:NoSQL数据库的概作业NoSQL数据库的三大2+2课程目标25练习念和基本原理基石；基本掌握Redis、++MongoDB等NoSQL课程目标3上机数据库的使用方法；境实践养学生的重视基础和勤动手的工匠精神。课堂讲授能够了解云数据库的+课程目标1概念、基本原理和代表单元6：云数据库的概念和课程+62性产品的使用方法。境基本原理讨论课程目标2养学生的重视基础和+自主学习能力。作业练习课堂能够熟练掌握分布式讲授课程目标1编程框架MapReduce+单元7：分布式并行编程模+的基本原理和编程方型MapReduce原理和使用76+2作业课程目标2法。培养学生的重视基方法。练习+磁和勤动手的工匠精+课程目标3神。上机
文件系统 HDFS 的使 用方法。培养学生的重 视基础和理论联系实 际的能力。 4 单元 4： 分布式数据库 HBase 的基本原理和使用 方法 了解分布式数据库 HBase 的访问接口、数 据模型、实现原理和运 行机制，并熟练掌握 HBase 的使用方法。培 养学生解决问题和分 析问题的能力和理论 联系实际的能力。 4+1 课堂 讲授 + 作业 练习 + 上机 实践 课程目标 1 + 课程目标 2 + 课程目标 3 5 单元 5：NoSQL 数据库的概 念和基本原理 了解 NoSQL 数据库与 传统的关系数据库的 差异、NoSQL 数据库 的 四 大 类 型 以 及 NoSQL 数据库的三大 基石；基本掌握 Redis、 MongoDB 等 NoSQL 数据库的使用方法；培 养学生的重视基础和 勤动手的工匠精神。 2+2 课堂 讲授 + 作业 练习 + 上机 实践 课程目标 1 + 课程目标 2 + 课程目标 3 6 单元 6：云数据库的概念和 基本原理 能够了解云数据库的 概念、基本原理和代表 性产品的使用方法。培 养学生的重视基础和 自主学习能力。 2 课堂 讲授 + 课程 讨论 + 作业 练习 课程目标 1 + 课程目标 2 7 单元 7：分布式并行编程模 型 MapReduce 原理和使用 方法。 能够熟练掌握分布式 编程框架 MapReduce 的基本原理和编程方 法。培养学生的重视基 础和勤动手的工匠精 神。 6+2 课堂 讲授 + 作业 练习 + 上机 课程目标 1 + 课程目标 2 + 课程目标 3
实践课堂讲授+能够了解流计算与批课程课程目标1处理的区别，以及流计单元8：流计算基本原理讨论+f2算的基本原理。培养学+课程目标2生的重视基础，稳重发作业展的工匠精神。练习课堂能够了解图计算的基讲授课程目标1本原理。境养学生的重++9单元9：图计算基本原理4视基础和自主学习能课程课程目标3力。讨论能够了解数据可视化课堂课程目标1的概念和相关工具。境讲授+单元10：数据可视化概念、养学生培养学生的重10n+课程目标2工具和案例视基础，科学、合理、案例+高效的学习及工作方分析课程目标4法与创新精神。课堂课程目标2能够了解大数据在互讲授+单元11：大数据在互联网联网等领域的典型应11+课程目标32领域的典型应用：推荐系统用。培养学生创新意识案例+和知识拓展能力。分析课程目标4（四）实践教学安排项目实验每组实验实验项目实验类型课程目标人数编号学时要求熟悉常用的Linux操作和2验证性必修课程目标2Hadoop操作熟悉常用的HDFS操作和22必修验证性1课程目标2HBase操作NoSQL和关系数据库的操作验证性必修421课程目标3比较52验证性必修课程目标3MapReduce编程初级实践1
实践 8 单元 8：流计算基本原理 能够了解流计算与批 处理的区别，以及流计 算的基本原理。培养学 生的重视基础，稳重发 展的工匠精神。 2 课堂 讲授 + 课程 讨论 + 作业 练习 课程目标 1 + 课程目标 2 9 单元 9：图计算基本原理 能够了解图计算的基 本原理。培养学生的重 视基础和自主学习能 力。 4 课堂 讲授 + 课程 讨论 课程目标 1 + 课程目标 3 10 单元 10：数据可视化概念、 工具和案例 能够了解数据可视化 的概念和相关工具。培 养学生培养学生的重 视基础，科学、合理、 高效的学习及工作方 法与创新精神。 2 课堂 讲授 + 案例 分析 课程目标 1 + 课程目标 2 + 课程目标 4 11 单元 11：大数据在互联网 领域的典型应用：推荐系统 能够了解大数据在互 联网等领域的典型应 用。培养学生创新意识 和知识拓展能力。 2 课堂 讲授 + 案例 分析 课程目标 2 + 课程目标 3 + 课程目标 4 （四）实践教学安排 项目 编号 实 验 项目 实验 学时 实验类型 实验 要求 每组 人数 课程目标 1 熟悉常用的 Linux 操作和 Hadoop 操作 2 验证性 必修 1 课程目标 2 2 熟悉常用的 HDFS 操作和 HBase 操作 2 验证性 必修 1 课程目标 2 4 NoSQL 和关系数据库的操作 比较 2 验证性 必修 1 课程目标 3 5 MapReduce 编程初级实践 2 验证性 必修 1 课程目标 3
合8计必修学时：8（五）教学方法与习题要求本课程教学所采用的课堂讲授、课堂讨论、案例分析、作业练习和上机实验，大力推进启发式、探究式、讨论式和参与式教学，通过引入“翻转课堂”、加强师生互动，推动课堂教学的主体从“以教为主”向“以学为主”转变。本课程目标与教学环节对应的关系矩阵如表2所示。表2课程目标与教学环节对应的关系矩阵教学环节课程目标课堂课堂案例作业上机讲授讨论分析练习实验VVV1课程目标1VVVVV2课程目标23VVVVV课程目标3VVV4课程目标4备注：作业内容在重视理论知识的基础上，适当以实际应用和案例为导向的习题帮助学生巩固理论知识，并实现灵活应用。（六）考核方式及成绩评定考核方式：本课程采用多元化考核方式进行课程成绩评定，包括作业练习、课堂讨论、上机实验和期末考试等，以百分制计。最终成绩=作业练习20%+课堂讨论10%+上机实验20%+期末考试50%。考核依据、分值和细则与课程目标对应的关系矩阵如表3、4、5、6所示。表3考核方式与课程目标对应的关系矩阵建议对应的课程考核依据考核/评价细则分值目标（1）主要学生对每章节知识点的复习、理解和掌握程度;课程目标120作业练习（2）按平时成绩评定标准与依据表给分，满分100分，课程目标2折算后的满分20分。（1）结合教学进度安排课堂讨论性的阶段考核，考查学生对相关知识的掌握程度：课堂讨论10课程目标4（2）按平时成绩评定标准与依据表给分，满分100分，折算后的满分10分。上机实验20课程目标3（1）根据每个实验的实验情况和实验报告质量按实验
合 计 8 必修学时：8 （五）教学方法与习题要求 本课程教学所采用的课堂讲授、课堂讨论、案例分析、作业练习和上机实验，大力推进 启发式、探究式、讨论式和参与式教学，通过引入“翻转课堂”、加强师生互动，推动课堂 教学的主体从“以教为主”向“以学为主”转变。本课程目标与教学环节对应的关系矩阵如 表 2 所示。 表 2 课程目标与教学环节对应的关系矩阵 课程目标 教学环节 课堂 讲授 课堂 讨论 案例 分析 作业 练习 上机 实验 1 课程目标 1 ✓ ✓ ✓ 2 课程目标 2 ✓ ✓ ✓ ✓ ✓ 3 课程目标 3 ✓ ✓ ✓ ✓ ✓ 4 课程目标 4 ✓ ✓ ✓ 备注：作业内容在重视理论知识的基础上，适当以实际应用和案例为导向的习题帮助学 生巩固理论知识，并实现灵活应用。 （六）考核方式及成绩评定 考核方式：本课程采用多元化考核方式进行课程成绩评定，包括作业练习、课堂讨论、 上机实验和期末考试等，以百分制计。 最终成绩=作业练习 20%+课堂讨论 10%+上机实验 20%+期末考试 50%。 考核依据、分值和细则与课程目标对应的关系矩阵如表 3、4、5、6 所示。 表 3 考核方式与课程目标对应的关系矩阵 考核依据 建议 分值 考核/评价细则 对应的课程 目标 作业练习 20 （1）主要学生对每章节知识点的复习、理解和掌握程 度； （2）按平时成绩评定标准与依据表给分，满分 100 分， 折算后的满分 20 分。 课程目标 1 课程目标 2 课堂讨论 10 （1）结合教学进度安排课堂讨论性的阶段考核，考查 学生对相关知识的掌握程度； （2）按平时成绩评定标准与依据表给分，满分 100 分， 折算后的满分 10 分。 课程目标 4 上机实验 20 （1）根据每个实验的实验情况和实验报告质量按实验 课程目标 3
成绩评定标准与依据表给分，满分100分，折算后的满分20分；（2）取各次实验成绩的平均值作为此环节的最终成绩。（1）卷面总分100分，以卷面成绩乘以其在总评成绩中所占的比例（50%）计入总评成绩。（2）主要考核大数据的基本概念、Hadoop项目结构及其各个组件、分布式数据库HBase的数据模型、NoSQL数据库的类型和基石、分布式编程框架MapReduce的基课程目标1期末考试50本原理、流计算和图计算的基本原理、数据可视化知识课程目标2等。考试题型为：选择题、填空题、简答题、论述题等。其中，建议对应课程目标2的试题分数占总分的70-80%，题型以填空题、选择题、简答题为主；对应课程目标3的试题分数占总分的20-30%，题型以论述题为主。表4作业成绩评定标准与依据指标与依据考核项目/权重80~89 (B)70~79 (C)60~69 (D)0~59(E)90~100(A)总量是在课后积极提前在课后积极、在课后积极、在课后对完成完成所有作按时完成所按时完成部作业有拖拉现业、无抄袭现有作业、无抄分作业、无抄象，只能完成象。甚至在预袭现象。预习未完成作业，袭现象。对课部分作业、无完成比例及习过程中已过程中已经甚至大面积后题无预习，抄袭现象，对对待作业的经对课后题对课后题目抄袭，对待作对待作业的待作业的态度态度/0.5目有所涉猎，有所熟悉，对业的态度极态度较认真。较认真。对课其不认真。对待作业的待作业的态能够一般化后题无预习。态度很认真。度认真。能够的支撑课程勉强能够支撑能够很好的较好的支撑目标。课程目标。课程目标。支撑课程目标。作业的规范作业解答正作业解答不作业解答比作业解答基作业解答不完性、表达的确、规范，表正确、欠规较正确、规本正确、规全正确、欠规准确性及对达准确、逻辑范，表达不准范，表达不够范，表达较为范，表达基本课程目标的合理。能够很确、逻辑不合准确、逻辑不准确、逻辑合准确、逻辑合支撑情况好的支撑课理。不能够支理。能够较好理。能够一般够合理。勉强/0.5程目标。撑课程目标的支撑课程能够支撑课程化的支撑课
成绩评定标准与依据表给分，满分 100 分，折算后的满 分 20 分； （2）取各次实验成绩的平均值作为此环节的最终成绩。 期末考试 50 （1）卷面总分 100 分，以卷面成绩乘以其在总评成绩 中所占的比例（50%）计入总评成绩。 （2）主要考核大数据的基本概念、Hadoop 项目结构及 其各个组件、分布式数据库 HBase 的数据模型、NoSQL 数据库的类型和基石、分布式编程框架 MapReduce 的基 本原理、流计算和图计算的基本原理、数据可视化知识 等。考试题型为：选择题、填空题、简答题、论述题等。 其中，建议对应课程目标2的试题分数占总分的70-80%， 题型以填空题、选择题、简答题为主；对应课程目标 3 的试题分数占总分的 20-30%，题型以论述题为主。 课程目标 1 课程目标 2 表 4 作业成绩评定标准与依据 考核项目 /权重 指标与依据 90～100（A） 80～89（B） 70～79（C） 60～69（D） 0～59（E） 完成比例及 对待作业的 态度/0.5 总 量 是 在 课 后 积 极 提 前 完 成 所 有 作 业、无抄袭现 象。甚至在预 习 过 程 中 已 经 对 课 后 题 目有所涉猎， 对 待 作 业 的 态度很认真。 能 够 很 好 的 支 撑 课 程 目 标。 在课后积极、 按时完成所 有作业、无抄 袭现象。预习 过程中已经 对课后题目 有所熟悉，对 待作业的态 度认真。能够 较 好 的支撑 课程目标。 在课后积极、 按 时 完 成 部 分作业、无抄 袭现象。对课 后题无预习， 对 待 作 业 的 态度较认真。 能 够 一 般 化 的 支 撑 课 程 目标。 在课后对完成 作业有拖拉现 象，只能完成 部分作业、无 抄袭现象，对 待作业的态度 较认真。对课 后题无预习。 勉强能够支撑 课程目标。 未完成作业， 甚至大面积 抄袭，对待作 业的态度极 其不认真。 作业的规范 性、表达的 准确性及对 课程目标的 支撑情况 /0.5 作 业 解 答 正 确、规范，表 达准确、逻辑 合理。能够很 好 的 支 撑 课 程目标。 作业解答比 较正确、规 范，表达较为 准确、逻辑合 理。能够较好 的支撑课程 作 业 解 答 基 本 正 确 、 规 范，表达基本 准确、逻辑合 理。能够一般 化 的 支 撑 课 作业解答不完 全正确、欠规 范，表达不够 准确、逻辑不 够合理。勉强 能够支撑课程 作业解答不 正确、欠规 范，表达不准 确、逻辑不合 理。不能够支 撑课程目标
目标。程目标。目标。表5课堂讨论评定标准与依据指标与依据考核项目/权重90~100 (A)80~89 (B)70~79 (C)60~69 (D)0~59(E)积极参加讨在讨论现场，参加讨论，能积极参加讨论，清晰表达能够认真倾论，清晰表达够表达观点，观点，问题分听，并表达出课堂讨论问题分析基在讨论现场观点，问题分析基本正确。参与讨论的欲未出现。/1.0析正确。能够本合理。能够望。勉强能够能够较好的很好的支撑般化的支支撑课程目支撑课程目课程目标。撑课程目标。标。标。表6实验成绩评定标准与依据指标与依据考核项目/权重90~100(A)80~89(B)70~79 (C)60~69 (D)0~59 (E)能在考虑安能在考虑安能基本正确在老师帮助在老师的帮全的前提下全的前提下的操作实验下，能基本正助下尚不能完全正确的基本正确的设备并构建确的操作实验正确的操作操作实验设操作实验设满足特定需设备、能构建实验设备、不实验平时成备、能构建满备、能构建满求的实验设满足特定需求能构建相应绩/0.5足特定需求足特定需求计方案，但是的实验设计方的实验设计的实验设计的实验设计缺乏安全意案，但是缺乏方案，安全意方案，团队合方案，团队合识、团队合作安全意识、团识、团队合作作能力强作能力较强能力较差队合作能力差能力很差实验报告规实验报告较实验报告较实验报告基本实验报告不范、完整，结为规范、完为规范、完规范、完整，规范或不完实验报告成论正确，能对整，结论正整，结论基本结论基本正整，没有对实绩/0.5实验结果进确，能对实验正确，能对实确，但没有对验结果进行行详细的分结果进行简验结果稍加实验结果进行讨论讨论析讨论单的讨论讨论（七）课程目标达成度评价课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，具体计算方
目标。 程目标。 目标。 表 5 课堂讨论评定标准与依据 考核项目 /权重 指标与依据 90～100（A） 80～89（B） 70～79（C） 60～69（D） 0～59（E） 课堂讨论 /1.0 积 极 参 加 讨 论，清晰表达 观点，问题分 析正确。能够 很 好 的 支 撑 课程目标。 积极参加讨 论，清晰表达 观点，问题分 析基本正确。 能够较好的 支撑课程目 标。 参加讨论，能 够表达观点， 问 题 分 析 基 本合理。能够 一 般 化 的 支 撑课程目标。 在讨论现场， 能 够 认 真 倾 听，并表达出 参与讨论的欲 望。勉强能够 支 撑 课 程 目 标。 在讨论现场 未出现。 表 6 实验成绩评定标准与依据 考核项目 /权重 指标与依据 90～100（A） 80～89（B） 70～79（C） 60～69（D） 0～59（E） 实验平时成 绩/0.5 能 在 考 虑 安 全 的 前 提 下 完 全 正 确 的 操 作 实 验 设 备、能构建满 足 特 定 需 求 的 实 验 设 计 方案，团队合 作能力强 能在考虑安 全的前提下 基本正确的 操作实验设 备、能构建满 足特定需求 的实验设计 方案，团队合 作能力较强 能 基 本 正 确 的 操 作 实 验 设 备 并 构 建 满 足 特 定 需 求 的 实 验 设 计方案，但是 缺 乏 安 全 意 识、团队合作 能力较差 在 老 师 帮 助 下，能基本正 确的操作实验 设备、能构建 满足特定需求 的实验设计方 案，但是缺乏 安全意识、团 队合作能力差 在老师的帮 助下尚不能 正确的操作 实验设备、不 能构建相应 的实验设计 方案，安全意 识、团队合作 能力很差 实验报告成 绩/0.5 实 验 报 告 规 范、完整，结 论正确，能对 实 验 结 果 进 行 详 细 的 分 析讨论 实验报告较 为规范、完 整，结论正 确，能对实验 结果进行简 单的讨论 实 验 报 告 较 为 规 范 、 完 整，结论基本 正确，能对实 验 结 果 稍 加 讨论 实验报告基本 规范、完整， 结 论 基 本 正 确，但没有对 实验结果进行 讨论 实验报告不 规范或不完 整，没有对实 验结果进行 讨论 （七）课程目标达成度评价 课程目标达成度评价包括课程分目标达成度评价和课程总目标达成度评价，具体计算方
法如下：总评成绩中支撑该课程目标相关考核环节平均得分之和课程分目标达成度=总评成绩中支撑该课程目标相关考核环节目标总分该课程学生总评成绩平均值课程总目标达成度=该课程学生总评成绩总分（100分）参数说明：ZDST、KDST、SDST、QDST分别表示总评成绩中作业练习、课堂讨论、上机实验及期末考试的目标分值，相应SAVG、ZAVG、KAVG、QAVG为相应上机实验、作业练习、课堂讨论及期末考试中的实际平均得分。由于作业练习和期末考试分别支撑课程目标1和课程目标2，因此ZDST=ZDST_1+ZDST_2，ZAVG=ZAVG_1+ZAVG_2QDST=QDST1+QDST_2,QAVG=QAVG！+QAVG_2，其中，ZDST_和ZDST2分别代表作业练习中对应课程目标1和课程目标2的作业总分，ZAVG1和ZAVG2分别代表作业练习中对应课程目标1和课程目标2的学生实际得分的平均值。QDST1和QDST2分别代表期末考试中对应课程目标1和课程目标2的试题卷面目标总分，QAVG/和QAVG2分别代表期末考试中对应课程目标1和课程目标2的学生实际得分的平均值。目标分学生平支撑环节课程目标达成度计算示例值均得分作业练习ZDST!ZAVG!ZANG_I +QANG !课程目标1达成度=课程目标1Zpsr_ + QpsT_!期末考试QDST!QAVG!作业练习ZDST_2ZDST_2ZAG 2+QAVG_2课程目标2达成度=课程目标2Z psr_2 +QsT_2期末考试QDST_2QAVG_2课程目标3达成度=SAlc课程目标3上机实验SDSTSAVGSosTKAVG课程目标4达成度=课堂讨论课程目标4KDSTKAVGKDST（八）推荐教材或讲义及主要参考书1.林子雨.大数据技术原理与应用（第2版[M.北京：人民邮电出版社，2017.2.林子雨.大数据技术原理与应用一一概念、存储、处理、分析与应用[M].北京：人民邮电出版社，2015.中科普开.大数据技术基础[M.北京：清华大学出版社，2016.3.4.杨正洪.大数据技术入门[M].北京：清华大学出版社，2016.（九）学时分配
法如下： 总评成绩中支撑该课程目标相关考核环节目标总分 总评成绩中支撑该课程目标相关考核环节平均得分之和 课程分目标达成度 = 该课程学生总评成绩总分（ 分） 该课程学生总评成绩平均值 课程总目标达成度 100 = 参数说明： ZDST、KDST、SDST、QDST 分别表示总评成绩中作业练习、课堂讨论、上机实 验及期末考试的目标分值，相应 SAVG、ZAVG、KAVG、QAVG为相应上机实验、作业练习、课 堂讨论及期末考试中的实际平均得分。由于作业练习和期末考试分别支撑课程目标 1 和课程 目标 2，因此 ZDST= ZDST_1 +ZDST_2，ZAVG = ZAVG_1 +ZAVG_2，QDST= QDST_1 +QDST_2，QAVG = QAVG_1 +QAVG_2，其中，ZDST_1 和 ZDST_2 分别代表作业练习中对应课程目标 1 和课程目标 2 的作业总 分，ZAVG_1 和 ZAVG_2 分别代表作业练习中对应课程目标 1 和课程目标 2 的学生实际得分的平 均值。QDST_1 和 QDST_2 分别代表期末考试中对应课程目标 1 和课程目标 2 的试题卷面目标总 分，QAVG_1 和 QAVG_2 分别代表期末考试中对应课程目标 1 和课程目标 2 的学生实际得分的平 均值。 课程目标 支撑环节 目标分 值 学生平 均得分 达成度计算示例 课程目标 1 作业练习 ZDST_1 ZAVG_1 _1 _1 _1 _1 1 = AVG AVG DST DST Z Q Z Q + + 课程目标 达成度 期末考试 QDST_1 QAVG_1 课程目标 2 作业练习 ZDST_2 ZDST_2 _ 2 _ 2 _ 2 _ 2 2 = AVG AVG DST DST Z Q Z Q + + 课程目标 达成度 期末考试 QDST_2 QAVG_2 课程目标 3 上机实验 SDST SAVG 3 = AVG DST S S 课程目标 达成度 课程目标 4 课堂讨论 KDST KAVG 4 = AVG DST K K 课程目标 达成度 （八）推荐教材或讲义及主要参考书 1. 林子雨.大数据技术原理与应用(第 2 版)[M].北京：人民邮电出版社, 2017. 2. 林子雨.大数据技术原理与应用——概念、存储、处理、分析与应用[M].北京：人民邮 电出版社, 2015. 3. 中科普开.大数据技术基础[M].北京：清华大学出版社，2016. 4. 杨正洪.大数据技术入门[M].北京：清华大学出版社,2016. （九）学时分配
其中学时序号教学内容分配实验上机讲授实践221大数据的基本概念和应用2大数据处理架构Hadoop4223分布式文件系统HDFS的基本原理和使514用方法4分布式数据库HBase的基本原理和使154用方法5422NoSQL数据库的概念和基本原理226云数据库的概念和基本原理7682分布式并行编程模型MapReduce原理822流计算基本原理922图计算基本原理1022数据可视化概念、工具和案例2211大数据在互联网领域的应用2212大数据的其他应用合计4032080
序号 教学内容 学时 分配 其 中 讲授 实验 上机 实践 1 大数据的基本概念和应用 2 2 2 大数据处理架构 Hadoop 4 2 2 3 分布式文件系统 HDFS 的基本原理和使 用方法 5 4 1 4 分布式数据库 HBase 的基本原理和使 用方法 5 4 1 5 NoSQL 数据库的概念和基本原理 4 2 2 6 云数据库的概念和基本原理 2 2 7 分布式并行编程模型 MapReduce 原理 8 6 2 8 流计算基本原理 2 2 9 图计算基本原理 2 2 10 数据可视化概念、工具和案例 2 2 11 大数据在互联网领域的应用 2 2 12 大数据的其他应用 2 2 合 计 40 32 0 8 0