《大数据分析与应用》课程教学大纲.docx

大数据分析与应用课程教学大纲课程基本信息注：1.课程类别：选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/课程名称（中文）大数据分析与应用课程名称（英文）Big Data Analysis and Application课程类别I专业选修课课程性质2选修授课语言3中文授课学期第7学期学分2课程学时及分配总学时讲课实验课外3224832适用专业网络工程教材肖政宏等，大数据技术与应用-微课视频版，清华大学出版社,20206授课学院计算机与软件学院先修课程数据结构、Linux操作系统、程序设计基础后续课程专业实习、毕业设计课程简介课程基本定位：该课程为网络工程专业选修课程，主要介绍大数据集群系统 基础、Hadoop分布式系统、HDFS分布式文件系统、MapReduce分布式计算、 HBase分布式数据库应用、YARN资源分配、Spark集群计算、Spark机器学习、 Hive数据仓库应用、ZooKeeper协调服务及大数据技术应用，为学生今后从事 相关领域的工作打下较坚实的基础，激发学生利用大数据技术提高工作效率、 造福人类社会。核心学习结果：通过本课程学习，使学生掌握大数据技术的基本概念、理论、 常用技术及方法，具备应用大数据技术解决实际问题能力。主要教学方法：讲授、讨论、案例、实验。大纲更新时间素质拓展”2.课程性质：选填“选修/必修”3,授课语言：选填“中文/双语/全英文或其他语种”二、课程目标序号课程目标（参考培养目标、毕业要求、 课程定位）支撑毕业要求指标点1达成途径1.1掌握大数据技术的基本概念、理论和 相关技术。讲授、讨论、作 业。2. 1具备构建大数据Hadoop平台能力。讲授、讨论、案 例、实验。2.2具备 HDFS、HBase Hive、Spark ZooKeeper基本操作能力。2.3具备能够编写简单的大数据 MapReduce程序能力。3.1具有自主学习、终身学习以及自我完 善的意识。自学、专题讨论、 作业。注：1.支撑毕业要求指标点：选填项。需要进行专业认证，有毕业要求指标点可参照的课程必填，无明确 毕业要求指标点可参照的可不填。三、理论教学内容章标 题教学内容学时思政融入点1学生学习预期成果2教学方式3课程目标第1章大数据概论2介绍我国科 技工作者在 大数据研究 中的贡献及 存在的差 距，增强民 族自豪感、 责任感和使 命感。理解大数据 的相关概念、 分析过程、应 用、处理流 程，了解大数 据技术的发 展前景。讲授、自 学1.1,3.1第2章大数据集群系统基 础2介绍我国在 大数据研究 方面的杰出 学者及其研 究成果，引 导学生秉承 工匠精神， 用心学习基 础理论和相 关技术，向 优秀学者在理解大数据 集群相关概 念和理论，熟 悉Linux操作 系统，了解虚 拟化技术，了 解CentOS大 数据集群系 统的组成、大 数据集群技 术的架构，熟讲授、讨 论、案例、 演示1.1,3.1齐。悉大数据集 群的部署方 法。第3章Hadoop分布式系统2理解Hadoop 原理及运行 机制，熟悉 Hadoop相关 技术，掌握 Hadoop的安 装、配置与运 行方法。讲授、讨 论、案例、 演示1.1,2.1,3.1第4章HDFS分布式文件系 统2掌握HDFS分 布式文件系 统的工作原 理及使用方 法。讲授、讨 论、案例、 演示1.1,2.2,3.1第5章MapReduce分布式 计算2熟悉 MapReduce 的架构、工作 原理及使用 方法讲授、讨 论、案例、 演示1.1,2.2,3.1第6章HBase分布式数据库 应用3熟悉HBase 的架构、集群 部署、参数配 置、基本操 作。讲授、讨 论、案例、 演示1.1,2.2,3.1第7章YARN资源分配2熟悉YARN的 架构、工作流 程、基本操 作。讲授、讨 论1.1,2.2,3.1第8章Spark集群计算2大数据技术 是近几年的 研究热点， 激励学生投 入到自己感 兴趣的大数 据研究方向，为造福 人类社会贡 献自己的一 份光和热。熟悉Spark的 架构、集群部 署、参数配 置、基本计算 操作。讲授、讨 论、案例、 演示1.1,2.2,3.1第9章Spark机器学习2熟悉Spark在 聚类和分类 问题中的应 用。1.1,2.2,3.1第10 章:Hive数据仓库应用3熟悉Hive组 成模块、执行 流程、安装和 配置、参数配 置和基本操 作。讲授、讨 论、案例、 演示1.1,2.2,3.1第11-?r. 早ZooKeeper协调服务2熟悉ZooKeeper基 础理论、集群 部署和基本 操作。讲授、讨 论、案例、 演示1.1,2.2,3.1注：1.思政融入点：至少写3条，简述该课程教学中将思政教育内容与专业教育内容有机融合的知识点（下同）。.学生学习预期成果：描述学生在学完本节内容后应获得的知识、能力或素养水平（下同）2 .教学方式:包括讲授、讨论、案例、演示等，但不限于所列，根据课程实际需要列举U!U!实践（实验或实习）教学I编 号实验或实习 工程名称教学内容学时实验或实 习类型2思政融入点学生学习 预期成果课程 目标1Hadoop 安装、配置与 基本操作安装linux操作 系统；安装JDK;安装 Hadoop;配置 Hadoop;格式化；运行 Hadoopo1验证性介绍近年来 国内举办的 全国大学生 大数据技能 竞赛情况，鼓 励学生认真 学习、努力实 践、勇于创 新，积极参与 该项赛事。理解Hadoop工 作原理，能熟练 安装、配置、操 作 Hadoopo2.12HDFS分布式文件存储完成分布式文 件存取操作。1验证性掌握分布式文 件存储工作原 理和基本操作。2.23MapReduce 分布式计算编程完成文字 统计和倒排索 引1验证性针对当前各 大IT公司急 需大数据技 术领域的人 才，引导学生 秉承工匠精 神，用心学习 基础理论，勤 动手动脑，为能够应用 MapReduce 完 成简单的分布 式计算。2.3将来就业和 继续深造打 下坚实基础。4HBase分布 式数据库应用编程完成分布 式数据库中数 据的存取操作1验证性熟悉HBase的 安装和分布式 数据库的基本 操作。2.25Spark集群计 算完成Spark安 装、集群部署、 参数配置、集群 运行、词频统计 和相关系数计 算。2验证性熟悉Spark的 安装、配置何运 行方法，能进行 简单集群计算。2.26Spark机器学 习完成聚类和随 机森林中的分 类问题。2验证性在教学中融 入家国情怀、 自主创新。通 过课程学习，培养和鼓励 学生创新意 识和家国情 怀，把学生培 养成富有责 任和使命担 当、敢于创新 的技术人才。掌握Spark中 机器学习操作 过程。2.2注：1.此表可用于课内实践教学环节或某门综合实践课程2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”五、课程评价（一）考核内容、考核方式与课程目标对应关系课程目标考核内容考核方式及占比（）成绩（%）课程 作业课程 实验课程 考试目标是否掌握大数据技术的基本概 念、理论和相关技术。107080目标2.1是否具备构建大数据Hadoop平台 能力。44目标2.2是否具备 HDFS、HBase Hive.44注：1.课程目标在考核方式及占比：主要根据课程目标自行设计和制定多元化考核方式，表中所列仅为参 考（红色数据可删除）。但所列考核方式必须覆盖全体学生，可根据当学期具体教学情况酌情调整。Spark ZooKeeper基本操作能力。目标2.3是否具备能够编写简单的大数据 MapReduce程序能力。44目标3.1课程讨论环节和实验环节是否能 够反映自主学习、终身学习以及 自我完善的意识。538合计1515701002.各考核方式占总成绩权重：根据课程实际情况对各考核方式占总成绩的权重予以赋值。（二）考核方式评分标准1.课程作业评分标准课程目标评分标准占比90-100 （优）80-89 （良）70-79 （中）60-69 （及格）0-59 （不及格）15%目标L1能够深入理 解大数据技 术的基本概 念、理论和 相关技术。能够较好地 理解大数据 技术的基本 概念、理论和 相关技术。能够理解大 数据技术的 基本概念、 理论和相关 技术。基本理解大 数据技术的 基本概念、 理论和相关 技术。不理解大数 据技术的基 本概念、理 论和相关技 术。2.课程实验评分标准（笔试类评分标准可在大纲中按以下格式予以说明，也可在通过“试 卷分析表”予以说明）课 程 目 标评分标准90-100 （优）80-89 （良）70-79 （中）目 标 2.1具有很强的构建大数据 Hadoop平台能力。具有较强的构建大数据Hadoop平台能力。具有一般的构建大数据 Hadoop平台能力。基本具平台能目 标 2.2具有很强的 HDFS, HBase, Hive, Spark, ZooKeeper 基本操作能力。具有较强的 HDFS, HBase,Hive, Spark, ZooKeeper 基本操作能力。具有一般的 HDFS, HBase, Hive, Spark, ZooKeeper 基本操作能力。基 7 HBase, 基本操目具有很强的能够编写简单的具有较强的能够编写简单的具有一般的能够编写简单的基本F标2.3大数据MapReduce程序能力。大数据MapReduce程序能力。大数据MapReduce程序能力。数据M;目实验报告格式规范，文字严实验报告格式规范，文字严实验报告格式比拟规范，文字实验报标谨，内容正确，条理性好，无谨，内容比拟正确，条理性好，比拟严谨，内容正确，条理性严谨,3.1抄袭痕迹，图文并茂；能正确无抄袭痕迹，图文并茂；能比好，无抄袭痕迹，图文并茂；好，无问答所提的问题。较正确问答所提的问题。能比拟正确问答所提的问题。能基本3.课程考试评分标准注：考核方式和课程目标在考核方式中占比应与“（一）考核内容、考核方式与课程目标对应关系” 一 致。所列考核环节，除了笔试类均须依次给出评分标准，格式同上。笔试类课程考核评分标准可以在本课 程大纲里进行说明，也可以通过提交“试卷分析表”予以说明。课程目标评分标准占比90-100 （优）80-89 （良）70-79 （中）60-69 （及格）0-59（不及格）70%目标1.1能够深 入理解 大数据 技术的 基本概 念、理论 和相关 技术。能够较好地理 解大数据技术 的基本概念、 理论和相关技 术。能够理解大 数据技术的 基本概念、 理论和相关 技术。基本理解大 数据技术的 基本概念、 理论和相关 技术。不理解大数 据技术的基 本概念、理论 和相关技术。六、参考书目及学习资料1 .宋旭东，大数据技术基础，清华大学出版社,2020.2 .肖政宏，李俊杰，谢志明，大数据技术与应用-微课视频版，清华大学出版社, 2020.3 .程显毅，大数据技术导论，机械工业出版社,2019.4 .刘化君，吴海涛，毛其林等，大数据技术，电子工业出版社,2019.