《大数据与云计算》教学大纲

1、大数据与云计算课程教学大纲课程名称：大数据与云计算英文名称：Big Data and CloudComputing课程编号：091060250.002课程性质：选修学分/学时：1/16，其中，讲授16学时，实验0学时，上机0学时使用专业：各专业任课学院、系部：计算机科学与技术学院数据科学与技术系一、课程简介课程定位：本课程意在普及大数据知识，帮助学生理解大数据时代的现实意义，了解大数据的分析、处理技术，以积极投身于大数据的应用。课程内容：大数据发展历史、相关概念；大数据时代的研究方法及其特点；大数据的可视化技术；云计算与大数据之间关系；大数据处理系统Hadoop、SPARK的环境搭建；并行程序

2、的编写方法入门。学习成效：通过学习本课程使学生树立正确数据时代信息处理理念，理解大数据技术的优势与局限性，开拓学生在数据科学领域视野，为其在科学研究、工作实践过程中有效地应用大数据技术解决相关问题提供必要基础。先修课程：C+、JAVA或Matlab语言等高级编程语言。二、课程目标与毕业要求根据工程教育专业认证标准（2017版），大数据与云计算课程教学目标对采矿工程专业毕业要求的支撑见表1。表1 课程教学目标与毕业要求关系毕业要求指标点分解学习目标支撑强度3设计/开发解决方案：能够针对采矿工程领域的生产与管理问题提出解决方案，设计满足特定需求的系统或工艺流程，并能够在设计环节中体现创新意识，考虑

3、社会、健康、安全、法律、文化以及环境等因素。3.2.设计/开发解决方案能够利用计算机和人工智能等先进技术原理，设计满足特定需求的生产系统和工艺流程学习目标1：应用先进的云计算平台，正确评估企业数据类型，业务流程，提出云端管理的可行性方案。M4.研究：能够基于科学原理，采用科学方法对采矿工程、智能开采中的工程问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。4.3 能够对实验数据通过信息综合得到合理有效的结论和规律学习目标2：可设计、搭建企业私有云平台，实现为企业大数据存储与管理、运算。L学习目标3：选择恰当的大数据处理框架，设计相应的处理流程并实现大数据分析。H注：

4、表中“H（高）、M（中）、L（弱）”表示课程与各项毕业要求的关联度。三、课程目标与教学环节大数据与云计算这门课程以“开拓云计算视野、立足大数据实践、掌握大数据处理方法特点”为主线，结合学生个性特点，积极开展动手实践。主要以讲授、随堂实践为主，以自主学习、课外作业为辅。课堂教学将充分利网络辅助教学，调动学习积极性，提高教学效率。本课程目标、知识单元与培养环节见表 2。表2 课程目标、知识单元与培养环节课程目标知识单元培养环节授课随堂操作课程项目课程目标1：应用先进的云计算平台，在分析业务流程上云的可行性，评估云端管理的可行性。1 大数据2 数据可视化6. 云计算Ö课程目标2：可设计、搭

5、建企业私有云平台，实现为企业大数据存储与管理、运算。3 Hadoop安装与配置ÖÖ课程目标3：正确评估企业数据类型，业务流程，选择恰当的大数据处理软件，设计相应的处理流程并实现大数据分析。4 HDFS文件系统与MapReduce模型5 SPARK 基础ÖÖ1. 布置一个课程项目 (设计大作业）利用集群进行并行计算。利用虚拟机配置集群，搭建HADOOP或SPARK系统，完成文本词频并行统计。四、课程内容及学时分配大数据与云计算是一门理论性和实践性都很强的课程，针对计算机、信息管理和其他各专业学生的发展需求，系统、全面地介绍了关于大数据技术与应用的基本知识和

6、技能，详细介绍了大数据与大数据时代、大数据的可视化、大数据时代的思维变革、大数据在云端、支撑大数据的技术、LINUX系统、HADOOP平台、SPARK平台等内容，具有较强的系统性、可读性和实用性。根据工程教育专业认证标准（2015版），大数据与云计算知识单元、知识点与学时分配见表3。表3 知识单元、知识点与学时分配知识单元知识点理论学时实验学时课程目标序号描述序号描述1 大数据1.1大数据定义2011.2大数据的结构类型1.3大数据的发展1.4大数据时代的思维变革2数据可视化2.1可视化定义与作用2012.2数据可视化的工具2.3数据可视化的应用3Hadoop安装与配置3.1Linux 安装与

7、设定2023.2.JDK 安装与设定3.3Hadoop集群安装与配置4HDFS文件系统与MapReduce模型4.1HDFS的定义与实现机制3034.2HADOOP/HDFS命令4.3MapReduce定义4.4快速开发MR程序5SPARK 基础5.1SPARK概述3035.2SPARK运行架构5.3RDD的设计与运行原理5.4RDD编程6云计算6.1云端大数据4036.2计算虚拟化6.3存储虚拟化6.4网络虚拟化6.5数据中心的构建五、考核方案及考核权重基于大数据与云计算教学内容与毕业要求指标点的关联性，制定本课程质量评价方法。课程考试考核总成绩由平时学习表现、过程考核成绩和结课考核成绩三部

8、分组成，这种考核方式可大大促进学生对日常教学环节中知识积累和掌握的重视程度，促进学生的学习产出。考试考核方案及权重见表4。表 4 考核方案及考核权重课程目标知识单元支撑章节考核环节权重合计结课考核过程考核平时表现权重课程项目作业课堂讨论课堂实践课程目标1：普及大数据知识，理解大数据时代的相关技术先进性1 大数据2 数据可视化6. 云计算30%5%35%课程目标2：了解大数据的分析、处理技术；能够完成简单大数据环境搭建3 Hadoop安装与配置10%10%5%5%5%35%课程目标3：理解大数据环境下数据处理流程，初步掌握集群环境下大数据处理技术。4 HDFS文件系统与MapReduce模型5 SPARK 基础10%15%5%30%50%25%5%10%10%100%6、 课程持续改进结合工程认证的课程达成度评价表内容，大数据与云计算课程需要改进的内容如表5所示。表5 课程需要持续改进的内容定期做适当的记录，以便评估学生能力的取得程度评估的结果被系统地加入项目持续改进中其他可用的协助持续改进的资源1. 巩固使用慕课、课堂派等网络课程平台，加强过程考核，掌握学生对所讲知识的掌握程度和需求；2. 通过课堂讨论、互动、课程项目，提高解决复杂工程问题的能力。