《物联网信息处理》课程教学大纲

PAGE5《物联网信息处理》课程简介课程编号：07044005课程名称：物联网信息处理/InformationprocessinginIOT学分:3学时：48（实验：12）适用专业：物联网工程建议修读学期：6开课单位：计算机科学与技术学院物联网工程系先修课程：物联网导论、传感器原理、概率论和数理统计、数据结构考核方式与成绩评定标准：本课程成绩由平时成绩(30%)，期末考试(70%)组合而成，采用百分制计分制。各部分所占比例如下：平时成绩占30%，主要考查对各章知识点的理解程度，学习态度，学习能力，利用熟悉的编程语言实验数据处理算法的综合能力。期末成绩占70%，采用闭卷形式考查。题型为简答题、计算题、算法设计题等。考核内容主要有：物联网中的大数据平台基本框架,占总比例的10%，高效数据流处理算法,占总比例的70%，基础的静态数据分析挖掘算法，占总比例的20%。教材与主要参考书目：1.莱斯科夫(JureLeskovec)(作者),拉贾拉曼(AnandRajaraman)(作者),厄尔曼(JeffreyDavidUllman)(作者),王斌(译者)，大数据:互联网大规模数据挖掘与分布式处理（第二版），人民邮电出版社内容概述：本课程是为计算机学院大学三年级物联网工程专业学生所开设的专业基础课程。课程的主要内容包括：物联网中大数据计算框架、基本的静态数据分析和挖掘技术、高效数据流分析处理技术和相关算法分析理论基础。课程的目地是让学生，初步了解物联网的大数据计算法框架、初步了解基本的静态数据挖掘分析算法、了解并掌握数据流中的基本数据处理算法和相关算法分析的理论。为其在以后的工作和学习中分析和设计物联网中的大规模数据处理算法打下坚实的科学知识基础。ThiscourseisabasiccompulsorycoursefortheJuniorsmajoringinInternetofthings（IoT）.Thecoursecontentincludesthreeparts：thebasicknowledgeofthecomputingframeworksforbigdatainIoT,thebasicanalyticandminingtechnologiesforstaticdatasets,andefficientalgorithmsfordatastreamsandthetheoreticalbasicsforanalyzingtheperformanceofthesealgorithms.ThecourseisdesignedtogivestudentsapreliminaryunderstandingofthecomputingframeworksforbigdatainIoT,basicknowledgeforminingandanalyzingstaticdataset,efficientdataprocessingalgorithmsfordatastreamsandtherelatedtheoreticalbasicsforanalyzing.Afterthestudyingofthiscourse,thestudentsshallhaveagoodalgorithmicknowledgeandtheoreticalbasicsfordesigningandanalyzingefficientalgorithmsforinformationprocessinginIoT《物联网信息处理》教学大纲课程名称课程编号学分/学时建议开课学期物联网概论070440053/48三年级上学期先修课程后续课程开课单位适用专业物联网导论、传感器原理、概率论和数理统计、数据结构无计算机科学与技术学院物联网工程系物联网工程本课程是为计算机学院大学三年级物联网工程专业学生所开设的专业课程。目标在于使学生了解和掌握物联网信息处理的基础初步知识。物联网信息处理涉及大数据计算框架、本课程是为计算机学院大学三年级物联网工程专业学生所开设的专业课程。目标在于使学生了解和掌握物联网信息处理的基础初步知识。物联网信息处理涉及大数据计算框架、基本的静态数据分析挖掘算法、高效的数据流处理算法等多方面知识。本课程以采用讲授和实验相结合的方式，注重培养学生对大数据计算框架、静态数据分析任务的特性和基本算法、数据流处理和分析的了解和认识，为学生今后从事物联网相关工作或深入研究打下坚实的基础。（对应的毕业要求：3）本课程重点支持以下毕业要求指标点：毕业要求3．掌握扎实的物联网相关基本理论，具有从事物联网应用系统创新和工程管理必须的相关知识。体现在理解和掌握基本的数据处理和分析方法。理解和掌握静态数据特性和经典的分析与处理算法、数据流特性、高效数据流处理算法和相关的算法分析理论。了解数据分析处理的技术前沿。二、教学内容及学时分配本课程总学时数为48学时，其中理论教学为36学时，实验教学为12学时；课程教学共有六章，具体内容及学时安排等如下表所示：课程内容教学要求重点（☆）难点（△）学时安排实验学时上机学时备注第一章数据挖掘基本概念41.1数据挖掘的定义C1.2数据挖掘的统计限制A☆☆1.3相关知识B第二章MapReduce及新软件栈202.1分布式文件系统C2.2MapReduceB2.3使用MapReduce算法C第三章相似项发现☆△1243.1近邻搜索的应用B3.2文档的shinglingA☆3.3保持相似度的集合摘要表示A☆3.4文档的局部敏感哈希算法A☆△3.5距离测度B3.6局部敏感函数理论B第四章数据流挖掘☆△2884.1数据流模型A△4.2数据流中的数据抽样A☆△4.3数据流过滤算法A☆△4.4数据流中独立元素的数目统计A☆△4.5矩估计A☆△4.6窗口内的计数问题A☆△第五章链接分析25.1PageRankB5.2PageRank的快速计算B☆△5.3面向主题的PageRankB（教学基本要求：A-掌握；B-熟悉；C-了解）三、建议实验（上机）项目及学时分配实验学时为12四、教学方法与教学手段课程教学以课堂讲授为主，结合作业、编程实验等多种教学方式共同实施。五、考核方式与成绩评定标准本课程成绩由平时成绩(30%)，期末考试(70%)组合而成，采用百分制计分制。各部分所占比例如下：平时成绩占30%，主要考查对各章知识点的理解程度，学习态度，学习能力，利用熟悉的编程语言实验数据处理算法的综合能力。期末成绩占70%，采用闭卷形式考查。题型为简答题、计算题、算法设计题等。考核内容主要有：物联网中的大数据平台基本框架,占总比例的10%，高效数据流处理算法,占总比例的70%，基础的静态数据分析挖掘算法，占总比例的20%。六、教材与主要参考书目1.莱斯科夫(JureLeskovec)(作者),拉贾拉曼(AnandRajaraman)