大数据技术原理与应用（第2版）——教学大纲.docVIP

厦门大学研究生课程大纲 课程名称 大数据技术原理与应用 英文名称 Principles and applications of big data technology 课程编号 开课学期 学分/周学时 2/2 课程类型 院系通识课程 先修课程 数据库系统原理、编程语言 选用教材 《大数据技术原理与应用——概念、存储、处理、分析与应用》 主要参考书 一、课程性质、目的与任务 专业选修课，大数据技术入门课程，为学生搭建起通向“大数据知识空间”的桥梁和纽带，以“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”为原则，为学生在大数据领域“深耕细作”奠定基础、指明方向。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互联网、生物医学和物流等各个领域的应用。在Hadoop、HDFS、HBase和MapReduce等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。 二、教学基本要求 能够建立对大数据知识体系的轮廓性认识，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，并了解云计算、物联网的概念及其与大数据之间的紧密关系； 能够了解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； 能够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，并熟练掌握分布式文件系统HDFS的使用方法； 能够了解分布式数据库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； 能够了解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； 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； 能够熟练掌握分布式编程框架MapReduce的基本原理和编程方法； 能够了解流计算与批处理的区别，以及流计算的基本原理； 能够了解图计算的基本原理； 能够了解数据可视化的概念和相关工具； 能够了解大数据在互联网等领域的典型应用。 三、主要内容及学时安排 章或节 主要内容 学时安排 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 2 2 介绍大数据处理架构Hadoop 2 3 分布式文件系统HDFS的基本原理和使用方法 4 4 分布式数据库HBase的基本原理和使用方法 4 5 NoSQL数据库的概念和基本原理 2 6 云数据库的概念和基本原理 2 7 分布式并行编程模型MapReduce原理和使用方法 6 8 流计算基本原理 2 9 图计算基本原理 4 10 数据可视化概念、工具和案例 2 11 大数据在互联网领域的典型应用：推荐系统 2 四、考核方式： （1）平时成绩：学生完成上机练习题目，并提交上机实验报告，实验报告成绩作为平时成绩； （2）期末考试：采用笔试，闭卷； （3）最终成绩：平时成绩和期末考试成绩按比例加权求和。 五、开课专业： 计算机 六、其它信息 本科课程大纲填写说明： 课程中英文名称必须准确、规范。英文名称每个单词打头字母应用大写。 课程类型是指公共基本课程、校通识课程、院系通识课程、学科类通修课程或学科类方向性课程。 先修课程是与该课程具有严格的前后逻辑关系，非先修课程则无法学习该课程。 选用教材和主要参考书要求注明作者、书目、出版社、出版年限。例如，“黄叔武、杨一平编：《计算机网络工程教程》，1999年7月。” 开课专业必须明确，不能出现“等”字样，如“经济学、会计学等专业”。 课程性质、目的和任务不少于200字。 教学基本要求不少于400字。 考核方式是指笔试（开卷或闭卷）、口试或其它考查方式。 其它信息是指该课程获奖情况，例如“优秀课程”、“名牌课程”、“精品课程”或者“双语教学课程”等。获奖情况必须注明获奖等级、级别。