《物联网大数据技术》课程标准.docVIP

《物联网大数据技术》课程标准 适用专业：物联网工程技术 1．课程定位和设计思路 1.1课程定位 本课程属于物联网工程技术专业的职业拓展课程模块，是一门培养专业扩展能力的课程，适用于高等职业院校物联网工程技术专业。其主要功能是使学生了解当前热门大数据的基本应用技术及其重要的核心算法，掌握大数据的工作流程，具备针对大数据所涉及的数据处理过程算法的设计实施，能胜任大数据应用处理和大数据核心算法基本设计等工作岗位。 大数据实施中，一般认为，主要包括了数据采集-数据存储-数据处理-数据展现等几个流程。本课程在第四学期开设，本课程的关注重点是数据的处理，主要是涉及大数据核心算法的设计。因为已经有了：涉及数据采集的《物联网设备配置与管理》、《无线传感网络及应用》等先修课程，涉及数据存储和展现的《数据库与Web应用开发》、《Android物联网应用开发》、《物联网桌面应用开发》等先修课程。同时，该课程和《数据结构》课程是同期开设，对于先修课来说，《数据结构》课程可以看做是对传统经典数据结构和相关算法的阐述，而本课程是在当前大数据发展形势下，面对业界新需求，所开设的顺应时代潮流和市场需求的、关于大数据处理的新型课程。而对于后续课程《毕业顶岗实习》而言，该课程可以强化学生对大数据的进一步处理和维护能力。 1.2设计思路 2001年，高德纳分析员道格·莱尼在一份与其2001年的研究相关的演讲中指出，数据增长有三个方向的挑战和机遇：量（Volume），即数据多少；速（Velocity），即资料输入、输出的速度；类（Variety），即多样性。在莱尼的理论基础上，IBM提出大数据的4V特征，得到了业界的广泛认可。第一，数量（Volume），即数据巨大，从TB级别跃升到PB级别；第二，多样性（Variety），即数据类型繁多，不仅包括传统的格式化数据，还包括来自互联网的网络日志、视频、图片、地理位置信息等；第三，速度（Velocity），即处理速度快；第四，真实性（Veracity），即追求高质量的数据。这也是当前产业界和学术界对大数据定义所广泛认同的四个基本特征。 毫无疑问，大数据技术是推动信息技术能力，实现按需供给、促进信息技术和数据资源充分利用的全新业态，是信息化发展的重大变革和必然趋势。 在当前，大数据技术的发展无论对政府（如，了解民生动态，等等）、企业（如，设计、开发和推销其产品，等等），等等，都带来了前所未有的挑战和机遇。其中，亟待解决和具有挑战意义的主要任务之一是：面对庞大的数据资源，如何来进行有效、快速的处理，从数据中提取有价值的信息。 本课程为我院物联网工程技术专业按照行业发展需求而新增的，正好切合对大数据处理行业人才的急切需求，本课程在物联网工程技术专业课程体系中处于非常重要的地位，是一门职业拓展课程。 本课程通过大数据的核心算法介绍，充分锻炼学生对大数据的处理能力，通过学习，学生掌握基本大数据的核心算法 在本课标中，在对知识与技能的描述上力求详细与准确。技能及其学习要求采取了“能做……”的形式进行描述，知识及其学习要求则采取了“能描述……”和“能理解……”的形式进行描述，即区分了两个学习层次，“描述”指学生能熟练识记知识点，“理解”指学生把握知识点的内涵及及其关系。 本课程建议课时数48，共计3学分，每周3课时，预计16周完成教学任务。 2．工作任务和课程目标 2.1工作任务 了解大数据当前的基本情况 掌握K-Means（The k-means algorithm）算法 掌握SVM（Support Vector Machine）算法 掌握KNN（k-nearest neighbor classification）算法 理解Apriori算法 了解EM（Expectation–Maximization）算法 了解AdaBoost算法 2.2课程目标 能理解大数据的基本概念，包括包含大数据概述、大数据的发展历史以及大数据的应用场景； 能掌握K-Means算法、SVM算法和KNN算法，进行设计和使用； 能理解Apriori算法、PageRank算法和NBC算法，进行最基本的使用； 能了解CART算法、EM算法、C4.5算法和AdaBoost算法，进行最基本的阐述。 3．课程学分、学时、内容和要求 本课程3学分，48学时。课程内容和要求见表1所示。 表1 课程内容和要求 序号 工作任务 知识要求 技能要求 学时 1 理解大数据的基本概念 大数据概述 大数据的发展历史 大数据的应用场景 了解大数据的基本概念 6 2 K-Means（The k-means algorithm）算法 算法原理 算法步骤 算法核心 算法实现 算法使用及适用场景 能通过伪代码进K-Means算法的实现、设计和使用 9 3 SVM（Support Vector Mac