《Hadoop大数据分析基础》课程教学大纲.docxVIP

《Hadoop大数据分析基础》教学大纲 课程英文名 Analysis Basis of Big Data on Hadoop 课程代码 J0701Z03 学分 3 总学时 48 理论学时 24 实验/实践学时 24 课程类别 专业课 课程性质 任选 先修课程 Hadoop分布式系统 适用专业 信息与计算科学、数学与应用数学 开课学院 理学院 一、课程地位与课程目标 （一）课程地位 《Hadoop大数据分析基础》是数据科学与技术方向一门重要的专业课程，它是在Hadoop大数据平台基础上，利用Spark系统进行大数据分析，利用Storm系统进行流式分析。本课程在专业培养体系中具有重要的地位，对培养学生进行大数据计算和分析能力的起到重要的作用。 （二）课程目标 1.掌握大数据分析基本原理和方法； 2.熟悉Hadoop生态环境下的Spark系统配置、常用分析工具及其程序设计实现； 3.熟悉Hadoop生态环境下的Storm系统配置、常用分析工具及其程序设计实现； 4.掌握大数据分析程序设计方法。 二、课程目标达成的途径与方法 以课堂教学为主，结合自学、课堂讨论、课外作业、实验验证等。 课堂教学，采用ppt和板书结合讲解，并通过程序演示 课堂讨论，围绕一个关键问题，分组讨论，并选派学生阐述自己的观点 课外作业，在教材每个章节后面的练习中选择有代表性的问题作为学生课后的书面作业，检查学生对知识的掌握程度 实验验证，选择适当的案例，通过仿照例子编写一定的程序代码，验证理论，提高能力 三、课程目标与相关毕业要求的对应关系 课程目标 课程目标对毕业要求的支撑程度（H、M、L） 毕业要求4 毕业要求6 毕业要求10 课程目标1 H M M 课程目标2 H M M 课程目标3 H M M 课程目标4 H M M 注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。 四、课程主要内容与基本要求 第1章 绪论内容：大数据的概念；大数据分析的过程、技术与难点 要求：了解大数据的概念；了解大数据分析的过程、技术与难点 第2章 大数据分析模型 内容：大数据分析模型建立方法，基本统计量，推断统计；关联分析模型；分类分析模型；聚类分析模型；结构分析模型；文本分析模型 要求：了解大数据分析模型的建立方法；掌握关联分析模型，分类分析模型，聚类分析模型；了解结构分析模型，文本分析模型 大数据分析的数据预处理 内容：数据抽样和过滤；数据标准化与归一化；数据清洗；降维 要求：掌握数据抽样和过滤，数据标准化与归一化，数据清洗；了解降维方法 面向大数据的数据仓库系统内容：数据仓库；分布式数据仓库系统；基于Hadoop的数据仓库系统 要求：了解数据仓库概念；掌握基于Hadoop的数据仓库系统 大数据分析算法内容：回归算法；关联规则挖掘算法；分类算法；聚类算法 要求：掌握回归算法；关联规则挖掘算法；分类算法；聚类算法 大数据计算平台内容：基于Spark的大数据分析 要求：掌握Spark计算平台的基本使用 第7章 流式计算平台内容： 流式计算概述；基于Storm的大数据分析实例 326要求：掌握基于Storm计算平台的基本使用 五、课程学时安排 章节号 教学内容 学时数 学生任务 对应课程目标 第1章 绪论 2 1.完成本章练习 2.预习下一章内容 课程目标1 第2章 大数据分析模型 12 1.完成本章练习 2.预习下一章内容 课程目标1 第3章 大数据分析的数据预处理 4 1.完成本章练习 2.预习下一章内容 课程目标1 第4章 面向大数据的数据仓库系统 4 1.完成本章练习 2.预习下一章内容 课程目标1 第5章 大数据分析算法 8 1.完成本章编程练习 2.预习下一章内容 课程目标1 课程目标4 第6章 大数据计算平台 10 1.完成本章编程练习 2.预习下一章内容 课程目标1 课程目标2 课程目标3 课程目标4 第7章 流式计算平台 8 1.完成本章编程练习 2.预习下一章内容 课程目标1 课程目标2 课程目标3 课程目标4 六、实践环节及基本要求 序号 实验项目名称 学时 基本要求 学生任务 实验性质 实验类别 1 大数据分析模型 6 验证模型 完成编程验证 验证 必做 2 数据预处理 2 验证预处理方法 完成编程验证 验证 必做 3 数据仓库 2 验证数据仓库管理 完成编程验证 验证 必做 4 大数据分析算法 4 验证分析算法实例 完成编程验证 验证 必做 5 大数据计算平台 6 验证计算实例 完成编程验证 验证 必做 6 流式计算平台 4 验证流式计算实例 完成编程验证 验证 必做 注：1.实验性质指演示性、验证性、设计性、综合性等；2.实验类别指必做、选做等。 七、考核方式及成绩评定 考核内容 考核方式 评定标准（依据