原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
大数据教学大纲--第1页
通过对大数据的相关知识介绍，使学生掌握大数据的概念和原理，熟
悉大数据的理论与算法，了解大数据未来发展趋势，能够利用所学知识，进行大
数据应用实现和算法设计，培养学生运用大数据技术解决大数据行业应用问题。
本课程系统介绍了大数据的理论知识和实战应用，包括大数据概念与
应用、数据采集与预处理、数据挖掘算法与工具、R语言、深度学习以及大数据
可视化等，并深度剖析了大数据在互联网、商业和典型行业的应用。期望学生对
大数据处理技术有比较深入的理解，能够从具体问题或者实例入手，利用所学的
大数据知识在应用中实现数据分析和数据挖掘。
基本要求：熟悉大数据的概念与意义、大数据的来源、大数据应用场景及大数据
处理方法等内容。
重点：大数据的定义、研究内容与应用。
难点：无。
基本要求：熟悉常用的大数据采集工具，特殊是ApacheKafka数据采集使用方
法；熟悉数据预处理原理和方法，包括数据清洗、数据集合、数据转换；掌握数
1/7
大数据教学大纲--第1页
大数据教学大纲--第2页
据仓库概念与ETL工具Kettle的实际应用。
重点：ApacheKafka数据采集、数据清洗、数据仓库与ETL工具。
难点：ETL工具Kettle的实际应用。
基本要求：熟悉常用的数据挖掘算法，内容上从分类、聚类、关联规则和预测模
型等数据挖掘常用分析方法出发掌握相对应的算法，并能熟练进行数据挖掘算法
的综合应用。
重点：分类算法、聚类算法、关联规则、时间序列预测。
难点：数据挖掘算法的综合应用。
基本要求：熟练掌握机器学习系统Mahout和大数据挖掘工具SparkMllib下的
分类算法、聚类算法、协同过滤算法的使用，并对其他数据挖掘工具有所了解。
重点：Mahout安装与使用、SparkMllib工具的使用。
难点：Mahout和SparkMllib工具的使用。
基本要求：了解R语言的发展历程、功能和应用领域；熟悉R语言在数据挖掘中
的应用；掌握R语言在分布式并行实时计算环境Spark中的应用SparkR。
重点：R语言基本功能、R语言在数据挖掘中的应用、SparkR主要机器学习算法。
难点：R语言与数据挖掘。
基本要求：了解深度学习的发展过程和实际应用场景，并结合人脑的工作原理，
理解深度学习的相关概念和工作机制，做到能够熟练使用常用的深度学习软件。
重点：人脑神经系统与深度学习、卷积网络、深度置信网络、循环(递归)
网络、TensorFlow和Caffe。
难点：人工神经网络。
基本要求：熟悉大数据可视化的基础知识；掌握文本可视化、网络可视化、时空
数据可视化、多维数据可视化等常用的大数据可视化方法，可通过Excel、
Processing、NodeXL和ECharts软件实现数据的可视化。
2/7
大数据教学大纲--第2页
大数据教学大纲--第3页
重点：数据可视化流程、大数据可视化方法、大数据可视化软件与工具。
难点：时空
文档评论（0）