以下为《大数据导论附件2-厦门大学本科课程教学大纲-8月23日版本》的无排版文字预览，完整格式请下载

下载前请仔细阅读文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。

厦门大学本科课程教学大纲

课程名称

大数据导论



课程代码



英文

类别代号

CSCI



授课对象

数据科学与大数据技术，本科生

适用年级

大一



课程类型

专业必修课

课程课型

理论课



总学分

总学时

授课

讨论

实验/上机

实践

其他



2

32

32

0

0

0

0



先修课程

无



一、课程简介



大数据时代已经全面开启，带来了信息技术发展的巨大变革，并深刻影响着社会生产和人民生活的方方面面。了解大数据概念、具备大数据思维，熟悉大数据技术是新时代对人才的新要求。本课程高屋建瓴探讨大数据，内容深入浅出，简单易懂，适合计算机相关专业各个年级学生学习。课程内容包括大数据概述，大数据与云计算、物联网、人工智能、区块链，大数据应用，大数据基础知识（大数据安全，大数据思维，大数据伦理，数据共享，数据开放，大数据交易），数据采集与预处理，数据存储与管理，数据处理与分析，数据可视化等。



二、培养目标



本课程旨在实现以下几个培养目标：

引导学生步入大数据时代，积极投身大数据的变革浪潮之中；

了解大数据概念，熟悉大数据应用，培养大数据思维，养成数据安全意识；

了解大数据专业知识体系，形成对大数据专业的整体认知；

熟悉大数据各个环节的相关技术，为后续深入学习相关大数据技术奠定基础；

激发学生基于大数据的创新创业热情。



三、教学方法



本课程以课程理论教学为主，并提供大量补充学习资料，以深化学生对知识的理解。在理论教学层面，高屋建瓴地探讨大数据，超脱技术讲解技术，内容深入浅出，简单易懂，适合各个年级学生学习；同时，在课堂上为学生展示丰富的实际应用案例，激发学生学习兴趣，开拓学生视野，培养学生大数据思维。





四、主要内容及学时安排



章（或节）

主要内容

学时安排



第1章 大数据概述

数据的概念、大数据时代到来的背景、大数据的发展历程、世界各国的大数据发展战略、大数据的概念与影响、大数据的应用以及大数据产业

2



第2章 大数据与其他新兴技术的关系

物联网的概念和应用、云计算的概念和应用、大数据和云计算以及物联网的相互关系、人工智能的概念与关键技术、大数据与人工智能的关系、区块链的概念与技术原理、大数据与区块链的关系

4



第3章 大数据基础知识

大数据安全，大数据思维，大数据伦理，数据共享，数据开放，大数据交易

6



第4章 大数据应用

大数据在各行各业的主要应用

4



第5章 数据采集与预处理

数据采集、数据清洗、数据转换、数据脱敏

2



第6章 数据存储与管理

传统的数据存储与管理技术、大数据时代的数据存储与管理技术、大数据处理架构Hadoop、分布式文件系统HDFS、NoSQL数据库、云数据库、分布式数据库HBase

4



第7章 数据处理与分析

数据处理与分析的概念、机器学习和数据挖掘算法、大数据处理与分析技术、大数据处理与分析代表性产品

6



第8章 数据可视化

可视化概述、可视化图表、可视化工具、可视化典型案例

2



第9章 大数据分析综合案例

案例任务、系统设计、技术选择、系统实现、案例所需知识和技能

2



合计

32



五、考核方式与要求



（1）平时成绩：包括上课考勤和作业；

（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5:5比例加权求和。



六、选用教材

林子雨编著《大数据导论》，人民邮电出版社，2020年8月第1版。ISBN: 978-7-115-54446-9，定价：49.80元。



七、参考书目与文献

维克托·迈尔-舍恩伯格，肯尼思·库克耶．大数据时代：生活、工作与思维的大变革．盛某某等译．杭州：浙江人民出版社，2013．



八、课程网站等支持条件

课程主讲教师建设了国内高校首个大数据课程公共服务平台，提供讲义PPT、课程习题、学习指南、授课视频、技术资料等全方位、一站式免费服务，帮助学生更好学习大数据课程，网站地址：http://dblab.xmu.edu.cn/post/bigdata-introduction/



九、其它信息





大纲制定者：林子雨 大纲审定者： 大纲制定时间：2020年8月





XMU Undergraduate Course Syllabus

Course name

Big Data Introduction



Course code



Category code

CSCI



Programme

Data Science and Big Data Technology

Semester

Freshman



Course type

□Basic Common Courses □General Education Courses □Disciplinary General Courses ■Specialized Courses

□Other Teaching Processes

Course focus

■Lecture □Experiment

□Skill-training □Practical



Credit

Total learning hours

Lecture

Tutorial

Experiment

Practical

Others



2

32

32

0

0

0

0



Prerequisites

None



1.Course description



The era of big data has been opened in an all-round way, bringing about great changes in the development of information technology, and profoundly affecting all aspects of social production and people's lives. Understanding the concept of big data and having big data thinking are new requirements for talents in the new era. This course explores big data. The content is simple and easy to understand. It is suitable for computer majors to learn. The course content includes big data overview, big data and cloud computing, Internet of things, artificial intelligence, block chain, big data application, big data basic knowledge (big data security, big data thinking, big data ethics, data sharing, data opening, big data transaction), data collection and preprocessing, data storage and management, data processing and analysis, data visualization, etc.



2. Learning goals



This course aims to achieve the following training objectives:

Guiding students to enter the era of big data and actively participate in the wave of big data change;

Understanding the concept of big data and cultivating big data thinking；

Be familiar with big data applications and explore the combination of big data and their own professional applications;

Be familiar with the relevant technologies of each link of big data;

Stimulate students' enthusiasm for innovation and entrepreneurship based on big data.



3.Teaching approaches



This course focuses on the teaching of curriculum theory and arranges classroom discussions to deepen students' understanding of knowledge. At the level of theoretical teaching, it is easy to understand. It is suitable for students majoring in computer science to study. At the same time, it shows students abundant practical application cases in class, so as to stimulate students' interest in learning, broaden their horizons and cultivate students' thinking on big data.





4. Content outline of the course



Chapter(Section)

Content

Learning hours



Chapter 1: Big data overview

The concept of data, the background of the arrival of the era of big data, the development process of big data, the development strategy of big data in the world, the concept and influence of big data, the application of big data and the big data industry

2



Chapter 2: Relationship between big data and other emerging technologies

The concept and application of the Internet of things, the concept and application of cloud computing, big data and cloud computing and the relationship between the Internet of things, the concept and key technologies of artificial intelligence, the relationship between big data and artificial intelligence, the concept and principle of blockchain, the relationship between big data and blockchain

4



Chapter 3: basic knowledge of big data

Big data security, big data thinking, big data ethics, data sharing, data opening, big data Trading

6



Chapter 4: big data application

The main application of big data in various areas

4



Chapter 5: data acquisition and preprocessing

Data acquisition, data cleaning, data conversion, data desensitization

2



Chapter 6: data storage and management

Traditional data storage and management technology, data storage and management technology in the era of big data, big data processing architecture Hadoop, distributed file system HDFS, NoSQL database, cloud database, distributed database HBase

4



Chapter 7: data processing and analysis

Concept of data processing and analysis, machine learning and data mining algorithm, big data processing and analysis technology, and representative products of big data processing and analysis

6



Chapter 8: data visualization

Visualization overview, visualization charts, visualization tools, visualization typical cases

2



Chapter 9: big data analysis comprehensive case

Case task, system design, technology selection, system implementation, knowledge and skills required by case

2



Total

32



5. Assessment methods and requirements



The course involves homework and closed-book examination.

The final score includes two parts, i.e., homework(50%) and final examination(50%).



6.Textbooks

Ziyu Lin. Introduction to Big Data. People's post and Telecommunications Press, August, 2020. ISBN:978-7-115-54446-9



7.References

Viktor Mayer-Schonberger, Kenneth Cukier, Write, Sheng Yangyan, Zhou Tao, Trans. Big data: A revolution that will transform how we live, work, and think. Hangzhou: Zhejiang people’s Publishing House, 2012: 12. (in Chinese)



8.Website

http://dblab.xmu.edu.cn/post/bigdata-introduction/



9.Others





Filled out by: Ziyu Lin Approved by: Date: August,2020





厦门大学本科课程大纲填写说明(Notes)

须同时填写课程大纲中文版和英文版。

课程名称必须准确、规范。

课程代码：非任课教师填写。该课程在教务系统生成后，***代为填写。

授课对象填写专业。

适用年级填写可修读本课程的时间，如本科三年级第一学期。

课程类型指公共基本课程、通识教育课程、学科通修课程、专业（或专业方向）课程、其他教学环节。

课程课型指理论课、实验课、技能课、实践课。

总学时=授课学时+讨论学时+实验学时+上机学时+其他学时

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。

10.培养目标不少于150字。

11.考核方式包括成绩登记方式、成绩组成、考核标准等。成绩登记方式包括百分制、通过/不通过等。成绩组成指各种考核方式占比。考核标准指衡量各项考评指标得分的基准。

12.选用教材和主要参考书要求注明作者、书目、出版社、出版年份。例如，“丹利维尔：《民主、官僚制组织和公共选择》，中国青年出版社，2001年。”

13.其它信息指课堂规范要求等，如课上禁止使用手机、缺勤要求等。

14.课程英文类别代号:

英文类别代号

代号英文说明

代号中文说明



ANTH:

Anthropology

人类学类课程；



ARCH:

Architecture

建筑类课程；



ARTS:

Arts

艺术类；



AUTO:

Automation

自动化类课程；



BIOL:

Biology

生物科学类课程；



BUSI:

Business Administration

工商管理类课程；



CHEE:

Chemical Engineering

化工类课程；



CHEM:

Chemistry

化学类课程；



CHIN:

Chinese

中国语言文学类课程；



CIVL:

Civil Engineering

土建类课程；



CSCI:

Computer Science

计算机科学类课程；



ECON:

Economics

经济学类课程；



EENG:

Electronic Engineering

电子工程类课程；



ELIN:

E 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 

PUBM:

Public Management

公共管理类课程；



RUSN:

Russian

俄罗斯语言文学类课程；



SENG:

Software Engineering

软件工程类课程；



SOSA:

Sociology and Social Anthropology

社会学类课程；



IDPE:

Ideological and Political education

思想政治教育类课程；



ENER:

Energy Science

能源科学类课程；



ASTR:

Astronomy

天文学类课程；



MELM:

laboratory medicine

实验医学类课程；



MEEC

Clinical Medical (English Courses)

英文授课临床医学类课程



KORN:

Korean

韩国语言文学类课程



ITAL:

Italian

意大利语言文学类课程



ARAB:

Arabic

阿拉伯语言文学类课程



MALA:

Malay

马来语言文学类课程





[文章尾部最后500字内容到此结束,中间部分内容请查看底下的图片预览]

以上为《大数据导论附件2-厦门大学本科课程教学大纲-8月23日版本》的无排版文字预览，完整格式请下载

下载前请仔细阅读上面文字预览以及下方图片预览。图片预览是什么样的，下载的文档就是什么样的。