《大数据前沿技术》课程教学大纲.docx
《大数据前沿技术》教学大纲
课程编号英文名称：BigdataFrontierTechnology
学分：1
学时：总学时16学时，其中理论16学时
先修课程：机器学习与应用、高级语言、数据挖掘基础及应用
课程类别：专业主干课
授课对象：数据科学与大数据技术本科学生
教学单位：机械与电气工程学院
修读学期：第7学期
一、课程描述和目标
无论是世界范围内还是在中国，大数据浪潮正在深刻改变着各行各业，而各行各业对大数据人才的需求，以及技术从业者希望跻身大数据高级人才的需求也变得越来越强烈。因此各行各业都迫切需要大数据人才，大数据需求旺盛与人才短缺并存，而大数据人才薪酬及职业与事业发展回报前景看好。在此背景下，学校紧随学科发展趋势，运用于世界同步的教学理念、教学方法与教学内容，全方位、系统性进行大数据前沿教学，帮助优秀学生尽早接触和学习当下最热门的先进技术，使学生在未来的事业和职业发展中赢得先机。
课程目标1：了解大数据处理技术的最新发展，帮助个人和企业了解如何选择大数据相关产品。
课程目标2：了解学习各行各业领域中的大数据及其处理方法。
课程目标3：了解大数据的基本概念，了解海量大数据处理的技术挑战，理解大数据的架构设计原则和主要的技术方法。
二、课程目标对毕业要求的支撑关系
毕业要求指标点
课程目标
权重
指标点10-1：具备沟通交流的基本技巧与能力，良好的口头与书面表达能力，有效表达自己思想与意愿的能力，倾听与理解他人需求和意愿的能力，适应工作与人际环境变化的能力。
课程目标1
M
指标点10-3：具备一门外国语的基本听、说、读、写、译的能力，能够阅读计算机专业领域的外文资料，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。
课程目标1
H
指标点12-1：具备持续更新和提高自我知识、能力与素质的终身学习意识。
课程目标2
M
指标点12-2：能够具有了解和紧跟计算机技术发展、保持和增强自我竞争力、适应个人持续发展所需要的自主学习能力。
课程目标3
H
三、教学内容、基本要求与学时分配
序号
教学内容
基本要求
学时
教学
方式
对应课程目标
1
从大数据的历史与发展、大数据的定义、大数据的研究内容、大数据问题在国内外政府、公司和大学的研究现状等当面进行论述、为这一新兴概念勾勒出一个雏形。
了解大数据概念及应用范围及挑战
8
讲授式
启发式
课程目标1
2
大数据处理技术应用专题：大数据新媒体时代的视频分析技术
了解大数据新媒体时代的视频分析技术
8
讲授式
练习式
课程目标1
课程目标2
3
大数据处理技术应用专题：基于云端大数据的图像处理
了解基于云端大数据的图像处理技术
8
讲授式
练习式
课程目标1
课程目标2
4
大数据处理技术应用专题：社交网络中的大数据处理技术
了解社交网络中的大数据处理技术
8
讲授式
练习式
课程目标1
课程目标2
5
大数据处理技术应用专题：大数据处理技术在时空数据检索中的应用
了解大数据处理技术在时空数据检索中的应用
8
讲授式
练习式
课程目标1
课程目标2
6
大数据处理技术应用专题：大数据处理技术在Web文本数据挖掘中的应用
了解大数据处理技术在Web文本数据挖掘中的应用
8
讲授式
启发式
课程目标1
课程目标2
课程目标3
合计
48
注：实验要求包括必修、选修；实验类型包括演示、验证、综合、设计等。
四、课程教学方法
线上教学与线下教学相结合；集中讲授与探究式教学及翻转课堂相结合；采用讲授式、启发式、探究式、讨论式和练习式等教学方式。
五、学业评价和课程考核
推行多元评价，对本课程所采用的评价和考核方式作具体说明，若采用多种考核方法请分别列出考核评价的方法、内容、考核标准、成绩占比等，考核方法、内容应突出“学生中心、产出导向”。（以下以工科某课程为例，仅供参考。各课程要按课程实际情况设计填写）
（一）考核方式及具体要求
1.课程成绩构成与要求
课程考核注重形成性和终结性评价相结合，考核内容主要由平时作业、课程实验、课程论文、线下表现、期末考核组成，均按百分制计分，平时作业成绩占20%、期末大作业成绩占50%、线下表现成绩占30%。
2.课程目标达成考核与评价
序号
教学环节
课程目标1（分值）
课程目标2（分值）
课程目标3（分值）
合计
1
平时作业
4
3
3
20
2
期末大作业
10
10
10
50
3
线下表现
4
3
3
30
课程目标对应分值
38
36
26
100
（二）考核与评价标准
1.平时作业考核与评价标准
分值
观测点
90-100分
70-89分
60-69分
0-59分
平时作业
按时完成，90%以上的作业内容齐全，基本知识点理解、掌握到位。能够利用理论知识编程求解具体问题。
按时完成，70%以上的作业内容