《大数据技术实践》课程教学大纲.docx

《大数据技术实践》课程教学大纲
一、课程基本信息注：1.课程类别：选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/ 素质拓展”
课程名称（中文）
大数据技术实践
课程名称（英文）
Theoretical Practice of Big Data Technology
课程类别
专业选修课
课程性质2
选修
授课语言3
中文
授课学期
第6学期
学分
1
课程学时及分配
总学时
讲课
实验
课外
16

16

适用专业
计算机科学与技术
教材
肖政宏等，大数据技术与应用-微课视频版，清华大学出版社,2020.6.
授课学院
计算机与软件学院
先修课程
数据结构、Linux操作系统、程序设计基础
后续课程
专业实习、毕业设计
课程简介
课程基本定位：大数据技术实践是计算机类专业的一门综合性的专业实践选 修课程，主要内容包括工程需求分析、关键技术、效果展示、系统架构设计、 数据存储设计、数据分析、数据展示。通过本课程学习，使学生初步具备大 数据的应用、开发的能力，为从事大数据分析、建模、可视化奠定基础。
核心学习结果：通过本课程实践，培养学生的团队协作精神，使学生掌握如 何分析数据、解决问题、完成相关研究的方法，具有独立思考和创新意识。 主要教学方法：讨论、案例、实验。
大纲更新时间

2.课程性质：选填“选修/必修”3.授课语言：选填“中文/双语/全英文或其他语种”

二、课程目标
序号
课程目标（参考培养目标、毕业要求、 课程定位）
支撑毕业要求指标点1
达成途径
L1
能够针对具体大数据分析任务，应用 大数据技术的基本原理和方法，对问 题进行抽象、分析与设计，并进行问 题求解和验证。
指标点2.1：应用数学、自 然科学和工程科学的基本 原理，针对一个系统或者过 程进行抽象、分析与识别，
自学、讨论、实 验。

并进行问题推理、求解和验 证。

1.2
能够针对具体大数据分析案例，有效 组织、存储和处理数据，能够正确地 改进或设计满足功能需求的算法，并 对算法进行有效分析和评价。
指标点3. 2：能够合理有效 地组织、存储和处理数据， 正确地进行算法设计、分 析和评价。
自学、讨论、实 验。
1.3
能够针对具体大数据分析案例，通过 仿真实验检验方案的有效性和合理 性，并通过信息综合得到合理有效的 结论。
指标点4. 4：针对设计或开 发的解决方案，能够通过理 论证明、实验仿真或者系 统实现等多种科学方法说 明其有效性和合理性，并对 解决方案的实施质量进行 分析，通过信息综合得到 合理有效的结论。
2.1
具有自主学习、终身学习以及自我完 善的意识。
毕业要求指标点12.2：能 认识不断探索和学习的必 要性，具有自主学习和终身 学习的意识。
自学、讨论、实 验。
注：1.支撑毕业要求指标点：选填项。需要进行专业认证，有毕业要求指标点可参照的课程必填，无明确毕业要求指标点可参照的可不填。

三、实践（实验或实习）教学I
编 号
实验或实习 工程名称
教学内容
学时
实验或实 习类型2
思政融入点
学生学习
预期成果
课程 目标
1
工程计划与 需求分析
完成工程分工 实施计划，撰写 需求分析报告
2
设计性
解释工程开 发中个体与 团队的关系， 随着大数据 及用户需求 不断提高，强 调只有团队 合作才能出 精品，引导学 生个体服从 团体，树立大
培养团队协作 精神，提高大 数据应用背景 下理解问题、 分析问题能 力。
1.1,2.1

局观、精诚协 作共赢思想。

2
工程架构与 数据存储设 计
完成大数据应 用背景下工程 架构设计和数 据存储设计方 案。
4
综合性
介绍近年举 办的全国大 学生大数据 技能竞赛情 况，鼓励学生 认真学习、努 力实践、勇于 创新，积极参 与该项赛事。
熟悉大数据应 用中工程架构 和数据存储设 计过程。
1.2,2.1
3
编程实现
编程完成大数 据存储、分析和 展示。
6
综合性
介绍国内外 高校及研发 机构对大数 据领域人才 需求情况，引 导学生秉承 工匠精神，用 心学习基础 理论，勤动手 动脑，为将来 就业和继续 深造打下坚 实基础。
熟悉大数据应 用背景下的编 程开发过程。
1.3,2.1
4
工程测试， 完成课程设 计报告
对大数据应用 工程根据测试 用例给出测试 报告。
4
验证性

熟悉大数据项 目背景下工程 测试的过程和 撰写大数据课 程设计报告流 程。
13,2.1
注：1.此表可用于课内实践教学环节或某门综合实践课程2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”

五、课程评价（一）考核内容、考核方式与课程目标对应关系
课程目标
考核内容
考核方式及 占比（%）
成绩（％）
课设 系统
课设 报告

目标1.1
是否能够针对具体大数据分 析任务，应用大数据技术的基 本原理和方法，对问题进行抽 象、分析与设计，并进行问题 求解和验证。

15
15
目标1.2
是否能够针对具体大数据分 析案例，有效组织、存储和处 理数据，能够正确地改进或设 计满足功能需求的算法，并对 算法进行有效分析和评价。

20
20
目标1.3
是否能够针对具体大数据分 析案例，通过仿真实验检验方 案的有效性和合理性，并通过 信息综合得到合理有效的结 论。
40
10
50
目标2.1
课程讨论环节和实验环节是 否能够反映自主学习、终身学 习以及自我完善的意识。
10
5
15
合计
50
50
100
注：1.课程目标在考核方式及占比：主要根据课程目标自行设计和制定多元化考核方式，表中所列仅为参 考（红色数据可删除）。但所列考核方式必须覆盖全体学生，可根据当学期具体教学情况酌情调整。
2.各考核方式占总成绩权重：根据课程实际情况对各考核方式占总成绩的权重予以赋值。

（二）考核方式评分标准1.课程实验评分标准（笔试类评分标准可在大纲中按以下格式予以说明，也可在通过 “试卷分析表”予以说明）
课程目标
评分标准
占比
90-100 （优）
80-89 （良）
70-79 （中）
60-69 （及格）
0-59
（不及格）
100%
目标1.1
具有很强的
具有较强的
具有一般的
基本具有针
不具有针对具体

针对具体大 数据分析任 务，应用大 数据技术的 基本原理和 方法，对问 题进行抽 象、分析与 设计，并进 行问题求解 和验证能 力。
针对具体大 数据分析任 务，应用大 数据技术的 基本原理和 方法，对问 题进行抽 象、分析与 设计，并进 行问题求解 和验证能 力。
针对具体大 数据分析任 务，应用大 数据技术的 基本原理和 方法，对问 题进行抽 象、分析与 设计，并进 行问题求解 和验证能 力。
对具体大数 据分析任 务，应用大 数据技术的 基本原理和 方法，对问 题进行抽 象、分析与 设计，并进 行问题求解 和验证能 力。
大数据分析任 务，应用大数据 技术的基本原理 和方法，对问题 进行抽象、分析 与设计，并进行 问题求解和验证 能力。

目标L2
具有很强的 针对具体大 数据分析案 例，有效组 织、存储和 处理数据， 能够正确地 改进或设计 满足功能需 求的算法， 并对算法进 行有效分析 和评价能 力。
具有较强的 针对具体大 数据分析案 例,有效组 织、存储和 处理数据， 能够正确地 改进或设计 满足功能需 求的算法， 并对算法进 行有效分析 和评价能 力。
具有一般的 针对具体大 数据分析案 例，有效组 织、存储和 处理数据， 能够正确地 改进或设计 满足功能需 求的算法， 并对算法进 行有效分析 和评价能 力。
基本具有针 对具体大数 据分析案 例,有效组 织、存储和 处理数据， 能够正确地 改进或设计 满足功能需 求的算法， 并对算法进 行有效分析 和评价能 力。
不具有针对具体 大数据分析案 例，有效组织、 存储和处理数 据，能够正确地 改进或设计满足 功能需求的算 法，并对算法进 行有效分析和评 价能力。

目标1.3
具有很强的 针对具体大 数据分析案 例,通过仿 真实验检验 方案的有效 性和合理 性,并通过 信息综合得 到合理有效 的结论能 力。
具有较强的 针对具体大 数据分析案 例,通过仿 真实验检验 方案的有效 性和合理 性，并通过 信息综合得 到合理有效 的结论能 力。
具有一般的 针对具体大 数据分析案 例,通过仿 真实验检验 方案的有效 性和合理 性，并通过 信息综合得 到合理有效 的结论能 力。
基本具有针 对具体大数 据分析案 例，通过仿 真实验检验 方案的有效 性和合理 性，并通过 信息综合得 到合理有效 的结论能 力。
不具有针对具体 大数据分析案 例，通过仿真实 验检验方案的有 效性和合理性， 并通过信息综合 得到合理有效的 结论能力。

目标2.1
课设报告格 式规范，文 字严谨，内 容正确，条 理性好，无
课设报告格 式规范，文 字严谨，内 容比拟正 确，条理性
课设报告格 式比拟规 范，文字比 较严谨，内 容正确，条
课设报告格 式基本规 范，文字严 谨，内容基 本正确，条
课设报告有明显 的抄袭痕迹，不 能正确问答所提 的问题。

抄袭痕迹， 图文并茂； 能正确问答 所提的问 题。
好，无抄袭 痕迹，图文 并茂；能比 较正确问答 所提的问 题。
理性好，无 抄袭痕迹， 图文并茂； 能比拟正确 问答所提的 问题。
理性好，无 抄袭痕迹， 图文并茂； 能基本正确 问答所提的 问题。

五、参考书目及学习资料
1 .宋旭东，大数据技术基础，清华大学出版社,2020.
2 .肖政宏，李俊杰，谢志明，大数据技术与应用-微课视频版，清华大学出版社, 2020.
3 .程显毅，大数据技术导论，机械工业出版社,2019.
4 .刘化君，吴海涛，毛其林等，大数据技术，电子工业出版社,2019.