《大数据算法》课程教学大纲
课程代码：090141128
课程英文名称：Big Data Algorithm
课程总学时：40 讲课：32 实验：8 上机：0
适用专业：信息与计算科学
大纲编写（修订）时间：2017.11
一、大纲使用说明
（一）课程的地位及教学目标
大数据不论在研究还是工程领域都是热点之一，算法是大数据管理与计算的核心主题，因此将大数据算法作为信息与计算科学专业的一门选修课程。通过本课程的学习，使学生能掌握一些大数据算法设计的基本思想，较好的理解和传统算法课程不一样的算法设计与分析思路，通过实践练习初步掌握大数据算法设计与分析的技术，并能够将其中的思想应用于实际的研究和开发。从而提高学生的创新实践能力，加强学生开展科研工作能力。为今后进行更深入的研究奠定良好的理论基础。
通过本课程的学习，学生将达到以下要求：
1. 掌握大数据算法设计的基本思想，较好的理解大数据算法设计与分析的基本思路；
2. 初步掌握大数据算法设计与分析的基本方法和技术；
3. 初步具备将大数据算法应用于实际开发的能力，并能够分析算法效率。
（二）知识、能力及技能方面的基本要求
1.基本知识：掌握大数据算法设计和分析的基本思想，掌握概率算法、I/O有效算法、并行算法等大数据算法的基本思想。
2.基本理论和方法：掌握大数据算法设计的一般原理和步骤。要求学生能够掌握亚线性算法、外存算法、并行算法等算法的设计方法和分析技术。
3.基本技能:具备运用亚线性算法、外存算法、并行算法等算法综合解决实际问题的能力，初步具备将大数据算法应用于实际开发的技能。
（三）实施说明
1．教学方法：本课程涉及大数据理论、算法设计技术、算法分析方法，涉及知识面广且比较抽象。建议采用案例教学并结合演示让学生理解和掌握各种算法设计方法，通过课堂讨论、课后作业和实验训练，加强学生对大数据算法设计方法的掌握。采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；以最新的研究成果为导向，引导和鼓励学生通过查阅文献、实践获取知识，让学生了解大数据算法的前沿知识，培养学生的自学能力；增加讨论课，调动学生学习的主观能动性。
2．教学手段：本课程建议采用课堂讲授、讨论、多媒体教学相结合的教学形式，以确保在有限的学时内，全面、高质量地完成课程教学任务。
3．教师在授课过程中可以根据实际情况酌情安排各部分的学时，课时分配表仅供参考。
（四）对先修课的要求
本课程的教学必须在完成先修课程算法设计与分析之后进行，该课程的学习为算法的设计奠定了基础。
（五）对习题课、实践环节的要求
1．对重点、难点章节（如亚线性算法、外存算法、并行算法等）安排习题课，针对本章的算法进行回顾和总结，讲解典型算法设计题。课堂讲解算法思路，要求学生课后自己进行算法
实现。
2．课后作业要少而精，内容要多样化，作业题可以有几个同学合作完成，作业的完成情况应作为评定课程成绩的一部分。作业要能起到巩固理论，掌握算法设计方法和技巧，提高分析问题、解决问题能力，对作业中的重点、难点，课上应做必要的提示。学生必须独立、按时完成课外习题和作业，作业的完成情况应作为评定课程成绩的一部分。
3．每个学生要完成大纲中规定的必修实验，通过实验环节，学生应掌握大数据算法的基本设计方法。实验成绩作为评定课程成绩的一部分。
4．安排大作业，大作业成绩作为平时成绩的一部分。
（六）课程考核方式
1．考核方式：采用五分制考查方式考核
2．考核目标：在考核学生对大数据算法设计与分析的基本知识、基本原理和方法的基础上，重点考核学生的设计能力以及解决实际问题的能力。
3．成绩构成：本课程的总成绩主要由三部分组成：平时成绩（包括作业情况、出勤情况等）占25%，实验成绩占25%，期末考试成绩占50%。
（七）参考书目
《大数据算法》，王宏志编著，机械工业出版社，2015
《算法导论》（第3版），(美)Thomas H.Cormen, Charles E.Leiserson, Ronald L.Rivest, and Clifford Stein著，陈建平，徐云等译，机械工业出版社, 2007.
《概率与计算》，(美)Michael Mitzenmacher，史道齐译，机械工业出版社, 2007.
二、中文摘要
本课程是信息与计算科学专业学生必修的一门实践性很强的主干基础课程。课程通过对各种基本算法以及算法分析内容的讲授，使学生掌握算法设计的基本知识、基本思想，并具有设计算法和分析算法的能力。课程主要内容包括分治算法、动态规划算法、贪心算法、回溯算法以及分支限界算法等。本课程将为后续课程的学习以及相关课程设计、毕业设计等奠定重要的基础。
三、课程学时分配表
四、教学内容及基本要求
第1部分大数据算法概述
总学时(单位：学时):2 讲课:2 实验:0 上机:0
具体内容：
1)理解大数据的定义与特征，了解大数据的应用；
2)理解大数据算法的定义与特征，大数据算法设计与分析技术；
3)理解大数据算法的难度，了解大数据算法的应用；
重点:
大数据算法的定义与特征
重点：
算法效率分析的基本方法和表示方法、递归算法的效率分析
难点：
大数据算法设计与分析技术
习题:
查找资料了解大数据的应用，并分析该大数据应用涉及到的数据规模、资源约束、时间约束和涉及到的算法。
第2部分亚线性算法
总学时(单位：学时):10 讲课:8 实验:0 上机:0
第2.1部分时间亚线性算法 (讲课2学时)
具体内容：
1)掌握亚线性算法的定义；
2)通过实例理解什么是亚线性算法：
3)掌握最小生成树代价估计算法。
第2.2部分时间亚线性判定算法 (讲课2学时)
1)理解时间亚线性判定算法的基本思想；
2）了解亚线性判定算法的应用。
第2.3部分空间亚线性算法概述(讲课2学时)
具体内容：
1)理解空间亚线性算法的基本思想；
2）掌握水库抽样问题。
第2.4部分空间亚线性算法(讲课2学时)
具体内容：
1）理解寻找频繁元素的非随机算法与随机算法的基本思想；
2)掌握估算不同元素数量的基本算法，了解改进算法。
重点:
时间亚线性计算方法，全0数组判定，平面图直径，最小生成树代价估计分治算法的设计、数组有序性判定，水库抽样问题。
难点：
最小生成树代价估计分治算法的设计、数组有序性判定。
习题:
写出一个判定问题并用时间亚线性算法解决.
第3部分外存算法
总学时(单位：学时):10 讲课:8 实验:4 上机:0
第3.1部分外存算法概述 (讲课2学时)
具体内容：
1)理解外存存储结构，掌握外存算法的定义；
2)通过实例掌握外存排序算法；
3)理解外存搜索树算法。
第3.2部分外存查找结构(讲课2学时)
具体内容
1)掌握B树的查找结构；
2)掌握KD树的查找结构。
第3.3部分外存图数据算法 (讲课4学时)
具体内容
1）理解线性表排名问题；
2）掌握线性表排名问题的算法；
3）通过实例掌握缩图法；
4）理解单源最短路径问题的Dijkstra算法的I/O高效版本；
5）了解时间前向处理方法。
重点:
外存排序算法、缩图法的基本思想与步骤，外存查找结构，线性表排名问题，Dijkstra算法的I/O高效版本。
难点：
外存排序算法、外存查找结构，线性表排名问题
习题:
设计一个I/O有效的外存算法并分析其I/O复杂度；针对问题，设计外存有效的算法并分析I/O复杂度。
实验：外存算法实验（4学时）
第4部分并行算法
总学时(单位：学时):10 讲课:8 实验:4 上机:0
第4.1部分 MapReduce概述(讲课2学时)
具体内容：
1)了解MapReduce的基本模型；
2)理解MapReduce的算法设计方法；掌握两种重要的算法设计模式——词对法和条块法；
3)了解MapReduce算法设计与算法实现技巧。
第4.2部分连接算法(讲课2学时)
具体内容:
1)掌握普通连接算法的步骤；
2)理解相似连接算法的基本思想。
第4.3部分图算法(讲课2学时)
具体内容：
1）理解基于广度优先搜索的MapReduce图处理算法的基本思想，掌握基本步骤；
2）掌握最小生成树的MapReduce算法；
3）了解使用图算法的注意事项。
第4.4部分非MapReduce的并行算法(讲课2学时)
具体内容：
1）了解基于迭代处理平台的并行算法的基本思想；
2）了解基于图处理平台的并行算法的基本思想与基本步骤。
重点:
MapReduce的基本模型，MapReduce的算法设计方法，普通连接算法，图处理算法。
难点：
普通连接算法，图处理算法。
习题:
针对问题，设计MapReduce算法，并进行优化。
实验：并行算法实验（4学时）
第5部分众包算法
总学时(单位：学时):6 讲课:6 实验:0 上机:0
第5.1部分众包算法的定义(讲课2学时)
具体内容：
1)掌握众包算法的定义；
2)通过实例理解众包算法。
第5.2部分众包算法的要素和关键技术(讲课2学时)
具体内容:
1)掌握众包的流程、众包的报酬等基本概念；
2)理解众包中的关键技术。
第5.1部分众包算法举例 (讲课2学时)
具体内容：
1）掌握众包算法求解问题的的基本步骤；
2）通过实例理解众包算法如何应用。
重点:
众包算法的定义，众包的流程，众包的报酬，众包中的关键技术
难点：
众包的流程，众包的报酬
习题:
现实当中的数据有很多错误，有些错误是能够根据规则自动修复的，但是有一些错误计算机无从知道如何修费，请设计策略，利用众包有效修复数据中的错误。
《英语教学法》课程教学大纲 英文名称：English Teaching Methodology 课程代码：0452117 学时数：32学时学分：2 课程类别： 课程性质：必修 适用专业：英语（教育方向） 先修课程：教育学、心理学、综合英语、英语听力、英语口语、 考核方式：闭卷笔试 一、课程的性质、地位和作用 《英语教学法》是英语（教育方向）专业必修课程，也是专业核心课程，在本专业的课程体系中具有举足轻重的作用。它在学生掌握一定的英语语言基本知识与基本技能以及教育学心理学基本理论的基础上，帮助学生形成英语教与学的理论素养与实践技能，直接为学生的顺利就业打下基础。本课程立足于培养优秀的中小学英语教学应用型人才，除了让学生掌握扎实学习教学理论知识之外，还让其具备较强的实际教学能力，较强的分析能力、合作能力和创新创业能力。本课程的作用是使学生系统地掌握英语教学的基本理论以及各教学层面的基本路子和方法，形成科学的教学观、语言观、学习观和方法观等，并具备一定的基本操作能力，旨在引导学生以本书阐述的理论为线索，了解英语教学的基本方法，初步掌握英语教学的理论知识，为将来从事英语教育打下坚实的基础。 二、教学内容及要求 第1章导论 【教学要求】 了解教学法的研究对象和意义以及英语教师的专业发展过程 重点和难点：教学法的内涵和教师专业发展 【教学内容】
1、教学法研究的对象、内容； 2、学习英语教学法的意义； 3、何为一名合格的英语教师 4、如何成长为一名合格的英语教师 【教学重点与难点】 教学法的内涵与本质；语言教师的专业发展过程 第2章、语言与语言教学 【教学要求】 了解语言的性质；了解语言学习的过程；了解语言教学的主要流派及其理论基础；了解语言教学的新趋势； 【教学内容】 1）语言、语言教学的性质； 2）英语教学的语言学基础 3）英语教学的心理学基础 4）语言教学的主要流派及其理论基础； 【教学重点与难点】 语言教学的主要流派及其理论基础；语言教学的新趋势； 第3章、英语教学方法 【教学要求】 理解交际能力的内涵；了解交际教学和任务性语言教学的发展历程和基本特征；基本掌握交际教学原则在教学实践中的运用；正确评价交际教学法和任务型语言教学； 【教学内容】 1、交际能力的内涵及对英语教学的启示； 2、交际能力的内涵 3、交际教学的基本特征； 4、交际教学活动的创设； 5、对交际教学法的评价；
《数据库原理与应用》教学大纲 课程名称：数据库原理与应用课程代码：B0823005 课程类别：学科基础课开课系部：计算机与信息工程系 适用专业：信息管理与信息系统 总学时：64学时 先修课程：《大学计算机文化基础》、《程序设计基础》、《数据结构》 后续课程：《数据库系统分析与设计》、《Web 系统开发技术与应用》、《高级数据库技术》、《系统开发案例》、《移动端系统开发技术与应用》、《物联网技术与应用》、《能源大数据挖掘与应用》、《信息系统开发方法与工具》 一、课程教学目标 《数据库原理与应用》课程是信息管理与信息系统专业的一门专业必修课程之一，它系统、完整地讲述了当前数据库技术从基本原理到应用实践的主要内容。 课程的任务是使学生掌握数据库的基本理论和设计数据库的基本方法，使学生能够利用所学的数据库知识设计数据库应用程序，解决数据处理中的一些实际问题，支撑专业学习成果中相应指标点的达成。 课程目标对学生能力要求如下： 课程目标1. 通过研究关系代数，函数依赖，多值依赖，Armstrong公理，关系模式的分解，关系模式的规范化让学生建立扎实的关系数据库理论基础。 课程目标 2. 结合目前信息系统建设的实际，全面讲授关系数据库标准语言--SQL、关系数据库设计过程方法，使学生掌握现代信息系统中数据库开发技术。 课程目标3. 在数据库基本理论的基础上，讲授恢复技术、并发控制技术，数据库实现基本技术以及数据库安全性和完整性控制，使学生掌握数据库系统维护管理系统。 课程目标4：对数据库技术的研究动态，如分布式数据库、数据挖掘等也作简略介绍，使学生简单了解目前数据库发展的前沿技术。 二、课程教学目标对学习成果的支撑关系 课程目标对学习成果的支撑关系 学习成果学习成果指标点课程目标 毕业能力G2.问题分析 能够应用数学、自然科学和工程科学的基本原理， 识别、表达、并通过文献研究分析复杂信息管理和信息课程目标1
大数据导论 1. 课程简介 本课程的主要目的是让学生了解什么是大数据，大数据的特点，大数据思维，大数据的核心技术，大数据应用，大数据带来的变革，以及大数据面临的挑战，从而使学生对大数据技术和应用有一个初步的了解。本课程重视演示和实战，以便使学生通过亲身体验来理解和掌握大数据的核心概念。 2. 课程安排（74学时：42学时讲课，6学时演示，26学时实验） 第一阶段：大数据概述（8+4+0） 第一课：（理论：2学时） 第一章大数据概述 第二课：（理论：2学时） 第二章大数据采集 第三课：（理论：2学时） 第三章大数据预处理 第四课：（演示：2学时） 演示一：大数据技术演示 第五课：（理论：2学时） 第四章大数据处理系统 第六课：（演示：2学时） 演示二：大数据应用演示 第二阶段：大数据存储技术（8+0+8） 第七课：（理论：2学时） 第五章大数据文件系统HDFS 第八课：（使用：2学时） 实验一：分布式文件系统HDFS使用 第九课：（理论：2学时） 第六章 NoSQL数据库HBase 第十课：（实验：2学时） 实验二：列式数据库HBase使用 第十一课：（理论：2学时） 第七章数据仓库Hive 第十二课：（理论：2学时）
第七章数据仓库Hive 第十三课：（实验：2学时） 实验三：HiveQL 命令行的使用 第十四课：（实验：2学时） 实验四：使用JDBC程序操作数据库 第三阶段：大数据处理技术（12+0+10）第十五课：（理论：2学时） 第八章大数据批处理Hadoop MapReduce 第十六课：（理论：2学时） 第八章大数据批处理Hadoop MapReduce 第十七课：（实验：2学时） 实验五：批处理模式MapReduce应用 第十八课：（理论：2学时） 第九章大数据快速处理Spark 第十九课：（实验：2学时） 实验六：内存处理模式Spark应用 第二十课：（理论：2学时） 第十章大数据实时流计算 Spark Streaming 第二十一课：（实验：2学时） 实验七：流式处理模式Spark Streaming应用 第二十二课：（理论：2学时） 第十一章分布式图计算框架 Spark GraphX 第二十三课：（实验：2学时） 实验八：图处理模式Spark Graph应用 第二十四课：（理论：2学时）
《小学语文新课程教学法》教学大纲 一、课程性质、地位和作用 《小学语文新课程教学法》是汉语言文学专业（师范类）重要的并充分体现出专业特色的核心课程。该课程要通过阐述小学语文教学的基本理论、一般规律和基本的教学方法，使学生全面地了解和认识小学语文课程，并具备基本的小学语文教育教学知识和能力，形成初步的教研能力和教师角色意识。 二、课程教学对象、目的和要求 该课程适用于大专层次的汉语言文学专业（师范类）学生。通过学习，要求学生了解当前小学教育教学情况及小学语文教学领域内教改的新经验、新观点、新趋势，具有参与语文教学改革的积极愿望；熟练掌握并能运用课程论、学习论、教学论、评价论、教师论、教研论等基本理论知识和技能；能够根据语文课程标准、语文教材和学生的实际情况，进行识字写字教学、阅读教学、写作教学、口语交际教学、综合性学习等教学内容的备课、上课工作。 在教学方法上，本课程的突出特点是理论性与实践性二者的紧密结合，教学中既要注重教学理论与教学规律的教学，又要加强实践性教学环节，注重学生能力培养，课中应适当组织学生讨论或试讲，并充分运用现代教学技术，让学生观看教学录像，组织学生到微格教室进行教学技能训练。故该课程主要采用讲授法、讨论法、案例研究法、模拟教学（主要是微格教学训练）等方法进行教学。 三、课程的相关课程及其关系 学习本课程前的相关课程有现代汉语、古代文学、现当代文学、外国文学、心理学、教育学等课程。通过学习这些课程，学生可以掌握中外文学、教育学、心理学的基础理论和基本知识，为学习《小学语文新课程教学法》打好基础。 学好本课程，也为以后相关见习、实习奠定基础。 四、课程内容及学时分配 本课程教学总时数为102学时。理论教学学时为34学时，实训教学68学时。 页脚内容1
《数据库系统概论》课程教学大纲 课程英文名称:Theory & Application Of DataBase System 课程编号： 讲授对象:计算机网络工程专业（本科） 先修课程：《离散数学》、《FoxPro》、《数据结构》、《操作系统》 采用教材：《数据库系统概论》萨师煊等，高等教育出版社 总学时：72 授课:64 上机：8 学分：4 一、课程的性质、目标和任务： 《数据库系统原理及应用》是数据管理的最新技术，是计算机科学的重要分支，它为计算机专业、管理专业等众多学科提供利用计算机技术进行数据管理的基本理论知识，是计算机专业、管理专业等学科的专业必修课。 本课程主要介绍数据库的基本理论和应用方法。本课程的任务是通过各个教学环节，运用各种教学手段和方法，使学生在掌握数据模型、数据库管理系统、数据库语言及数据库设计理论等基本理论知识的基础上，逐步具有开发和设计数据库的能力，为进一步开发和设计大型信息系统打下坚实基础。 二、课程教学内容、教学形式和教学要求 1、理论教学大纲内容： 第一章绪论 (一)课程内容 1、数据库系统概述 2 、数据模型 3 、数据库系统结构 4 、数据库管理系统 5 、据库技术的研究领域 (二)学习目的和要求 本章阐述了数据库的基本概念，介绍了数据库管理技术的进展情况、数据库技术产生和发展的背景、数据库系统的组成以及数据库技术的主要研究领域。 学习本章的重点在于将注意力放在基本概念和基本知识的把握方面，从而为以后的学习打好扎实的基础。 第二章关系数据库 (一)课程内容 1 、关系模型 2 、关系数据结构 3 、关系的完整性 4、关系代数 (二)学习目的和要求 1、需要了解的：产系统数据库理论产生和发展的过程，关系数据库产品的发展 沿革；关系演算的概念； 2、需要牢固掌握的：关系模型的三个组成部分及各部分所包括的主要内容；牢 固关系数据结构及其形化定义；关系的三类完整性约束的概念。
《大数据技术导论》课程教学大纲 Instruction of Big Data Technology 一、课程基本情况 课程编号： 课程类别：专业任选课 课程学分：2 学分 课程总学时：32学时，其中讲课： 20 学时，实验（含上机）： 12 学时 课程性质：考试 开课学期：第3学期 先修课程：大学生计算机基础 适用专业：计算机应用技术 开课单位：计算机科学与技术学院 二、课程性质、教学目标和任务 《大数据技术导论》课程是计算机应用技术专业想了解大数据分析技术的学生必修的一门基础课程，具有很强的实践性和应用性。它以《大学计算机基础》为基础，主要培养学生大数据平台运维、大数据分析和数据可视化基本思想和基本技能，为后续的数据挖掘应用性课程和数据产品开发课程的学习打好编程基础。 本课程设置的目的是通过对Hadoop,HDFS,MapReduce,HBase,R语言的学习，较好地训练学生大数据平台运维、数据分析和数据展现，使学生具有数据分析和数据展现的能力，为培养学生有较强数据开发能力打下良好基础。 三、教学内容和要求 1.概论（4学时） （1）了解大数据技术产生的历史必然； （2）理解大数据的特征； （3）理解大数据生命周期； （4）理解大数据、云计算、物联网之间的相互关系；
（5）了解大数据的变革； （6）熟练掌握Linux常用命令 （7）了解Linux目录结构； （8）熟练使用vi编辑器 目的：通过上述知识的学习，使学生了解大数据基本概念、特征、处理流程，熟练掌握Linux常用操作命令。 重点：linux操作； 难点：大数据生命周期。 2.大数据生态系统（4学时） （1）掌握HDFS分布式文件系统的结构； （2）掌握HDFS存储原理； （3）掌握HDFS读写操作； （4）掌握MapReduce编程框架 （5）理解Map原理； （6）理解MapReduce原理； （7）了解zookeeper架构和工作原理 目的：通过上述知识的学习，使学生了解大数据生态系统疾病组件，掌握HDFS和MapReduce工作原理，并进行相应的操作。 重点：HDFS工作原理和读写过程； 难点：MapReduce编程。 3.大数据采集与预处理（4学时） （1）理解数据及其分类； （2）了解数据采集方法和工具； （3）掌握数据清洗的任务和作用； （4）掌握数据变换的种类和过程； （5）熟练Python爬虫 目的：通过上述知识的学习，使学生理解数据分类，理解数据清洗和数据变换的意义，熟练Python爬虫。 重点：Python爬虫； 难点：Python爬虫。
《英语学科教育学》教学大纲 一、课程代码 二、课程名称 （1）中文名《英语学科教育学》 （2）英文名 English Subject Educology 三、课程管理院（部） 外国语学院 四、大纲说明 1.教学目的、任务 英语学科教育学是研究英语教育的客观规律的科学，是研究英语教学过程以及影响英语教学的诸多因素，揭示英语教学的性质和规律的科宇。它是以教育学、心理学、英语语言学、课程论等学科为理论基础的一门交叉学科。这门学科是专为英语师范专业高年级学生开设，目的是让他们对英语教学理论和规律进行系统的了解，为以后走上教学岗位打下基础。 2..教学的具体要求 理论与实践相结合，在教授理论知识的同时围绕典型的教育现象以小组为单位进行讨论，设计教学活动、设计测试题目、设计关于学习者诸多因素的调查问卷等。做到人人参与，畅所欲言。 3.教学中应注意的几个问题 要求人人参与，对课堂任务以小组为单位进行协作，多以讨论和课堂设计为主；战胜枯燥，对英语教学抱有激情。 4.教学效果检查 考试，平时成绩占20%，期末考试成绩占80% 5.教学时数分配 每周2课时，共18周36课时。 五、纲目 第一章Basic Concepts of English Language Educology [教学目的]了解英语教学论的基本范畴、概念、英语学习理论和教学模式。 [教学重点与难点]基本概念和理论的掌握 [教学时数]12 [教学方法与手段]多媒体、课堂讨论 1. Introduction to English language educology 2. The study of education and its relation to language educolgy
数据库应用技术》教案大纲 适用专业 ： 高职计算机应用技术 学时学分 ： 48 学时， 3 学分 课程类型 ： B 类（理论 +实践）课 课程性质 ： 必修课 课程编号 ： 20302600 执笔人 ： 蔡贵荣 审定人 ： 蔡江云 编撰日期 ： 2009 年 8 月修订 、课程性质和任务 本课程是 B 类（理论 +实践）课， 3 学分，计划 48 学时，其中实践 24 学时，占总学时 50%，是高职计算机应用技术专业学生的职业技能课。 本课程的任务是介绍数据库的基本知识、 SQL Server 数据库管理与开发的基本技能和实际 应用案例。通过本课程的学习，学生应掌握 SQL Server 2005 的实用技术、掌握 T-SQL 编程技 术、掌握数据完整性和数据安全性的技术、掌握数据库常规管理技术，从而使学生能够独立完 成数据库工程的分析和设计，并运用所学到的知识开发实际的数据库工程。 、教案内容和要求 第 1 单元 SQL Server 2005 基础知识 教案内容： 1.1SQL Server 2005 概述 SQL Server 2005 的体系结构 数据库和数据库对象 SQL Server 2005 1.2SQL Server 2005 SQL Server 2005 SQL Server 2005 Microsoft SQL Server 的安装 1.3SQL Server 2005 的配置 注册服务器 配置服务器选项 1.4SQL Server Management Studio 教案要求： 1. 了解 Microsoft SQL Server 2005 2. 了解 Microsoft SQL Server 2005 3. 理解 SQL Server 体系结构的特点和 数据库引擎的作用 4. 理解数据库和组成数据库的各种对象的类型和作用 5. 熟练掌握 SQL Server Management Studio 工具的使用 第 2 单元数据库对象建立与维护 教案内容： 2.1 数据库 数据库的基本概念 数据库的创建 数据库的修改 删除数据库 2.2 表 表的数据类型 创建表 创建约束 向表中添加数据 查看表 修改、删除表 的特点 的安装 版本的特点 的运行环境要求 管理工具的使用 的特点 的安装和配置
《大数据处理与云计算》教学大纲 课程类别：专业教育课课程名称：大数据处理与云计算 开课单位：信息与通信工程学院课程编号：N03050703 总学时：40 学分：2.5 适用专业：信息工程专业 先修课程：无 一、课程在教学计划中的地位、作用 大数据处理与云计算是信息工程专业高年级学生开设的一门专业教育课。本课程主要学习大数据处理和云计算的相关原理和技术，根据实际需求，构建相应的大数据处理和云计算平台框架。 通过本课程学习，使学生掌握大数据的采集、传输、处理和应用的技术，了解Hadoop 分布式系统基础架构，掌握HDFS和MapReduce技术。了解HBase、Hive、Zookeeper、Avro、Pig等相关大数据技术，与实际工程应用相结合，构建相应的云计算平台。教学应当结合实际实验条件，培养学生实践动手能力，了解大数据技术发展现状，促进大数据相关教学改革。 二、课程教学内容、要求及学时分配 第一章大数据与云计算概况 1、了解大数据概念 2、了解大数据的产生、应用和作用 3、了解云计算技术的概述 4、了解云计算的特点及技术分类 5、了解大数据与云计算、物联网之间的关系 第二章大数据处理与云计算的关键技术 1、理解大数据处理的基本流程 2、掌握大数据的关键技术 3、理解大数据的处理工具 4、了解大数据面临的挑战 5、理解云计算及关系型数据库 第三章 Hadoop 1、了解Hadoop概述 2、了解Hadoop发展简史 3、理解Hadoop的功能与作用
4、了解Hadoop的优缺点 5、了解Hadoop的应用现状和发展趋势 6、掌握Hadoop项目及其结构 7、掌握Hadoop的体系结构 8、掌握HDFS的体系结构 第四章 MaReduce 1、理解分布式并行编程 2、理解MapReduce模型概述 3、掌握Map和Reduce函数 4、掌握MapReduce工作流程 5、掌握并行计算的实现 6、掌握新的MapReduce框架：Yarn 7、理解新旧Hadoop MapReduce框架的对比 第五章 HDFS 1、理解HDFS的假设与目标 2、理解HDFS的相关概念 3、掌握HDFS体系结构 4、掌握HDFS命名空间 5、掌握HDFS存储原理 6、掌握通讯协议 7、理解数据错误和异常 8、理解从HDFS看分布式文件系统的设计需求第六章 Zookeeper 1、了解Zookeeper简介 2、掌握Zookeeper的工作原理 3、理解Zookeeper的数据模型 第七章 HBase海量实时处理实战技巧 1、理解HBase简介和架构 2、掌握HBase核心知识点 3、掌握HBase高级应用
《数据库应用》课程教学大纲 课程类别：专业核心课 适用专业：经济信息管理/工商企业管理/会计/市场营销 适用层次：高起专 适用教育形式：网络教育/成人教育 考核形式：考试 所属学院：经济管理学院 先修课程：无 一、课程简介 本课程是一门专业课程。主要讲述数据处理的方法和相关技术。具体包括数据库的概念、关系的结构、表的形成、表单的制作和数据的分析管理。 二、课程学习目标 数据库应用领域已从数据处理、事务处理、信息管理扩大到计算机辅助设计、人工智能、信息系统等更广阔的应用领域。本课程面向实际应用，研究如何存储、使用和管理数据，有较强的理论性和实用性。本课程旨在介绍数据库系统以及关系数据库系统的基本概念、基础理论以及相关知识，同时，系统讲述数据库设计理论和数据库系统的安全性、完整性、并发控制等相关概念和技术，为学生全面了解数据库技术在管理信息系统中的应用，运用数据库技术从事信息管理，开发、运行和维护管理信息系统打下坚实的基础。 三、课程的主要内容及基本要求 （一）理论学时部分 第一章数据库系统基础 『知识点』 数据库基本概念；数据库技术的产生和发展；数据库管理系统的功能；数据库管理系统的组成；数据库应用系统的体系结构；数据库应用系统的三级数据模式；概念模型与数据模
型。 『重点』 数据库管理系统的功能和组成；数据库应用系统的三级数据模式；概念模型与数据模型。 『难点』 三级数据模式；概念模型与数据模型。 『基本要求』 1、识记：数据库、DBMS、数据模型。 2、领会：DBMS的功能与组成；三级模式结构如何保证数据与程序的独立性；建立数据模型的意义。 3、简单应用：要求学生能正确认识管理需求，并用概念模型表达。 第二章关系数据库 『知识点』 关系数据结构及性质；关系的完整性；关系代数。 『重点』 关系数据结构。 『难点』 关系数据结构；主键约束、外键约束。 『基本要求』 1、识记：关系数据结构的定义和相关基本概念；关系的性质；完整性约束；关系代数运算。 2、领会：关系模型与集合代数的关系；关系操作语言。 3、简单应用：要求学生正确认识关系的候选键、主码、外码、主属性。
《大数据算法》课程教学大纲 课程代码：090141128 课程英文名称：Big Data Algorithm 课程总学时：40 讲课：32 实验：8 上机：0 适用专业：信息与计算科学 大纲编写（修订）时间：2017.11 一、大纲使用说明 （一）课程的地位及教学目标 大数据不论在研究还是工程领域都是热点之一，算法是大数据管理与计算的核心主题，因此将大数据算法作为信息与计算科学专业的一门选修课程。通过本课程的学习，使学生能掌握一些大数据算法设计的基本思想，较好的理解和传统算法课程不一样的算法设计与分析思路，通过实践练习初步掌握大数据算法设计与分析的技术，并能够将其中的思想应用于实际的研究和开发。从而提高学生的创新实践能力，加强学生开展科研工作能力。为今后进行更深入的研究奠定良好的理论基础。 通过本课程的学习，学生将达到以下要求： 1. 掌握大数据算法设计的基本思想，较好的理解大数据算法设计与分析的基本思路； 2. 初步掌握大数据算法设计与分析的基本方法和技术； 3. 初步具备将大数据算法应用于实际开发的能力，并能够分析算法效率。 （二）知识、能力及技能方面的基本要求 1.基本知识：掌握大数据算法设计和分析的基本思想，掌握概率算法、I/O有效算法、并行算法等大数据算法的基本思想。 2.基本理论和方法：掌握大数据算法设计的一般原理和步骤。要求学生能够掌握亚线性算法、外存算法、并行算法等算法的设计方法和分析技术。 3.基本技能:具备运用亚线性算法、外存算法、并行算法等算法综合解决实际问题的能力，初步具备将大数据算法应用于实际开发的技能。 （三）实施说明 1．教学方法：本课程涉及大数据理论、算法设计技术、算法分析方法，涉及知识面广且比较抽象。建议采用案例教学并结合演示让学生理解和掌握各种算法设计方法，通过课堂讨论、课后作业和实验训练，加强学生对大数据算法设计方法的掌握。采用启发式教学，培养学生思考问题、分析问题和解决问题的能力；以最新的研究成果为导向，引导和鼓励学生通过查阅文献、实践获取知识，让学生了解大数据算法的前沿知识，培养学生的自学能力；增加讨论课，调动学生学习的主观能动性。 2．教学手段：本课程建议采用课堂讲授、讨论、多媒体教学相结合的教学形式，以确保在有限的学时内，全面、高质量地完成课程教学任务。 3．教师在授课过程中可以根据实际情况酌情安排各部分的学时，课时分配表仅供参考。 （四）对先修课的要求 本课程的教学必须在完成先修课程算法设计与分析之后进行，该课程的学习为算法的设计奠定了基础。 （五）对习题课、实践环节的要求 1．对重点、难点章节（如亚线性算法、外存算法、并行算法等）安排习题课，针对本章的算法进行回顾和总结，讲解典型算法设计题。课堂讲解算法思路，要求学生课后自己进行算法
数学思想方法》课程教学大纲 第一部分大纲说明 一、课程的地位、性质与任务 《数学思想方法》是研究数学思想方法及其教学的一门课程。随着现代科学技术的迅速发展和素质教育的全面实施，对科学思想、科学方法有着全局影响的数学思想方法其重要性日益凸现。鉴于数学思想方法在素质教育中的重要作用，《数学思想方法》被列为中央广播电视大学小学教育专业的一门重要的必修课。 通过本课程的学习，使学员比较系统地获得对数学思想方法的认识，掌握实施数学思想方法教学的特点，并能运用这些理论指导小学数学教学实践。通过各个教学环节，逐步培养学员实施数学思想方法教学的能力和综合运用所学知识分析问题、解决有关实际问题的能力，为成为适应新世纪需要的高素质的小学教师打下坚实基础。 二、课程主要内容及要求 本课程的主要内容包括：数学思想与方法的两个源头、数学思想与方法的几次重要突破、数学的真理性、现代数学的发展趋势、演绎与化归、抽象与概括、猜想与反驳、计算与算法、应用与建模、数学思想与方法与素质教育、数学思想与方法教学、数学思想与方法教学案例。通过本课程的学习，关键在于使学员建构起关于数学思想方法的认知结构，认识数学思想方法的重要性，增强数学思想方法教学的自觉性，提高实施数学思想方法教学的水平和能力。通过“数学思想方法的发展”部分学习，帮助学员了解数学思想方法的源头、几次重要突破和现代数学的发展趋势，并能正确理解数学的真理性，确立动态的、拟经验主义的数学观。通过“数学思想方法例解 " 部分学习，使学员掌握数学教学中常用的数学思想方法及其应用。通过“数学思想方法教学" 部分学习，使学员掌握数学思想方法教学的特点，并能将所学数学思想方法初步应用于小学数学教学。 三、教学媒体 1．文字教材： 文字教材是学生学习课程的主要用书，是学生获得知识和能力的重要媒体，是教和学的根本依据。文字教材名称：《数学思想与方法》（顾泠沅主编，中央电大出版社出版）。 2．音像教材：《数学思想与方法》录像教材共18 讲，由首都师范大学副教授姚芳主讲。 3. 网上学习资源 江苏电大在线中（https://www.doczj.com/doc/263381178.html, ）教学辅导、实施方案、学习自测等；栏目以及中央电大在线（ https://www.doczj.com/doc/263381178.html, ）中与本课程有关的学习资源。 四、教学环节 1. 理论教学环节（课程的基本知识、理论和方法） （1）自学 自学是电大学生获得知识的重要方式 , 自学能力的培养也是远程开放高等教育的目的之一 ,本课程的教学要注意对学生自学能力的培养 . 学生可以通过自学、收
NoSQL数据库原理与应用 （含实验） 教学大纲 （2018版） 2018年10月
前言 一、大纲编写依据 NoSQL泛指非关系型的数据库。随着互联网web2.0网站的兴起，传统的关系数据库在应付web2.0网站，特别是超大规模和高并发的SNS类型的web2.0纯动态网站已经显得力不从心，暴露了很多难以克服的问题，而非关系型的数据库则由于其本身的特点得到了非常迅速的发展。NoSQL数据库的产生就是为了解决大规模数据集合多重数据种类带来的挑战，尤其是大数据应用难题。 本课程系统全面地介绍NoSQL数据库系统的基本原理和实现技术，充分反映该领域的最新研究成果。主要内容包括：NoSQL数据库所用的基本原理、结构特点、重要的算法，及部分系统的实际实现技巧等。 二、课程目的 1、知识目标 掌握NoSQL数据库系统的概念、结构、功能；掌握NoSQL数据库系统设计的原理、方法和技术；掌握NoSQL数据库的优化、可靠性、安全性等知识；掌握设计NoSQL数据库系统的方法，为学生后继课程及实践打下基础。 2、能力目标 (1) 实践能力 通过本课程的学习，努力培养学生良好的NoSQL数据库程序设计风格和严密的逻辑思维能力，提高NoSQL数据库程序设计与实现能力、创新思维和创新能力。为后续课程的学习和今后研制、开发各种计算机软件打下坚实的基础。 (2) 创新能力 通过使用NoSQL数据库语言进行数据库程序设计，从编程能力、软件开发能力等方面，使学生具备一定的NoSQL数据库开发的能力。 三、教学方法 1、课堂教学 (1) 讲授 本课程的教学内容以讲授为主，讲授的主要内容有NoSQL数据库的基本概念、基本原理、NoSQL数据库的分类、Hbase的基本原理、Hbase的基本组件、Hbase的管理与编程、MongoDB 基础、MongoDB进阶、其他非关系型数据库技术。根据教学大纲的要求，突出重点和难点。 (2) 教师指导下的学生自学 指导学生自主学习其他非关系型数据库的程序设计技术。教师通过给出一些相关的实例程序帮助学生理解和进行程序设计，并布置相应的上机习题让学生进行练习。 (3) 其它教学方法 采用多媒体辅助教学手段，结合传统教学方法，解决好教学内容多、信息量大与学时少的矛盾；充分利用学校的图书馆的资源优势，查阅与课程相关的资料；通过布置课程设计来
大数据技术与应用基础》教学大纲 时：60 码： 适用专业： 定： 核： 准： 、课程的地位、性质和任务 大数据技术的发展，已被列为国家重大发展战略。而在过去的几年里，无论是聚焦大数据发展的《促进大数据发展行动纲要》，还是《“十三五”规划》中都深刻体现了政府对大数据产业和应用发展的重视。目前国内大数据发展还处于加速期、转型期，数据与传统产业的融合还处于起步阶段，各行业对大数据分析和挖掘的应用还不理想。但随着市场竞争的加剧，各行业对大数据技术研究的热情越来越高，在未来几年，各领域的数据分析都将大规模应用。 本课程在注重大数据时代应用环境前提下，考虑大数据处理分析需求多样复杂的基本情况，从初学者角度出发，以轻量级理论、丰富的实例对比性地介绍大数据常用计算模式
的各种系统和工具。考虑到当前大数据发展处于起步并逐步赶超先进的阶段，其应用领域 丰富广泛，在教学过程中应注重掌握大数据分析的实践操作。本课程通过丰富简单易上手 的实例，让学生能够切实体会和掌握各种类型工具的特点和应用。 、课程教学基本要求 1 . 了解大数据的发展和基本概念，理解并掌握大数据的特征及主要技术层面。 2 . 掌握Scrapy 环境的搭建，了解网络爬虫获取数据的过程，熟悉爬虫项目的创建。 3 . 深刻了解hadoop的基础理论，理解并掌握Hadoop单机及集群环境的部署方法。 4 . 掌握HDFS的基本概念和HDFS在hadoop中的作用，理解并识记HDFS勺使用，了解 HDFS的JAVA API接口及数据流原理；让学生明白Map过程与Reduce过程这两个独立部分各自的原理及合作途径，知道如何独立编写满足自己需求的Map Reduces序。 5.理解HBase中涉及的基本概念，掌握HBase的简单应用；让学生了解数据仓库的基 础概念，熟悉Hive与HDFS Map Reduced接的关心。 6.熟悉Spark和RDM基本概念，熟悉spark接口的使用，解决实战时的步骤及思路。 7.明白Hadoop和Storm之间的差别，掌握对Storm的使用。理解Apex的工作过程并能简单应用。 8. 了解Druid 的基本概念、应用场景以及集群架构，掌握批量数据加载、流数据加载 的操作。了解Flink 的重要概念和基本架构，掌握Flink 简单的使用实例。
《小学英语教学法》教学大纲 一、课程说明 1.课程代码： 108024641/108024621 2.总学时数： 68 ，其中理论环节学时数： 20 ，实验实践环节学时数：48 。 3.学分： 4学分 4.适用专业：小学教育（英语方向）本科 5.本课程的性质、地位和作用 小学英语教学法是一门理论和实践相结合的小学教育英语方向学生专业必修课。不是会讲英语的人就能教好小学英语课程。本课程对小学教育英语方向专业学生开课。 小学英语教学法是研究小学英语教学的理论和实践，研究小学英语教学过程及其规律的科学。小学英语教学法将国家英语课程标准、儿童心理学、教育学、社会学、语言学和哲学等社会科学和自然科学综合于小学英语教学中。它对小学英语教学实践中出现的问题或现象进行总结，概括出具有普遍意义的规律、原理和原则，进而指导小学英语教学实践，使小学英语教学过程中所采用的教学方法更加符合小学生的心理特征，符合英语教学规律，符合国家课程改革的总体要求，以求学生获得小学英语教与学的最佳技能。 二、教学基本要求 1.本课程的目的、任务 本课程的教学目的是通过本课程的学习，使学生了解与小学英语教学相关的基本理论和先进的教学理念，形成与时俱进的英语教学观念，推进小学英语教学改革实践；熟练掌握基本的教学技能和课堂操作技巧，熟悉小学英语教材的编写体系和使用要求，从而能很好地、创造性地使用小学英语教材；使学生了解小学英语评价的基本理论和方法，掌握新的教学评价策略与技能；培养初步的独立研究的能力、反思教学的能力、批判性思维的能力和自主发展的意识与能力。 2.本课程的教学要求 根据“教学法”课程的知识结构和“基于任务”的特点，建议采用教师授课、学生讨论、模拟实践相结合的教学模式，培养学生参与、合作和探究的精
深圳市深德技工学校《数据库基础》课程教学大纲 课程名称：数据库基础 课程类别：计算机专业必修课 适用对象：一年级，计算机网络专业 总学时：40理论，40实训 总学分：100分
一、课程性质和目标： 对于计算机专业学生所应具备的知识和掌握的技术的角度，基础的学习数据库知识，对以后数据库语言的学习打下基础的内容，易学易懂、增加学习兴趣。 二、课程教学目标： 从实用性、易掌握出发内容新颖使用、层次清晰；用大量的实例和图片，为读者对数据库的学习，操作和应用提供资料；同时注重操作能力的培养提高学生的应用技能，以求在最短的时间内掌握数据库的原理和使用技巧成为一个优秀计算机专业学生。 三、教学内容和要求： 第一章数据库基础知识 【教学目的】通过本章学习，了解数据库的发展、用途和组成，掌握数据库的概念和SQL语言特点） 【教学重点与难点】本章重点是任务数据库基础知识，难点是数据库模型概念。 【教学内容】 任务1：数据库基础 任务2：数据管理发展的三个阶段 任务3：数据模型
任务4：数据库的系统结构 任务5：sql语言 第二章 Access概述 【教学目的】Access是Microsoft Office办公系列软件之一，是面向个人用户及中、小型公司的数据库开发工具。 Access提供了大量的功能，它可以满足不同用户对数据库的要求，可用于开发。 【教学重点与难点】本章重点是Access的启动方法和界面， 难点是如何创建Access数据库【教学内容】 任务1：Access的启动与主界面 任务2：Access的主要对象 任务3：创建Access数据库 第三章创建Access数据库 【教学目的】：本章将介绍数据建模的相关基本概念，介绍构成数据模型的各种元素，介绍如何逐步创建合理的数据模型。使同学们初步掌握从现实到抽象的数据建模的过程和方法，了解和掌握创建、分析、优化数据模型的知识和技术 【教学重点与难点】 教学重点：SQL的基本概念和特点。 教学难点：数据控制功能的实现。 【教学内容】
《大数据》课程教学大纲 适合专业：数据科学与大数据技术专业课程编号： 先修课程：高等数据、线性代数、JAVA 学分: 4 总学时： 64 一、课程性质、目的与要求 课程性质：专业必修课。 课程目的：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。课程要求：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。 二、教学内容 理论总学时：36学时 第1章大数据概念与应用 2学时基本要求：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。 第2章数据采集与预处理 4学时基本要求：熟悉常用的大数据采集工具，特别是Apache Kafka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
据仓库概念与ETL工具Kettle的实际应用。 重点：Apache Kafka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。 第3章数据挖掘算法 6学时基本要求：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。 第4章大数据挖掘工具 4学时基本要求：熟练掌握机器学习系统Mahout和大数据挖掘工具Spark Mllib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、Spark Mllib工具的使用。 难点：Mahout和Spark Mllib工具的使用。 第5章 R语言 4学时基本要求：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。 第6章深度学习 4学时基本要求：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、卷积神经网络、深度置信网络、循环（递归）神经网络、TensorFlow和Caffe。 难点：人工神经网络。 第7章大数据可视化 4学时基本要求：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。
《数据库系统原理》课程设计教学大纲 一、课程名称：《数据库系统原理》课程设计Course Project of Database System 二、课程编码：1300371 三、学时与学分：1 周，1 学分 四、先修课程：《数据库系统原理》 五、设计目的与要求 课程设计目的: 1.熟悉大型数据库管理系统的结构与组成； 2.熟悉数据库应用系统的设计方法和开发过程； 3.掌握一种大型数据库管理系统（DM5、ORACLE 或SQL SERVER的）应用技术和开发工具的使 用； 4.熟悉数据库设计工具的使用； 5.熟悉数据库安全的相关知识和技术； 6.熟悉数据库系统的管理和维护。 课程设计要求: 1.在课程设计指导老师的指导下，选定一个数据 库应用系统的题目，完成数据库的设计和应用 系统设计，并提交相应文档。 2.数据库管理系统仅限DM5、Oracle 以及MS SQL Server ；
3.开发工具限PowerBuilder 、Delphi 、 C++、JAVA、.NET 平台或其它动态网页开 发工具； 4.系统采用客户/ 服务器（C/S）结构或浏览 器/ 服务器（B/S ）结构实现。 5.系统应严格遵照题目要求进行设计，可在其 基础上进一步细化完善，但不得违背，原 则上不额外增加与要求无关的功能。 6.系统中应适当体现下列技术的应用：存储过 程，触发器，索引。 7.提交系统的源码及文档。 六、适用学科专业 信息类各学科专业 七、实验环境 1.Windows 2000/XP/2003 操作系统， Server 版； 2.DM5f or Windows 企业版/ 标准版， Microsoft SQL Server 2000/2005 企业版/ 标准版， 或
附件1 广东财经大学华商学院课程教学大纲 一、课程简介 大数据概论是一门理论性和实践性都很强的课程，针对计算机、信息管理和其他各专业学生的发展需求，系统、全面地介绍了关于大数据技术与应用的基本知识和技能，详细介绍了大数据与大数据时代、大数据的可视化、大数据的商业规则、大数据时代的思维变革、大数据促进医疗与健康、大数据激发创造力、大数据预测分析、大数据促进学习、大数据在云端、支撑大数据的技术、数据科学与数据科学家、大数据的未来等内容，具有较强的系统性、可读性和实用性。 二、教学目标 （一）目的与要求 本课程是大数据系列课程的基础，系统地介绍大数据涵盖的内容，包括数据与大数据概述、大数据获取与感知、大数据存储与管理、大数据分析、大数据处理、大数据治理、大数据安全与隐私等。除了介绍大数据的技术内容，课程还介绍了部分行业中大数据的典型应用案例，反映了大数据在社会经济生活中的重要价值。从而达到四个方面的对于大数据的认识：认识数据与大数据、认识大数据带来信息化第三波浪潮、认识大数据对现有信息技术体系的挑战、认识亟待构建的大数据治理体系。 课程基本要求：
（1）了解本课程的教学设计； （2）熟悉本课程的基本内容与学习要求； （3）主动完成本章的导读案例、思考和阅读全部内容。 二、主要教学模式和教学手段 采用线下教学为主，线上教学为辅。 主要学习模式：课堂面授课程，通过常用的工具进行实践教学，线上教学为辅，选择合适的教学平台进行线上补充教学。 主要教学方法：1：问题导向法 2：对比教学法 3：讨论教学法 4：任务驱动法 主要教学手段：1：多媒体机房教学 2：在线课程教学 3：视频教学网站 四、教学内容（要求编写所有章节的主要内容） 第一章什么是大数据 内容： 1.1人类信息文明的发展 1.2 大数据时代的来临 1.2.1 信息技术的发展 1.2.2 数据产生方式的变革 1.3 大数据的主要特征 1.3.1 大数据的数据特征 1.3.2 大数据的技术特征 1.4 大数据的社会价值 熟练掌握: 了解人类信息文明的发展历程 熟悉大数据时代的来临和具体发展表现 掌握大数据的主要特征 掌握大数据的社会价值 第二章大数据技术基础 内容：