下载文档原格式
数据科学与大数据技术专业调研报告大数据浪潮，汹涌来袭，与互联网的发明一样，这绝不仅仅是信息技术领域的革命，更是在全球范围加速企业创新、引领社会变革的利器。
现代关系学之父德鲁克有言，预测未来最好的方法，就是去创造未来。
而“大数据战略”，则是当下领航全球的先机。
“大数据”(Big Data)指一般的软件工具难以捕捉、管理和分析的大容量数据。
“大数据”之“大”，并不仅仅在于“容量之大”，更大的意义在于：通过对海量数据的交换、整合和分析，发现新的知识，创造新的价值，带来“大知识”、“大科技”、“大利润”和“大发展”。
“大数据”能帮助政府和企业找到一个个难题的答案，给经济社会和发展带来前所未有的机会。
“谁率先拥有、善于利用大数据，谁就能掌握主动、赢得未来。
”身处互联网的时代，面对大数据浪潮，只有不畏艰险，勇当弄潮儿，才能赢得未来。
新的领域需要专业的人才，专业的人才需要大学设置专门的学科来培养，无限的挑战和机遇更需要有胆识、有智慧、有担当的有志之士、睿智青年勇攀高峰。
一、大数据技术概述大数据是数据分析的前沿技术。
简言之,从各种各样类型的数据中，快速获得有价值信息的能力,就是大数据技术。
最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。
”人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。
”“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行业存在已有时日，却因为近年来互联网和信息行业的发展而引起人们关注。
大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。
换言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的“加工能力”，通过“加工”实现数据的“增值”。
大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。
适用于大数据的技术，包括大规模并行处理（MPP）数据库、数据挖掘电网、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
高二语文试题考试时间150分钟，满分150分注意事项：1.答题前，考生务必在答题卡上将自己的学校、姓名、班级、准考证号用0.5毫米黑色签字笔填写清楚，考生考试条形码由监考老师粘贴在答题卡上的“条形码粘贴处”。
2.选择题使用2B铅笔填涂在答题卡上对应题目标号的位置上，如需改动，用橡皮擦擦干净后再填涂其它答案；非选择题用0.5毫米黑色签字笔在答题卡的对应区域内作答，超出答题区域答题的答案无效；在草稿纸上、试卷上答题无效。
3.考试结束后由监考老师将答题卡收回。
一、现代文阅读(36分)(一)论述类文本阅读(本题共3小题，9分)阅读下面的文字，完成1～3题。
诗意，简单地说就是诗的意境。
情与理融合为“意”,形与神凝结为“境”,情理与形神相互渗透、依存、制约，结出了诗意之果。
诗意是文学艺术形象的高级形态之一，是一种亦真亦幻、亦虚亦实的存在。
因此，诗意具有潜在性、模糊性和延伸性的特点。
那么，小说的诗意又是什么小说的意境与诗的意境有异曲同工之妙，但因体裁属性不同，不能等同于诗的意境，它是优秀叙事文学散发出的袅袅余音与淡淡幽香。
亚里士多德的《诗学》不是诗歌之学，是指一切文艺作品，可见诗意对于所有文学艺术作品都具有普遍意义。
因此，诗意并不是诗歌所独有的，涵盖了其他文艺作品。
对于小说而言，诗意是好小说的标配。
解读小说的诗意，我认为有两把钥匙，可以打开曲径通幽之门。
第一把钥匙，是汉朝董仲舒所说的“诗无达诂”。
意思是说，对《诗经》从来没有一个完美的解释。
《诗经》的注疏，自毛亨之后甚众，但没有一部著作能够完全说服后世，历朝历代都有学者质疑不断，新解迭出，每一家都只是一家之言，而不能达成“全面共识”。
之所以不能“达诂”,因读者的知识结构和生活经历的不同，导致了审美鉴赏的差异性，于是就有了仁者见仁、智者见智。
小说的诗意，要想“达诂”也非易事。
鲁迅是中国现代小说的揭幕人，他的小说是现代文学史上最具诗意的代表之作。
他笔下的很多句子没有饱和感，感觉后面尚未写完，却像铁锤一样敲打着读者的心，无不让人感到压抑、愤怒和惆怅。
《物联网大数据技术》课程标准适用专业：物联网工程技术1．课程定位和设计思路1.1课程定位本课程属于物联网工程技术专业的职业拓展课程模块，是一门培养专业扩展能力的课程，适用于高等职业院校物联网工程技术专业。
其主要功能是使学生了解当前热门大数据的基本应用技术及其重要的核心算法，掌握大数据的工作流程，具备针对大数据所涉及的数据处理过程算法的设计实施，能胜任大数据应用处理和大数据核心算法基本设计等工作岗位。
大数据实施中，一般认为，主要包括了数据采集->数据存储->数据处理->数据展现等几个流程。
本课程在第四学期开设，本课程的关注重点是数据的处理，主要是涉及大数据核心算法的设计。
因为已经有了：涉及数据采集的《物联网设备配置与管理》、《无线传感网络及应用》等先修课程，涉及数据存储和展现的《数据库与Web应用开发》、《Android物联网应用开发》、《物联网桌面应用开发》等先修课程。
同时，该课程和《数据结构》课程是同期开设，对于先修课来说，《数据结构》课程可以看做是对传统经典数据结构和相关算法的阐述，而本课程是在当前大数据发展形势下，面对业界新需求，所开设的顺应时代潮流和市场需求的、关于大数据处理的新型课程。
而对于后续课程《毕业顶岗实习》而言，该课程可以强化学生对大数据的进一步处理和维护能力。
1.2设计思路2001年，高德纳分析员道格·莱尼在一份与其2001年的研究相关的演讲中指出，数据增长有三个方向的挑战和机遇：量（V olume），即数据多少；速（Velocity），即资料输入、输出的速度；类（Variety），即多样性。
在莱尼的理论基础上，IBM提出大数据的4V特征，得到了业界的广泛认可。
第一，数量（V olume），即数据巨大，从TB级别跃升到PB级别；第二，多样性（Variety），即数据类型繁多，不仅包括传统的格式化数据，还包括来自互联网的网络日志、视频、图片、地理位置信息等；第三，速度（Velocity），即处理速度快；第四，真实性（Veracity），即追求高质量的数据。
信息化发展是中华民族千载难逢的历史机遇，自主创新网络强国建设，是当前乃至今后一段时间内的国家重大任务。
作为信息化发展的核心部分，网信体系和大数据已成为当今社会的重要基石。
1 研究背景在过去的几十年建设与发展过程中，国家网信体系建设与发展取得了丰硕的成果，为国家安全和战略统筹提供了强有力的支撑。
（1）网络建设呈现蓬勃发展的态势。
我国自2013年4G牌照的发放起，推动了包括移动支付、电子商务等互联网业务的飞速发展。
截至2022年8月，我国4G基站已占全球一半以上，5G基站达到了210.2万个。
十多年来，我国移动通信技术已跨入“5G引领”的新时代，地级市均已实现全面建成光网城市[1]。
这些网络建设很好地解决了有和无、通和断的问题，为城市与乡村信息化建设与数据采集获取提供了良好的途径。
（2）网络用户不断攀升。
我国网民规模已增长到10.51亿，互联网普及率达到74.4%，IPv6活跃用户数近7.14亿。
我国网民规模已是全球第一，几乎是人手一部甚至多部手机，上网已经变成了百姓生活的重要部分。
用户催生市场，市场带动用户需求，推动技术进步，构成了较为良性的生态圈。
（3）信息系统建设与数据交换共享已飞入寻常百姓家。
让数据多“跑路”、群众少“跑腿”，“一网通办”“跨省通办”[2]已成常态。
各级政府采用多种手段，方便百姓办理业务，“掌上办”“指尖办”已经成为政务服务的一部分。
尤其是医疗行业，跨省医保结算支付已经变成常态。
电商与快递小哥连接你我，高铁售票与身份证识别方便大家，网上订餐和互联网购物成为宅男宅女的必备手段等。
这些系统的应用，基本解决了数据进系统、业务上云、流程贯通、管理可视化等相关问题，为国家建设与发展提供了坚实的支撑，在日常生活中发挥了良好的作用，尤其在抗震救灾、抗击新冠病毒疫情等过程中得到了较好的应用。
（4）各种先进成熟的技术得到广泛应用。
在快速推进信息化建设的同时，各行各业根据自身需要，通过应用云计算、大数据、物联网、区块链、虚拟现实与元宇宙等先进技术，既提升了信息交换速度，又保证了系统能够安全可靠地运行。
第1篇一、引言随着信息技术的飞速发展，大数据时代已经到来。
大数据作为一种新兴的资源，具有数据规模大、类型多、价值高、处理速度快等特点。
大数据理论的研究和应用，对于推动我国经济社会发展具有重要意义。
本报告旨在对大数据理论进行总结，分析其发展现状、应用领域以及面临的挑战。
二、大数据理论概述1. 大数据定义大数据是指规模巨大、类型多样、价值高、处理速度快的数据集合。
它具有以下四个基本特征：大量性、多样性、价值密度低和高速性。
2. 大数据来源大数据来源广泛，主要包括以下几类：（1）政府机构：如国家统计局、工信部等。
（2）企业：如阿里巴巴、腾讯等。
（3）科研机构：如中国科学院、清华大学等。
（4）社会公众：如社交媒体、在线论坛等。
3. 大数据技术大数据技术主要包括数据采集、存储、处理、分析和可视化等方面。
以下列举几种关键技术：（1）数据采集：Hadoop、Spark等。
（2）数据存储：HBase、Cassandra等。
（3）数据处理：MapReduce、Spark等。
（4）数据分析：机器学习、数据挖掘等。
（5）数据可视化：ECharts、Tableau等。
三、大数据理论发展现状1. 应用领域不断拓展大数据技术在各个领域得到广泛应用，如金融、医疗、教育、交通、环保等。
例如，在金融领域，大数据技术可以用于风险评估、欺诈检测等；在医疗领域，大数据技术可以用于疾病预测、治疗方案优化等。
2. 技术不断创新大数据技术不断创新发展，如分布式计算、深度学习、云计算等。
这些技术的发展为大数据应用提供了强大的技术支撑。
3. 政策支持力度加大我国政府高度重视大数据产业发展，出台了一系列政策支持大数据技术研发和应用。
例如，《“十三五”国家信息化规划》明确提出要大力发展大数据产业。
四、大数据理论应用领域1. 金融领域大数据技术在金融领域的应用主要体现在以下几个方面：（1）风险评估：通过对客户的历史交易数据、社交网络信息等进行分析，评估客户信用风险。
第1篇一、前言随着信息技术的飞速发展，大数据时代已经到来。
大数据作为一种新型资源，蕴含着巨大的价值。
为了更好地理解和应用大数据技术，提升数据分析能力，我们团队开展了本次大数据分析综合实践。
本报告将对实践过程、实践成果以及实践体会进行详细阐述。
二、实践背景与目标1. 实践背景随着互联网、物联网、云计算等技术的普及，人类社会产生了海量数据。
这些数据不仅包括传统的文本、图像、音频、视频等，还包括社交媒体、传感器、电子商务等新型数据。
如何从这些海量数据中提取有价值的信息，成为当前数据科学领域的重要课题。
2. 实践目标（1）掌握大数据分析的基本方法和技术；（2）运用所学知识对实际数据进行处理和分析；（3）提高团队协作能力和解决问题的能力；（4）培养创新意识和实践能力。
三、实践内容与方法1. 数据采集与预处理（1）数据采集：根据实践需求，我们从互联网上获取了相关数据集，包括电商数据、社交媒体数据、气象数据等；（2）数据预处理：对采集到的数据进行清洗、去重、格式转换等操作，确保数据质量。
2. 数据分析与挖掘（1）数据可视化：利用Python、R等编程语言，对数据进行可视化展示，直观地了解数据特征；（2）统计分析：运用统计方法对数据进行描述性分析，挖掘数据背后的规律；（3）机器学习：运用机器学习方法对数据进行分类、聚类、预测等分析，挖掘数据中的潜在价值。
3. 实践工具与平台（1）编程语言：Python、R；（2）数据库：MySQL、MongoDB；（3）数据分析工具：Jupyter Notebook、RStudio；（4）云计算平台：阿里云、腾讯云。
四、实践成果1. 数据可视化分析通过对电商数据的可视化分析，我们发现了以下规律：（1）消费者购买行为与时间、地区、产品类别等因素密切相关；（2）节假日、促销活动期间，消费者购买意愿明显增强；（3）不同年龄段消费者偏好不同，年轻消费者更倾向于追求时尚、个性化的产品。
2. 社交媒体情感分析利用社交媒体数据，我们对用户评论进行情感分析，发现以下结果：（1）消费者对产品的满意度较高，好评率较高；（2）消费者关注的产品功能主要集中在质量、价格、服务等方面；（3）针对消费者提出的问题，企业应加强售后服务，提高客户满意度。
广告与品牌研究学子园地103NEWS CULTURE CONSTRUCTION 新闻文化建设数据科学与大数据技术专业的教材建设探索张晓丽摘要：随着大数据时代的到来，信息技术蓬勃发展，国家大力推进大数据产业的发展，鼓励高校设立数据科学和数据工程相关专业。
在趋势的推动下，许多高校成立了数据科学与大数据技术专业。
本文通过研究数据科学与大数据技术专业的发展现状，探索新专业下人才培养的课程设置及教材建设等问题，同时介绍高等教育出版社在数据科学与大数据技术专业教材建设方面的研发成果。
关键词：数据科学与大数据技术专业；课程设置；教材建设随着以互联网、大数据、人工智能、区块链等为代表的新一代信息技术的发展，人类社会已进入数字经济或大数据时代。
大数据被认为是一种基础性、战略性资源，成为社会进步的新引擎，深刻改变了人类的思维、生产和生活方式。
谈论大数据是时代话题，拥有大数据是时代特征，解读大数据是时代任务，应用大数据是时代机遇。
大数据的发展催生了数据科学，而数据科学承载着大数据发展的未来[1]。
在大数据技术的迅猛发展势头下，为满足社会对数据科学人才的需求，我国众多高校纷纷成立了数据科学与大数据技术专业。
作为一门新兴专业，如何科学合理地搭建课程体系，梳理人才培养方案，成为全国高校专家及相关行业领域技术人员争相讨论的问题。
教材是教学内容的载体，高等教育出版社作为中国高等教育出版的国家队和主力军，始终以“植根教育、弘扬学术、繁荣文化、服务社会”为使命，面对新兴专业，积极探索研发新产品，服务于高校教学需求。
一、数据科学与大数据技术专业发展状况数据科学是以数据为研究对象，从数据中提取信息、形成知识、支持决策的理论与方法；数据科学家则是通过从数据中提取可操作的知识来解决实际问题。
在当下，数据科学和大数据技术人才成为各领域急需的人才，从事与数据科学有关的工作也成为当下年轻人较为追求的职业选择。
为满足社会对数据科学人才的需求，斯坦福大学、加州大学伯克利分校、密歇根大学等世界著名大学纷纷建立数据科学研究中心并设置数据科学专业。
