《《大数据原理与软件应用》课程教学大纲(2022).pdf》由会员分享，可在线阅读，更多相关《《大数据原理与软件应用》课程教学大纲(2022).pdf（3页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、 大数据原理与软件应用 课程教学大纲 一、课程名称 1中文名称：大数据原理与软件应用 2英文名称：Big data principle and software application 二、课程概况 课程类别：专业选修课 学时数：16 学时 学分数：1 学分 适用专业：产业经济学、国际贸易、金融学专业 开课学期：第一学期 开课单位：经济管理学院 三、四、教学目的及要求 大数据原理与软件应用为学生搭建起通向“大数据知识空间”的桥梁和纽带，以“构建知识体系、阐明基本原理、引导初级实践、了解相关应用”为原则，为学生在大数据领域“深耕细作”奠定基础、指明方向。课程将系统讲授大数据的基本概念、大数据处理
2、架构 Hadoop、关联分析建模与挖掘算法的实现原理和技术应用、回归分析模型与预测算法、神经网络与深度学习算法模型及其应用实践等重要章节，安排了入门级的实践操作，让学生更好地学习和掌握大数据关键技术。五、课程主要内容及先修课程 第一章：认识大数据（2 课时）基本内容：1大数据的价值所在 2大数据产生的时代背景 3.大数据的概念和特点 4.大数据的类型及价值 第二章：Stata 软件应用和大数据挖掘分析（2 课时）基本内容：1Stata 软件应用基本知识 2大数据挖掘的相关算法和过程 3.从网络中挖掘大数据的研究价值 第三章：R 软件的应用和大数据分析挖掘工具（2 课时）主要内容：1.R 软件应
3、用的基本知识 2.大数据分析挖掘的基本工具 3.大数据分析挖掘项目的实施步骤 第四章：关联分析建模与挖掘算法的实现原理和技术应用（2 课时）1预测、推荐分析建模与算法原理及其在 Spark MLlib 中的实现与应用，包括：2Spark 频繁模式挖掘算法（parallel FP Growth Algorithm）应用 3.Spark 关联规则挖掘（Apriori）算法及其应用 4.以上算法在 Spark MLib 中的实现原理和实际场景中的应用案例。第五章：回归分析模型与预测算法（2 课时）1.利用线性回归（多元回归）实现访问量预测 2.利用非线性回归预测成交量和访问量的关系 3.基于 R+S
4、park 实现回归分析模型及其应用操作 4.Spark 回归程序实现异常点检测的程序示例 第六章：神经网络与深度学习算法模型及其应用实践（3 课时）1.神经网络算法 Neural Network的实现方法和挖掘模型应用 2.基于人工神经网络的深度学习的训练过程 3.传统神经网络的训练方法 4.Deep Learning的训练方法 5.深度学习的常用模型和方法：卷积神经网络；循环神经网络模型；限制波尔兹曼机 论文阅读报告：1 学时 期末考试：2 学时 先修课程包括：数学：微积分和线性代数基础，统计学基础 统计软件应用 六、课程教学方法 大数据原理与软件应用是一门经济统计类专业的选修课程,具有实时
5、性强、内容综合、实践性强等特点。本课程教学环节除课堂讲授外，还包括了学生自主讲解和展示课、案例分析课、讨论课、软件实操部分。通过学生的自主查询、实践和讨论，激发学生的学习积极性和主动性，培养学生自主学习和表达自我的能力，同时提高学生在分析问题、总结问题上的灵敏度，在此过程中，让学生更加深入理解所学内容，充分感受大数据在各领域的应用，达到学有所用的目的，提高学生的实践能力。七、课程考核方式 考试，笔试（闭卷）各考核环节占总分的比例：平时：30%，期末考试：70%平时成绩主要依据是课后作业的完成、论文阅读报告、小组讨论等。八、课程使用教材 大数据技术原理与应用概念、存储、处理、分析与应用林子雨编著，人民邮电出版社，2015 年 8 月 九、课程主要参考资料 1 陆嘉恒.Hadoop 实战.机械工业出版社.2011 年.2 曾大聃,周傲英(译).Hadoop 权威指南中文版.清华大学出版社.2010 年.3 迪米达克(Nick Dimiduk),卡拉纳(Amandeep Khurana),谢磊.HBase 实战中文版.人民邮电出版社;第 1 版(2013 年 9 月 1 日)分委员会主席审批：年 月 日 学院主管院长审批：年 月 日 编号：C3/研部 03/002 注：（1）英文课程名称务必写准确；（2）需编写的内容统一用宋小四号，行间距固定值 22 磅。