厦门大学本科课程开设申请表Word文件下载.docx
《厦门大学本科课程开设申请表Word文件下载.docx》由会员分享,可在线阅读,更多相关《厦门大学本科课程开设申请表Word文件下载.docx(9页珍藏版)》请在冰豆网上搜索。
授课对象
专业、年级等
全校信息相关专业本科生
开课学期
每学年春季学期
授课语言
■中文□英文
开课理由
(简要阐述课程的学科性质,在人才培养中的地位与作用,与其它课程的关系、设计思路,预期教学效果、是否存在类似课程等。
)
大数据时代悄然来临,带来了信息技术发展的巨大变革,并深刻影响着社会生产和人民生活的方方面面。
大数据专业人才的培养是新一轮科技较量的基础,高等院校承担着大数据人才培养的重任,因此,大数据课程将逐渐成为国内高校信息相关专业(计算机、软件工程、统计、数学等)的重要课程。
《大数据技术原理与应用》作为大数据入门级课程,秉承“构建知识体系、阐明基本原理、引导初级实验、了解相关应用”原则,系统介绍大数据知识体系和基础编程实践,让本科生具备基本的大数据素养。
目前在本科阶段,我校还没有开设类似课程。
主讲教师基本情况
(简单介绍主讲教师的学习工作经历、曾经讲授过本科课程以及支撑该课程开设的相关研究成果。
林子雨,男,1978年出生,博士(毕业于北京大学),现为厦门大学计算机科学系助理教授,海峡云计算与大数据应用研究中心副主任,厦门大学数据库实验室负责人。
曾任厦门大学信息科学与技术学院院长助理、晋江市发展和改革局副局长。
打造了国内高校大数据教学知名品牌。
编著出版了中国高校第一本系统介绍大数据知识的专业教材《大数据技术原理与应用》,并成为京东、当当网等网店畅销书籍。
建设了国内高校首个大数据课程公共服务平台,为教师教学和学生学习大数据课程提供全方位、一站式服务;
建设了国内高校首个大数据课程教师培训交流基地,为全国高校培养大数据课程师资力量。
开课准备情况
(简单介绍课程开设前期准备情况,如教学计划、课件、教材、阅读资料、作业、网站以及实验实践设备和场所等支撑条件准备情况。
林子雨打造了国内高校大数据教学知名品牌,建设了国内高校最完备的大数据课程资源体系,并通过厦大数据库实验室建设的“中国高校大数据课程公共服务平台”免费面向全国高校提供服务,年访问量超过50万次,包括课程教材、讲义PPT、学习指南、备课指南、课程视频、师资培训、实验指南、技术资料等。
本课程所有开课资料和师资,都已经完全具备条件,可以确保顺利开课。
未来三年的开课承诺及课程建设计划
∙承诺在未来三年内,通过该课程的建设,同步完成《大数据技术原理与应用》MOOC课程的制作和后期完善与维护。
系初审意见
□同意开设□同意调整后开设□不同意开设
分管系领导(签名):
年月日
学院初审意见
分管院领导(签名):
学院教学学术机构评议
共名委员参加讨论,其中同意人,不同意人,弃权人。
委员会主任(签名):
学院院长意见
学院院长审批意见:
院长(签名):
学院(公章)年月日
专家小组复审意见
(学校组织课程评议时填写)
共名专家参加讨论,其中同意人,不同意人,弃权人。
组长(签名):
教务处意见
审批意见:
教务处(公章)年月日
备注:
1:
本表将作为教学档案进行存档。
2.申请时须同时附上课程教学大纲。
附件:
厦门大学本科课程教学大纲
课程代码
英文
类别代号
CSCI
计算机、软件工程等信息相关专业
适用年级
本科生大三或大四
通识教育课程
课程课型
总学分
总学时
授课
讨论
实验/上机
实践
其他
32
先修课程
编程语言
一、课程简介
大数据技术入门课程,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、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、基于内存的大数据处理架构Spark、大数据在互联网、生物医学和物流等各个领域的应用。
在Hadoop、HDFS、HBase、MapReduce、Spark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。
二、培养目标
(1)能够建立对大数据知识体系的轮廓性认识,了解大数据发展历程、基本概念、主要影响、应用领域、关键技术、计算模式和产业发展,并了解云计算、物联网的概念及其与大数据之间的紧密关系;
(2)能够了解Hadoop的发展历史、重要特性和应用现状,Hadoop项目结构及其各个组件,并熟练掌握Hadoop平台的安装和使用方法;
(3)能够了解分布式文件系统的基本概念、结构和设计需求,掌握Hadoop分布式文件系统HDFS的重要概念、体系结构、存储原理和读写过程,并熟练掌握分布式文件系统HDFS的使用方法;
(4)能够了解分布式数据库HBase的访问接口、数据模型、实现原理和运行机制,并熟练掌握HBase的使用方法;
(5)能够了解NoSQL数据库与传统的关系数据库的差异、NoSQL数据库的四大类型以及NoSQL数据库的三大基石;
基本掌握Redis、MongoDB等NoSQL数据库的使用方法;
(6)能够了解云数据库的概念、基本原理和代表性产品的使用方法;
(7)能够熟练掌握分布式编程框架MapReduce的基本原理和编程方法;
(8)能够了解大数据处理架构Spark的基本原理和编程方法;
能够了解大数据在互联网等领域的典型应用。
三、教学方法
(1)本课程采用理论授课与学生课后上机实践相结合,帮助学生更好消化吸收课程知识。
(2)积极践行O2O教学理念,努力提升教学水平,在大数据课程教学方面积极开拓创新,实现线下教学和线上服务的巧妙结合。
课程主讲教师建设了国内高校首个大数据课程公共服务平台,提供讲义PPT、课程习题、学习指南、授课视频、技术资料等全方位、一站式免费服务,帮助学生更好学习大数据课程。
四、主要内容及学时安排
章(或节)
主要内容
学时安排
1
介绍大数据的基本概念和应用领域,并阐述大数据、云计算和物联网的相互关系
介绍大数据处理架构Hadoop
4
3
分布式文件系统HDFS的基本原理和使用方法
分布式数据库HBase的基本原理和使用方法
5
NoSQL数据库的概念和基本原理
6
云数据库的概念和基本原理
7
分布式并行编程模型MapReduce原理和使用方法
8
Hadoop架构再探讨
9
Spark原理与基础编程
10
大数据在互联网领域的典型应用:
推荐系统
合计
五、考核方式与要求
(1)平时成绩:
学生完成上机练习题目,并提交上机实验报告,实验报告成绩作为平时成绩;
(2)期末考试:
采用笔试,闭卷;
(3)最终成绩:
平时成绩和期末考试成绩按5:
5比例加权求和。
六、选用教材
《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,第1版
七、参考书目与文献
[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(NickDimiduk),卡拉纳(AmandeepKhurana),谢磊.HBase实战中文版.人民邮电出版社;
第1版(2013年9月1日)
八、课程网站等支持条件
课程主讲教师建设了国内高校首个大数据课程公共服务平台,提供讲义PPT、课程习题、学习指南、授课视频、技术资料等全方位、一站式免费服务,帮助学生更好学习大数据课程,网站地址:
九、其它信息
大纲制定者:
林子雨大纲审定者:
大纲制定时间:
2016年11月
XMUUndergraduateCourseSyllabus
Coursename
PrinciplesandApplicationsofBigdataTechnology
Coursecode
Categorycode
Programme
ComputerScience,SoftwareEngineering.etc
Semester
Semester2,Year3
Coursetype
□BasicCommonCourses■GeneralEducationCourses□DisciplinaryGeneralCourses□SpecializedCourses
□OtherTeachingProcesses
Coursefocus
■Lecture□Experiment
□Skill-training□Practical
Credit
Totallearninghours
Lecture
Tutorial
Experiment
Practical
Others
Prerequisites
ProgrammingLanguage;
1.Coursedescription
Anintroductorycourseforbigdata.KnowledgediscussedinthiscourseincludeHadoop,HDFS,HBase,NoSQL,clouddatabase,MapReduce,Spark,ansoon.
2.Learninggoals
(1)Tohelpstudentstoknowaboutthebasicknowledgemapaboutbigdata;
(2)TostudytheecosystemofHadoopandtheinstallationandusageofHadoop;
(3)Tostudythewell-knowndistributedfilesystem,i.e.HDFS,includingthearchitecture,storagetheory,read-and-writeprocess,programmingmethods,andsoon;
(4)Tostudythedistributeddatabasesystemi.e.HBbase,includingtheAPI,datamodel,implementationtheory,andsoon;
(5)TostudyNoSQL,includingthedifferencebetweenSQLandNoSQL,CAPtheory,BASEtheory,NewSQL,andsoon;
(6)Tostudythebasicconceptandtheoryofclouddatabases,anddiscussseveralexamplesofclouddatabases;
(7)Tostudythedistributedparallelprogrammingmodel,i.e.,MapReduce,includingtheshuffleprocessandprogrammingpractice;
(8)Tostudythemain-memory-basedcomputingarchitecture,i.e.,Spark,includingtheperformancecomparisonbetweenSparkandHadoop,theoryofRDD,programmingmethod,andsoon;
(9)Tostudytheapplicationsofbigdatainvariousfields.
3.Teachingapproaches
(1)Thecoursemainlytakestheformoflecture,andalsothestudentsarerequiredtoprogramontheirowncomputertobettercomprehendtheknowledgeofbigdata.
(2)Largeamountofonlinecourseresourcesarealsoprovidedtostudents,includingcoursevideo,technicalliterature,ppt,programmingguide,andsoon.
4.Contentoutlineofthecourse
Chapter(Section)
Content
Learninghours
Thebasicconceptofbidata;
therelationshipbetweenbigdata,cloudcomputingandtheInternetofThings.
ThearchitectureandecosystemofHadoop
ThebasicprinciplesandprogrammingmethodofHDFS
ThebasicprinciplesandprogrammingmethodofHBase
TheconceptandprincipleofNoSQL
Theconceptandprincipleofclouddatabase
Thedistributedparallelprogrammingmodel,namelyMapReduce
TodiscussmoreaboutHadoop
ThebasicprincipleandprogrammingmethodofSpark
TheapplicationofbigdataintheInternetfield,namelyrecommendingsystem.
Total
5.Assessmentmethodsandrequirements
Thecourseinvolveshomeworkandclosed-bookexamination.
Thefinalscoreincludestwoparts,i.e.,homework(50%)andfinalexamination(50%).
6.Textbooks
ZiyuLin.PrinciplesandApplicationsofBigDataTechnology-BigDataConception(Thefirstedition),Storage,Processing,AnalysisandApplication.ThePOSTS&
TELECOMPRESS,Aug,2015.
7.References
TomWhite.Hadoop:
TheDefinitiveGuide(3rdedition).TheO’REILLYPRESS,May2012.
8.Website
9.Others
Filledoutby:
ZiyuLinApprovedby:
Date:
Nov,2016