《物联网大数据技术》课程标准 .pdfVIP

  1. 1、本文档共4页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  5. 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  6. 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  7. 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  8. 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

《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(Volume),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(Volume),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。这也是当前产业界和学术界对大数据定义所广泛

认同的四个基本特征。

毫无疑问,大数据技术是推动信息技术能力,实现按需供给、促进信息技术和数据资源

充分利用的全新业态,是信息化发展的重大变革和必然趋势。

在当前,大数据技术的发展无论对政府(如,了解民生动态,等等)、企业(如,设计、

开发和推销其产品,等等),等等,都带来了前所未有的挑战和机遇。其中,亟待解决和具

有挑战意义的主要任务之一是:面对庞大的数据资源,如何来进行有效、快速的处理,从数

据中提取有价值的信息。

本课程为我院物联网工程技术专业按照行业发展需求而新增的,正好切合对大数据处理

行业人才的急切需求,本课程在物联网工程技术专业课程体系中处于非常重要的地位,是一

门职业拓展课程。

本课程通过大数据的核心算法介绍,充分锻炼学生对大数据的处理能力,通过学习,学

生掌握基本大数据的核心算法

在本课标中,在对知识与技能的描述上力求详细与准确。技能及其学习要求采取了“能

做……”的形式进行描述,知识及其学习要求则采取了“能描述……”和“能理解……”的形式

进行描述,即区分了两个学习层次,“描述”指学生能熟练识记知识点,“理解”指学生把握知

识点的内涵及及其关系。

本课程建议课时数48,共计3学分,每周3课时,预计16周完成教学任务。

2.工作任务和课程目标

2.1工作任务

了解大数据当前的基本情况

掌握K-Means(Thek-meansalgorithm)算法

掌握SVM(SupportVectorMachine)算法

掌握KNN(k-nearestneighborclassification)算法

理解Apriori算法

了解EM(Expectation–Maximization)算法

了解AdaBoost算法

2.2课程目标

能理解大数据的基本概念,包括包含大数据概述、大数据的发展历史以及大数据的

应用场景;

能掌握K-Means算法、SVM算法和KNN算法,进行设计和使用;

能理解Apriori算法、PageRank算法和NBC算法,进行最基本的使用;

能了解CART算法、EM算法

您可能关注的文档

文档评论(0)

. + 关注
官方认证
文档贡献者

专注于职业教育考试,学历提升。

版权声明书
用户编号:8032132030000054
认证主体社旗县清显文具店
IP属地河南
统一社会信用代码/组织机构代码
92411327MA45REK87Q

1亿VIP精品文档

相关文档