大数据教学大纲.pdfVIP

  1. 1、本文档共7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

大数据教学大纲--第1页

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。

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,能够从具体问题或者实例入手,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。

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。

基本要求:熟悉常用的大数据采集工具,特殊是ApacheKafka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

1/7

大数据教学大纲--第1页

大数据教学大纲--第2页

据仓库概念与ETL工具Kettle的实际应用。

重点:ApacheKafka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。

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。

基本要求:熟练掌握机器学习系统Mahout和大数据挖掘工具SparkMllib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、SparkMllib工具的使用。

难点:Mahout和SparkMllib工具的使用。

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。

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、卷积网络、深度置信网络、循环(递归)

网络、TensorFlow和Caffe。

难点:人工神经网络。

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。

2/7

大数据教学大纲--第2页

大数据教学大纲--第3页

重点:数据可视化流程、大数据可视化方法、大数据可视化软件与工具。

难点:时空

文档评论(0)

LLFF444 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档