《物聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)》課程標(biāo)準(zhǔn)

《物聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)》課程標(biāo)準(zhǔn)適用專業(yè)：物聯(lián)網(wǎng)工程技術(shù)1．課程定位和設(shè)計(jì)思路1.1課程定位本課程屬于物聯(lián)網(wǎng)工程技術(shù)專業(yè)的職業(yè)拓展課程模塊，是一門培養(yǎng)專業(yè)擴(kuò)展能力的課程，適用于高等職業(yè)院校物聯(lián)網(wǎng)工程技術(shù)專業(yè)。其主要功能是使學(xué)生了解當(dāng)前熱門大數(shù)據(jù)的基本應(yīng)用技術(shù)及其重要的核心算法，掌握大數(shù)據(jù)的工作流程，具備針對(duì)大數(shù)據(jù)所涉及的數(shù)據(jù)處理過程算法的設(shè)計(jì)實(shí)施，能勝任大數(shù)據(jù)應(yīng)用處理和大數(shù)據(jù)核心算法基本設(shè)計(jì)等工作崗位。大數(shù)據(jù)實(shí)施中，一般認(rèn)為，主要包括了數(shù)據(jù)采集->數(shù)據(jù)存儲(chǔ)->數(shù)據(jù)處理->數(shù)據(jù)展現(xiàn)等幾個(gè)流程。本課程在第四學(xué)期開設(shè)，本課程的關(guān)注重點(diǎn)是數(shù)據(jù)的處理，主要是涉及大數(shù)據(jù)核心算法的設(shè)計(jì)。因?yàn)橐呀?jīng)有了：涉及數(shù)據(jù)采集的《物聯(lián)網(wǎng)設(shè)備配置與管理》、《無線傳感網(wǎng)絡(luò)及應(yīng)用》等先修課程，涉及數(shù)據(jù)存儲(chǔ)和展現(xiàn)的《數(shù)據(jù)庫(kù)與Web應(yīng)用開發(fā)》、《Android物聯(lián)網(wǎng)應(yīng)用開發(fā)》、《物聯(lián)網(wǎng)桌面應(yīng)用開發(fā)》等先修課程。同時(shí)，該課程和《數(shù)據(jù)結(jié)構(gòu)》課程是同期開設(shè)，對(duì)于先修課來說，《數(shù)據(jù)結(jié)構(gòu)》課程可以看做是對(duì)傳統(tǒng)經(jīng)典數(shù)據(jù)結(jié)構(gòu)和相關(guān)算法的闡述，而本課程是在當(dāng)前大數(shù)據(jù)發(fā)展形勢(shì)下，面對(duì)業(yè)界新需求，所開設(shè)的順應(yīng)時(shí)代潮流和市場(chǎng)需求的、關(guān)于大數(shù)據(jù)處理的新型課程。而對(duì)于后續(xù)課程《畢業(yè)頂崗實(shí)習(xí)》而言，該課程可以強(qiáng)化學(xué)生對(duì)大數(shù)據(jù)的進(jìn)一步處理和維護(hù)能力。1.2設(shè)計(jì)思路2001年，高德納分析員道格·萊尼在一份與其2001年的研究相關(guān)的演講中指出，數(shù)據(jù)增長(zhǎng)有三個(gè)方向的挑戰(zhàn)和機(jī)遇：量（Volume），即數(shù)據(jù)多少；速（Velocity），即資料輸入、輸出的速度；類（Variety），即多樣性。在萊尼的理論基礎(chǔ)上，IBM提出大數(shù)據(jù)的4V特征，得到了業(yè)界的廣泛認(rèn)可。第一，數(shù)量（Volume），即數(shù)據(jù)巨大，從TB級(jí)別躍升到PB級(jí)別；第二，多樣性（Variety），即數(shù)據(jù)類型繁多，不僅包括傳統(tǒng)的格式化數(shù)據(jù)，還包括來自互聯(lián)網(wǎng)的網(wǎng)絡(luò)日志、視頻、圖片、地理位置信息等；第三，速度（Velocity），即處理速度快；第四，真實(shí)性（Veracity），即追求高質(zhì)量的數(shù)據(jù)。這也是當(dāng)前產(chǎn)業(yè)界和學(xué)術(shù)界對(duì)大數(shù)據(jù)定義所廣泛認(rèn)同的四個(gè)基本特征。毫無疑問，大數(shù)據(jù)技術(shù)是推動(dòng)信息技術(shù)能力，實(shí)現(xiàn)按需供給、促進(jìn)信息技術(shù)和數(shù)據(jù)資源充分利用的全新業(yè)態(tài)，是信息化發(fā)展的重大變革和必然趨勢(shì)。在當(dāng)前，大數(shù)據(jù)技術(shù)的發(fā)展無論對(duì)政府（如，了解民生動(dòng)態(tài)，等等）、企業(yè)（如，設(shè)計(jì)、開發(fā)和推銷其產(chǎn)品，等等），等等，都帶來了前所未有的挑戰(zhàn)和機(jī)遇。其中，亟待解決和具有挑戰(zhàn)意義的主要任務(wù)之一是：面對(duì)龐大的數(shù)據(jù)資源，如何來進(jìn)行有效、快速的處理，從數(shù)據(jù)中提取有價(jià)值的信息。本課程為我院物聯(lián)網(wǎng)工程技術(shù)專業(yè)按照行業(yè)發(fā)展需求而新增的，正好切合對(duì)大數(shù)據(jù)處理行業(yè)人才的急切需求，本課程在物聯(lián)網(wǎng)工程技術(shù)專業(yè)課程體系中處于非常重要的地位，是一門職業(yè)拓展課程。本課程通過大數(shù)據(jù)的核心算法介紹，充分鍛煉學(xué)生對(duì)大數(shù)據(jù)的處理能力，通過學(xué)習(xí)，學(xué)生掌握基本大數(shù)據(jù)的核心算法在本課標(biāo)中，在對(duì)知識(shí)與技能的描述上力求詳細(xì)與準(zhǔn)確。技能及其學(xué)習(xí)要求采取了“能做……”的形式進(jìn)行描述，知識(shí)及其學(xué)習(xí)要求則采取了“能描述……”和“能理解……”的形式進(jìn)行描述，即區(qū)分了兩個(gè)學(xué)習(xí)層次，“描述”指學(xué)生能熟練識(shí)記知識(shí)點(diǎn)，“理解”指學(xué)生把握知識(shí)點(diǎn)的內(nèi)涵及及其關(guān)系。本課程建議課時(shí)數(shù)48，共計(jì)3學(xué)分，每周3課時(shí)，預(yù)計(jì)16周完成教學(xué)任務(wù)。2．工作任務(wù)和課程目標(biāo)2.1工作任務(wù)了解大數(shù)據(jù)當(dāng)前的基本情況掌握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課程目標(biāo)能理解大數(shù)據(jù)的基本概念，包括包含大數(shù)據(jù)概述、大數(shù)據(jù)的發(fā)展歷史以及大數(shù)據(jù)的應(yīng)用場(chǎng)景；能掌握K-Means算法、SVM算法和KNN算法，進(jìn)行設(shè)計(jì)和使用；能理解Apriori算法、PageRank算法和NBC算法，進(jìn)行最基本的使用；能了解CART算法、EM算法、C4.5算法和AdaBoost算法，進(jìn)行最基本的闡述。3．課程學(xué)分、學(xué)時(shí)、內(nèi)容和要求本課程3學(xué)分，48學(xué)時(shí)。課程內(nèi)容和要求見表1所示。表1課程內(nèi)容和要求序號(hào)工作任務(wù)知識(shí)要求技能要求學(xué)時(shí)1理解大數(shù)據(jù)的基本概念大數(shù)據(jù)概述大數(shù)據(jù)的發(fā)展歷史大數(shù)據(jù)的應(yīng)用場(chǎng)景了解大數(shù)據(jù)的基本概念62K-Means（Thek-meansalgorithm）算法算法原理算法步驟算法核心算法實(shí)現(xiàn)算法使用及適用場(chǎng)景能通過偽代碼進(jìn)K-Means算法的實(shí)現(xiàn)、設(shè)計(jì)和使用93SVM（SupportVectorMachine）算法算法原理算法步驟算法核心算法實(shí)現(xiàn)算法使用及適用場(chǎng)景能通過偽代碼進(jìn)SVM算法的實(shí)現(xiàn)、設(shè)計(jì)和使用94KNN（k-nearestneighborclassification）算法算法原理算法步驟算法核心算法實(shí)現(xiàn)算法使用及適用場(chǎng)景能通過偽代碼進(jìn)KNN算法偽代碼的實(shí)現(xiàn)、設(shè)計(jì)和使用95Apriori算法算法原理算法步驟算法核心能讀懂基本的Aprior算法偽代碼76EM（Expectation–Maximization）算法算法步驟算法核心能基本敘述EM算法47AdaBoost算法算法步驟算法核心能基本敘述AdaBoost算法4合計(jì)484．實(shí)施建議4.1教材編寫（1）采用高職通用教材為基礎(chǔ)，理論與實(shí)踐一體化的教學(xué)模式、教學(xué)場(chǎng)所和行動(dòng)導(dǎo)向的教學(xué)方法。（2）為了保證教學(xué)和實(shí)踐的效果，學(xué)生分組控制在2人/組。（3）教師在講授或演示教學(xué)中，多借助多媒體教學(xué)設(shè)備，配置豐富課件，靈活有效的教學(xué)實(shí)例。（4）根據(jù)大數(shù)據(jù)發(fā)展及時(shí)更新課程內(nèi)容。（5）引導(dǎo)學(xué)生主動(dòng)學(xué)習(xí)課外資料的積極性：如在網(wǎng)上列出與課程相關(guān)、經(jīng)過認(rèn)真篩選，最經(jīng)典、最具代表性的學(xué)習(xí)輔助資料及參考文獻(xiàn)，這些形式多樣的補(bǔ)充性教學(xué)資料，能開闊學(xué)生的視野，拓展思路，為學(xué)生的自主學(xué)習(xí)和研究性學(xué)習(xí)創(chuàng)造條件，構(gòu)筑緊跟計(jì)算機(jī)技術(shù)發(fā)展的平臺(tái)。（6）基本參考教材李航.統(tǒng)計(jì)學(xué)習(xí)方法[M].清華大學(xué)出版社,2012.BishopCM.PatternRecognitionandMachineLearning(InformationScienceandStatistics)[M].Springer-VerlagNewYork,Inc.2006.若有可能應(yīng)采用針對(duì)性較的自編教材。4.2教學(xué)建議（1）以學(xué)生獨(dú)立思考為核心，在面授時(shí)采用理論結(jié)合實(shí)物方法，借助大屏幕，學(xué)生與教師相互交流，產(chǎn)生良好教學(xué)互動(dòng)。使同學(xué)較實(shí)際地了解和掌握其性能。（2）以學(xué)生獨(dú)立自主操作為核心，2個(gè)學(xué)生為小組，學(xué)生與學(xué)生、學(xué)生與教師相互交流，產(chǎn)生良好教學(xué)互動(dòng)。（3）以學(xué)生小組合作形式，通過教師指導(dǎo)或借助各種軟硬件設(shè)備，對(duì)主要部件進(jìn)行軟件級(jí)壓力測(cè)試體驗(yàn)并做好相關(guān)參數(shù)區(qū)別所帶來結(jié)果不同的記錄。（4）學(xué)習(xí)完本課程后，學(xué)生應(yīng)當(dāng)能夠熟練掌握最基本的大數(shù)據(jù)算法對(duì)大數(shù)據(jù)的基本處理。4.3教學(xué)評(píng)價(jià)在模塊化實(shí)訓(xùn)課程的教學(xué)中，學(xué)生是主體，教師是學(xué)習(xí)過程的指導(dǎo)者和組織者，負(fù)責(zé)提供學(xué)習(xí)環(huán)境，編制模塊化課程的學(xué)習(xí)指導(dǎo)，在實(shí)訓(xùn)的過程中不斷對(duì)學(xué)生的學(xué)習(xí)進(jìn)行指導(dǎo)與鼓勵(lì)，在所要求的學(xué)習(xí)能力、工作態(tài)度上給學(xué)生起示范作用。努力培養(yǎng)學(xué)生的自學(xué)能力，學(xué)生邊做邊學(xué)，按實(shí)訓(xùn)指導(dǎo)的要求完成學(xué)習(xí)后，基本是先按考核標(biāo)準(zhǔn)進(jìn)行自我評(píng)價(jià)或相互評(píng)價(jià)，達(dá)到要求后，再由教師考核綜合評(píng)定。此課程的教學(xué)，階段性學(xué)習(xí)比較明顯而又個(gè)性獨(dú)立，但是各個(gè)階段又是承前啟后，缺一不可。該課程需要學(xué)生孜孜不倦的專研精神也更需要學(xué)生的自主性和嚴(yán)謹(jǐn)性，這些是非常重要的。因?yàn)樵诰蜆I(yè)中是無法指望得到他人的鼎力幫助，而粗枝大葉、馬馬虎虎的工作態(tài)度則會(huì)斷送自己的前程。因此在評(píng)價(jià)體系上多了個(gè)階段即“技能考核”一環(huán)，主要克服某些學(xué)生不能獨(dú)立自主完成項(xiàng)目任務(wù)的弊端。學(xué)生成績(jī)的評(píng)定，以學(xué)生平時(shí)表現(xiàn)、項(xiàng)目（或任務(wù)）完成情況、綜合素質(zhì)及期末考核來核定，采用累計(jì)計(jì)分制,總計(jì)32學(xué)時(shí),2學(xué)分。評(píng)分細(xì)則如表2所示：表2成績(jī)分配比例考評(píng)項(xiàng)目比例小計(jì)項(xiàng)目（任務(wù)）完成評(píng)定了解大數(shù)據(jù)當(dāng)前的基本情況8%70%K-Means（Thek-meansalgorithm）算法12%SVM（SupportVectorMachine）算法12%KNN（k-nearestneighborclassification）算法12%Apriori算法10%EM（Expectation–Maximization）算法8%AdaBoost算法8%綜合素質(zhì)評(píng)定溝通能力5%20%職業(yè)規(guī)范5%團(tuán)