物聯(lián)網數據處理技術物聯(lián)網工程 課程教學大綱

《物聯(lián)網數據處理技術》課程教學大綱一、課程簡介課程中文名物聯(lián)網數據處理技術課程英文名InternetofThingsDataProcessingTechnology雙語授課□是否課程代碼10112160課程學分3總學時數48（含實踐16）課程類別□通識教育課程□公共基礎課程專業(yè)教育課程□綜合實踐課程□教師教育課程課程性質必修□選修□其他課程形態(tài)□線上線下□線上線下混合式□社會實踐□虛擬仿真實驗教學考核方式□閉卷開卷□課程論文□課程作品□匯報展示□報告課堂表現階段性測試實驗報告□其他（可多選）開課學院大數據與智能工程學院開課系(教研室)物聯(lián)網工程面向專業(yè)物聯(lián)網工程開課學期第6學期先修課程數據庫基礎與應用后續(xù)課程無選用教材[1]林子雨.大數據技術原理與應用（第三版）[M].北京：人民郵電出版社,2021.參考書目[1]王桂玲、王強、趙卓峰.物聯(lián)網大數據處理技術與實踐[M].北京：電子工業(yè)出版社,2017.[2]韓家煒等.數據挖掘概念與技術[M].北京：機械工業(yè)出版社,2012.課程資源[1]《大數據技術原理與應用》教材官方網站：/post/bigdata.[2]“大數據課程學生服務站”:/post/4331/.課程簡介物聯(lián)網數據處理技術是物聯(lián)網工程專業(yè)的專業(yè)核心課程，課程內容包括物聯(lián)網數據概論，物聯(lián)網數據挖掘基本原理與技術和大數據處理架構Hadoop等三個部分，通過對課程內容的學習，使學生了解物聯(lián)網大數據的特征與物聯(lián)網數據處理的相關技術和挑戰(zhàn)，培養(yǎng)進行物聯(lián)網大數據處理的能力以及學生分析問題和解決問題的能力，培養(yǎng)學生大數據處理思維，能夠利用Hadoop生態(tài)中的HDFS、MapReduce、HBase等技術實現物聯(lián)網數據的存儲和計算。二、課程目標表1課程目標序號具體課程目標課程目標1了解物聯(lián)網數據概念及處理技術，包括物聯(lián)網數據的特征、類型、挑戰(zhàn)等，掌握數據預處理、數據挖掘技術和大數據技術的基本原理，能夠利用原理分析當前一些方法存在的問題和不足，培養(yǎng)學生物聯(lián)網大數據分布式存儲和計算思維。課程目標2能夠利用數據挖掘算法和大數據技術對物聯(lián)網數據進行分析，并發(fā)現存在的問題，了解已有的解決方案以及其中存在的不足，結合現有方法進行研究，明確研究目標，確定合理的研究方案，設計實驗過程，獲得實驗結果，并對結果進行恰當的解釋，從而得出合理有效的結論。課程目標3通過對涉及環(huán)境項目的物聯(lián)網數據的分析，使學生了解影響環(huán)境的因素，培養(yǎng)學生環(huán)境可持續(xù)發(fā)展的觀念，了解安全與隱私問題對社會健康發(fā)展的影響。表2-1課程目標與畢業(yè)要求對應關系畢業(yè)要求指標點課程目標畢業(yè)要求3：設計/開發(fā)解決方案：能夠設計針對物聯(lián)網復雜工程問題的解決方案，設計滿足特定需求的系統(tǒng)、單元（部件），并能夠在設計環(huán)節(jié)中體現創(chuàng)新意識，考慮社會、健康、安全、法律、文化以及環(huán)境等因素?！綡】3.2能夠考慮社會、健康、安全、法律、文化以及環(huán)境等因素，研究論證解決方案的可行性，并確定合理或最優(yōu)化的方案，開發(fā)滿足特定需求的物聯(lián)網應用系統(tǒng)。2畢業(yè)要求4：能夠基于科學原理并采用科學方法對物聯(lián)網復雜工程問題進行研究，設計實驗、分析與解釋數據，并通過信息綜合得到合理有效的結論?！綧】4.2針對物聯(lián)網復雜工程問題的關鍵因素，能夠基于科學原理并采用科學方法，確定解決方案的技術路線，設計可行的實驗方案。1畢業(yè)要求7：環(huán)境與可持續(xù)發(fā)展：能夠理解和評價針對物聯(lián)網復雜工程問題的工程實踐環(huán)節(jié)對環(huán)境、社會可持續(xù)發(fā)展的影響?！綥】7.2理解并評價實際物聯(lián)網項目對環(huán)境、社會可持續(xù)發(fā)展的影響，并對可能出現的不良后果采取合理的措施，評價涉及的安全與隱私問題對社會健康發(fā)展的影響。3三、課程學習內容與方法（一）理論學習內容及要求表3-1課程目標、學習內容和教學方法對應關系序號課程模塊學習內容學習任務課程目標學習重點難點教學方法學時1物聯(lián)網數據概述1.物聯(lián)網大數據概述1.1大數據概述1.2物聯(lián)網數據特征1.3物聯(lián)網數據類型個人作業(yè)：分析實際項目中物聯(lián)網數據的特征及其應用場景課程目標1重點：物聯(lián)網數據特征難點：云計算、物聯(lián)網、大數據技術的關系講授法案例分析82.物聯(lián)網數據處理技術2.1物聯(lián)網、云計算技術2.2大數據處理技術2.3物聯(lián)網數據處理的應用課程目標32物聯(lián)網數據處理1.物聯(lián)網數據預處理1.1數據清冼1.2數據變換1.3數據歸約個人作業(yè)：PCA降維算法、KNN分類算法、K-means聚類算法、DBSCAN聚類算法等實現與應用課程目標2重點：數據預處理技術，數據挖掘相關算法原理難點：數據挖掘相關算法原理講授法專題研討122.物聯(lián)網數據挖掘2.1數據挖掘的基本原理與技術2.2數據倉庫和數據挖掘的OLAP技術課程目標23.數據挖掘相關算法研究3.1關聯(lián)規(guī)則分析3.2分類3.3聚類3.4離群檢測課程目標23大數據處理架構Hadoop1Hadoop概述與安裝2HDFS分布式文件系統(tǒng)3MapReduce個人作業(yè)：在大數據平臺完成Hadoop的安裝與配置，結合實際案例實現HDFS、MapReduce的編程課程目標2重點：HDFS分布式文件系統(tǒng)、HBase分布式數據庫和MapReduce難點：MapReduce講授法專題研討12實驗學習內容及要求表3-2課程目標、學習內容和教學方法對應關系序號項目名稱項目來源教學目標（觀測點、重難點）學時數項目類型要求每組人數教學方法課程目標1實驗1：數據規(guī)范化科研項目利用最小-最大規(guī)范化方法將數據規(guī)范化到一個指定范圍（重點）2驗證性必做1課堂講授實驗指導1、2利用z分數規(guī)范化方法將數據進行規(guī)范化處理（難點）2實驗2：關聯(lián)規(guī)則分析教師開發(fā)根據Aproir算法的基本思想設計算法實現簡單的關聯(lián)規(guī)則分析，理解Aproir算法原理是本節(jié)課的重點和難點2設計研究性選做1課堂講授實驗指導23實驗3：分類、聚類算法實現科研項目理解并利用KNN分類算法對數據進行分類分析（重點、難點）4設計研究性必做1課堂講授實驗指導2利用sklearn庫中的K-means算法和DBSCAN算法對數據集進行聚類分析（難點）4Hadoop的介紹與安裝實驗教材Hadoop的介紹Hadoop的安裝與偽分布式配置（重點、難點）2驗證性必做1課堂講授實驗指導2、35HDFS的控制與編程實驗教材HDFSShell命令（重點）HDFS編程實踐及應用（難點）2設計研究性必做1課堂講授實驗指導26MapReduce編程實踐實驗教材MapReduce原理（重點）MapReduce編程實踐（重點、難點）4設計研究性必做1課堂講授實驗指導2四、課程考核（一）考核內容與考核方式表4-1課程目標、考核內容與考核方式對應關系課程目標考核內容所屬學習模塊/項目考核占比考核方式課程目標11.物聯(lián)網數據特征及其存儲模塊127%課堂表現、實驗、階段性測試、開卷考試2.數據預處理技術模塊2-13.數據挖掘相關技術模塊2-2，2-3課程目標21.關聯(lián)規(guī)則分析的基本原理與應用模塊2-362%課堂表現、實驗、階段性測試、開卷考試2.決策樹分類和樸素貝葉斯分類的基本原理與應用模塊2-2、模塊2-33.K-means算法的基本原理與應用模塊2-34.HDFS原理、MapReduce原理；模塊35.針對某一具體應用，利用配置好的eclipse進行MapReduce編程對問題分析求解模塊3課程目標31.物聯(lián)網數據處理技術應用2.大數據、云計算與物聯(lián)網之間的關系3.物聯(lián)網數據在存儲和挖掘過程中的安全風險。模塊111%課堂表現、實驗、開卷考試表4-2課程目標與考核方式矩陣關系課程目標考核方式考核占比期末考試成績比例60%課堂表現成績比例10%實驗成績比例20%階段性測驗成績比例10%課程目標130%40%10%30%27%課程目標260%50%70%70%62%課程目標310%10%20%0%11%（二）成績評定1.平時成績評定（1）課堂表現（25%）：通過學生在課堂上發(fā)言、提問情況，評價學生的課程參與能力。（2）實驗成績（50%）：課程的實驗項目完成情況，主要評價學生的實際操作能力。（3）階段性測驗（25%）：學生在平時測試、期中測驗中綜合應用課程知識的情況。2.期末成績評定期末考核主要考察學生對物聯(lián)網數據特征、數據預處理技術、數據挖掘技術、Hadoop技術的掌握情況，同時要求學生能夠根據用戶要求確定設計目標，進行可行性研究，設計數據處理方案。能夠發(fā)現數據處理研究中存在的問題，已有的解決方案以及其中存在的不足。能夠針對物聯(lián)網數據處理中存在的某一具體問題，根據自己的需求，結合現有的方法進行研究。能夠掌握Hadoop大數據處理技術。方式為開卷考試。3.總成績評定總成績由平時成績、期末考試成績和項目成績構成?？偝煽儯?00%）=平時成績（40%）+開卷考試成績（60%）（三）評分標準表5評分標準（非試卷考核項目）考核項目評分標準優(yōu)秀(100>x≥90)良好(90>x≥80)中等(80>x≥70)及格(70>x≥60)不及格(x<60)課堂表現課上嚴格遵守課堂紀律，按要求完成課堂練習且正確率高，積極參與課堂討論，討論觀點有新意，有見解，實驗課不遲到早退，與老師積極互動。課上嚴格遵守課堂紀律，按要求完成課堂練習且正確率較高，積極參與課堂討論，討論觀點有一定新意和見解，實驗課不遲到早退，與老師積極互動。課上嚴格遵守課堂紀律，按要求完成課堂練習且有一定正確率，參與課堂討論，討論觀點有一定新意和見解，實驗課不遲到早退，與老師互動。課上嚴格遵守課堂紀律，按要求完成課堂練習且基本正確率，參與課堂討論，討論觀點基本的新意和見解，實驗課不遲到早退，與老師偶爾互動。課上不遵守課堂紀律，不參與課堂討論，未按要求完成課堂練習或正確率低。實驗課缺課。實驗報告實驗報告按照實驗目標完成，步驟完整、數據詳實、有深刻的實驗反思。實驗報告基本按照實驗目標完成，步驟完整、數據詳實，有實驗反思實驗報告基本按照實驗目標完成，步驟完整，缺乏數據支撐，有實驗反思實驗報告基本按照實驗目標完成，步驟描述不完整，缺乏數據支撐，缺乏實驗反思實驗報告未按照實驗目標完成，缺乏實驗步驟、數據支撐和實驗反思。階段性測驗掌握物聯(lián)網數據特征、數據預處理技術、數據挖掘技術，能熟練使用相關知識并解決問題。掌握物聯(lián)網數據特征、數據預處理技術、數據挖掘技術，能使用相關知識并解決問題。掌握物