《大数据应用开发实战》课程标准

《大数据应用开发实战》课程标准
《大数据应用开发实战》课程标准
课程名称：大数据应用开发实战
课程性质：能力拓展课
计划学时：96（其中实践学时48）
适用专业：大数据技术与应用
1.课程定位与思路
1.1课程定位
本课程以《物联网导论》、《操作系统教程》、《Java编程》等先修课程所学理论知识和所练实操技能为教学基础，并为《云计算》等后继课程的教学打下良好的基础。

本课程是为大数据技术类相关专业学生开设的课程。

随着时代的发展，大数据已经成为一个耳熟能详的词汇。

与此同时，针对大数据处理的新技术也在不断的开发和运用中，逐渐成为数据处理挖掘行业广泛使用的主流技术之一。

Hadoop 作为处理大数据的分布式存储和计算框架，得到了国内外大小型企业广泛的应用。

Hadoop是一个可以搭建在廉价服务器上的分布式集群系统架构，它具有可用性高、容错性高和可扩展性高等优点。

由于它提供了一个开放式的平台，用户可以在完全不了解底层实现细节的情形下，开发适合自身应用的分布式程序。

经过十多年的发展，目前Hadoop已经成长为一个全栈式的大数据技术生态圈，并在事实上成为应用最广泛最具有代表性的大数据技术。

因此，学习Hadoop技术是从事大数据行业工作所必不可少的一步。

1.2设计思路
本课程主要理论结合实践，每个章节讲解理论的同时以各种软件实操和案例作为论证和巩固，提高学生学习的趣味。

此外本课程包含众多实操分析案例，在案例操作的过程中，一方面需要指导学生完成案例操作的任务，利用分析工具魔镜掌握数据分析的技能，另一方面需要激发学生主动学习、深入研究的热情。

本课程立足于实际能力培养，打破以知识传授为主要特征的传统学科课程模式，转变为以实际操作任务为中心组织课程内容和课程教学，整合理论和实践，
让学生在完成具体案例的过程中来构建和了解相关理论知识体系，并发展大数据分析基础的职业能力。

本课程实施项目教学以改变学与教的行为。

2.课程目标
本课程旨在培养能够为企事业单位提供大数据系统的搭建、管理和运维技术的学生。

学生通过大量的案例与实践操作，可以熟练掌握大数据系统管理所需的各种专业知识和能力，具备一定的职业素养，为他们从事大数据这个尖端行业的系统管理工作奠定坚实的基础。

2.1总体目标
通过本课程的学习，使学生学会搭建Hadoop完全分布式集群，熟练HDFS 的原理和基础操作，能够在理解MapReduce原理架构的基础上，进行MapReduce 程序的编写。

为将来从事大数据挖掘研究工作以及后续课程的学习奠定基础。

2.2具体目标（能力目标、知识目标、素质目标）
1.能力目标
（1）会搭建Hadoop的环境
（2）能够掌握相关的数据管理、存储、分析计算等的技术基础
（3）通过对数据库的学习和编程设计，掌握MapReduce的编程模型
（4）会使用MapReduce完成常用的功能
（5）会搭建HDFS Name Node环境
（6）会进行Hive的部署，及Hive中DDL与DML的操作
（7）会使用Sqoop,知道常用的SQL on Hadoop框架
2.知识目标：
（1）了解Hadoop的来源与特点；
（2）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；
（3）掌握MapReduce的原理；
（4）掌握Hadoop分布式数据库
（5）了解大数据处理中常用的实时流处理框架有哪些
3.素质目标
（1）培养学生的团队分工协作精神；
（2）培养学生的沟通表达能力；
（3）培养学生的工作责任意识；
（4）培养学生的质量至上观念；
4.课程思政目标
（1）培养学生自主学习能力和知识应用能力；
（2）培养学生的职业道德和职业规范。

3.课程内容与要求
4．实施建议
4.1 教材选用和编写建议
（1）教材选用建议：使用国家级规划教材或高职高专专用教材，同时选用的教材还必须符合本专业人才培养目标及课程教学的要求，取材合适，深度适宜，要有数字化内容，要符合高职学生的认知规律，有利于激发学生学习兴趣，有利于学生知识、能力和素质的培养。

（2）使用教材：《基于Hadoop与Spark的大数据开发实战》，人民邮电出版社，肖睿、丁科、吴刚山 (主编)。

（3）教材编写建议：教材编写可以采用章节小项目+理论知识+案例导入的方式展开，注重突出核心内容，注重实践和理论之间的相互联系，在突出内容阶段性的同时提高学生的动手能力。

4.2教学建议
教师主要采用传统的课堂讲授方式结合多媒体教学，直观、学生注意力不易分散，学生与教师的互动与共鸣效果好。

案例教学过程中采用多媒体演示，在演示过程中，将案例的分析思路、分析方法、可视化展现等穿插进去，为学生创设一个生动、形象、活泼的学习情景，有效突破了教学难点。

引导学生发散思维，通过案例提供的数据，自己设计问题
来进行数据分析。

运用空间进行教学，教、学、做都在空间上体现：作业评价、考核结果、教学资源、学习讨论、在线答疑，构建一个立体的空间互动教学形式。

4.3教学考核评价建议
本课程的考核评价分为平时成绩考核与期末考试成绩考核两部分，考核成绩总分100分。

1.平时成绩：
平时成绩主要根据学生平时作业、期中检测和学习态度等方面进行评价，其中学习态度根据平时作业上交的及时性与独立性、考勤情况和课堂纪律等方面进行综合评分，占考核总成绩的30%。

2.期末考试成绩：
期末考试成绩考核分为理论与实操两部分进行考核，占考核总成绩的70% 理论考核：由教师根据各章节的知识目标，在试题库中进行组卷并采取闭卷笔试的方式进行考核，占期末考试成绩的30%。

实操考核：是评价学生对大数据魔镜工具的运用和大数据分析技能掌握程度的主要依据，考核形式以由老师统一命题（老师也可参考国云数据研究院编写组提供的考试试卷和考试标准统一进行考核），学生根据命题利用魔镜分析工具进行项目实操，最终形成可视化分析报告提交，占期末考试成绩的70%。

4.4课程资源的开发与利用：
1、多媒体资源与教学软件：《基于Hadoop与Spark的大数据开发实战》PPT。

2、教学设备、实验（训）室。

3、教学队伍建设建议：该课程要求教师具有分布式数据存储与计算平台应用开发的能力，并且熟悉Hadoop生态相关技术。