大数据导论
1. 课程简介
本课程的主要目的是让学生了解什么是大数据，大数据的特点，大数据思维，大数据的核心技术，大数据应用，大数据带来的变革，以及大数据面临的挑战，从而使学生对大数据技术和应用有一个初步的了解。本课程重视演示和实战，以便使学生通过亲身体验来理解和掌握大数据的核心概念。
2. 课程安排（74学时：42学时讲课，6学时演示，26学时实验）
第一阶段：大数据概述（8+4+0）
第一课：（理论：2学时）
第一章大数据概述瓷都景德镇是哪个省
第二课：（理论：2学时）
第二章大数据采集
第三课：（理论：2学时）
第三章大数据预处理
第四课：（演示：2学时）
演示一：大数据技术演示
第五课：（理论：2学时）
第四章大数据处理系统
通天峰第六课：（演示：2学时）
演示二：大数据应用演示
第二阶段：大数据存储技术（8+0+8）
第七课：（理论：2学时）
第五章大数据文件系统HDFS
第八课：（使用：2学时）
实验一：分布式文件系统HDFS使用
第九课：（理论：2学时）
第六章 NoSQL数据库HBase
第十课：（实验：2学时）
实验二：列式数据库HBase使用
第十一课：（理论：2学时）
第七章数据仓库Hive
第十二课：（理论：2学时）
第七章数据仓库Hive
第十三课：（实验：2学时）
哪些古装电视剧好看实验三：HiveQL 命令行的使用
第十四课：（实验：2学时）
实验四：使用JDBC程序操作数据库
第三阶段：大数据处理技术（12+0+10）第十五课：（理论：2学时）
第八章大数据批处理Hadoop MapReduce
第十六课：（理论：2学时）
第八章大数据批处理Hadoop MapReduce
第十七课：（实验：2学时）
实验五：批处理模式MapReduce应用
第十八课：（理论：2学时）
第九章大数据快速处理Spark
第十九课：（实验：2学时）
实验六：内存处理模式Spark应用
第二十课：（理论：2学时）
广西二本学校第十章大数据实时流计算 Spark Streaming
第二十一课：（实验：2学时）
实验七：流式处理模式Spark Streaming应用
第二十二课：（理论：2学时）
第十一章分布式图计算框架 Spark GraphX
第二十三课：（实验：2学时）
实验八：图处理模式Spark Graph应用
第二十四课：（理论：2学时）
第十二章大数据随机查询 Spark SQL
第二十五课：（实验：2学时）
实验九：大数据随机查询Spark SQL使用
第四阶段：大数据挖掘技术（14+2+8）第二十六课：（理论：2学时）
第十三章大数据挖掘概述
第二十七课：（理论：2学时）
第十三章大数据挖掘概述
第二十八课：（理论：2学时）
第十三章大数据挖掘概述
第二十九课：（演示：2学时）
演示三：数据挖掘应用体验
第三十课：（理论：2学时）
第十四章大数据挖掘系统 Spark MLlib
第三十一课：（实验：2学时）
实验十：聚类算法实验
第三十二课：（实验：2学时）
实验十一：分类算法实验
第三十三课：（实验：2学时）
实验十二：关联分析算法实验
第三十四课：（实验：2学时）
实验十三：协同过滤算法实验
第三十五课：（理论：2学时）
第十五章大数据可视化
第三十六课：（理论：2学时）
第十六章 Python数据可视化
第三十七课：（理论：2学时）
第十七章大数据的功能应用场景
3. 学时分配
章理论课演示课实验课合计第一章大数据概念2学时2学时第二章大数据采集2学时2学时第三章大数据预处理2学时2学时4学时第四章大数据处理系统2学时2学时4学时第五章大数据文件系统HDFS 2学时2学时4学时第六章 NoSQL数据库HBase 2学时2学时4学时第七章数据仓库Hive 4学时4学时8学时
4学时2学时6学时第八章大数据批处理Hadoop
MapReduce
第九章大数据快速处理Spark 2学时2学时4学时
2学时2学时4学时第十章大数据实时流计算Spark
Streaming
2学时2学时4学时第十一章分布式图计算框架Spark
GraphX
第十二章大数据随机查询Spark SQL 2学时2学时4学时第十三章大数据挖掘概述6学时2学时8学时
第94届奥斯卡提名名单2学时8学时10学时第十四章大数据挖掘系统Spark
MLlib
第十五章大数据可视化2学时2学时第十六章 Python大数据可视化2学时2学时
储蓄卡和信用卡的区别第十七章大数据的功能应用场景2学时2学时合计42学时6学时26学时74学时
版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。
发表评论