线上课程 – 曙光瑞翼教育
项目简介
建设目标
项目内容
申报条件
建设要求
支持办法
申请办法
线上课程

 

 

 

Hadoop大数据技术与应用

Hadoop 平台是当前热门的大数据处理与分析平台,Hadoop技术也成为了数据科学方向的核心内容。《Hadoop大数据技术与应用》课程采用了理论与实践相结合的方式,全面介绍了 Hadoop 大数据技术。课程理论部分的内容以介绍Hadoop平台主要组件的作用、结构、工作流程为主,让学生对Hadoop平台组件的作用及其工作原理有比较深入的了解;课程同时为各组件设计有若干实验,帮助学生在学习理论知识的同时,提高学生的实践能力,系统掌握Hadoop主要组件的原理及应用,为其他相关课程的学习提供必要的帮助。

Python编程基础与实践

Python语言凭借其易学易用易读的特点,在数据科学和大数据技术领域已经成为最主流的程序设计语言之一。《Python编程基础与实践》课程从实用的角度出发,采用理论与实践相结合的方式,系统介绍了 Python 程序设计的基础知识,力求培养学生使用 Python 语言解决问题的能力。课程内容主要包括Python程序设计导论、Python 程序设计初步、循环程序设计、函数和递归、Python 数据结构、Python面向对象程序设计、Python 多线程程序设计等。为了增强实践教学效果,课程过程中由浅入深地引入了多个综合案例,旨在帮助学生理解各种语法知识,并让学生体会如何在实际编程中灵活运用所学知识和技能。

数据挖掘与机器学习

《数据挖掘与机器学习》属于专业核心课程,汇集了来自机器学习、模式识别、数据库、统计学、人工智能以及管理信息系统等各学科的成果。该课程从实用的角度出发,采用理论与实践相结合的方式,介绍数据挖掘与机器学习的基础知识,力求培养学生数据思维的能力,同时,使学生掌握数据挖掘算法的应用,结合实际案例操作实验,使学生掌握运用自动、智能和快速方法来分析海量数据,有效充分利用数据的能力。全书内容主要包括数据挖掘概述,Pandas数据分析,数据挖掘与机器学习,分类算法与应用,回归算法与应用,无监督学习,关联规则和协同过滤,图像数据分析,自然语言处理与 NLTK等。

大数据导论

《大数据导论》是一门通识课程,也是数据科学与大数据专业的必要先修课程,面对大一学生开设。通过该课程学习,让学生了解大数据专业内涵特点、大数据与社会经济发展的关系以及大数据的主要学科知识和课程体系。同时培养学生大数据处理问题的思维,引导学生认知大数据技术。要求学生了解学习大数据需要掌握的基础技术知识,熟悉海量数据处理的基本流程以及与之匹配使用的主要技术和工具。通过本课程的学习,加深学生对大数据的认识,并为后续专业课程打下良好基础。

商务智能方法与应用

商务智能是近年来企业信息化的热点,对企业的决策分析有着决定性的帮助,拥有广阔的应用前景。《商务智能方法与应用》课程重点培养学生设计和使用商务智能相关技术的能力,熟悉商务智能的基本概念及构成,重点掌握商务智能在各个领域的应用。主要内容包括介绍了商务智能的基本概念、商务智能系统的架构,同时还介绍商务智能涉及到的数据处理的核心技术,比如数据仓库、维度建模、在线分析处理等。课程中结合理论部分,精心设计了商务智能在零售业、客户关系管理、 电信、教育以及电子商务等方面的应用,力求使学生了解商务智能的基本构成以及如何构建商务智能系统。

NoSQL数据库原理与应用

NoSQL泛指非关系型的数据库,该类型数据库能够更好地解决大规模数据集合及多重数据类型带来的巨大挑战,尤其在大数据应用方面。《NoSQL数据库原理与应用》课程系统全面地介绍NoSQL数据库系统的基本原理和实现技术,充分反映该领域的最新研究成果。课程内容主要包括NoSQL数据库的发展历程,与传统关系型数据库的对比优势,HBase分布式数据库技术的原理与实践,MongoDB分布式数据库技术的原理和实践,Memcached和Redis技术,NewSQL数据库技术,以及MongoDB和HBase数据库技术的综合实验等。

Spark大数据技术与应用

Spark是用于大规模数据处理的重要分析引擎,Spark以Spark RDD为计算核心,包含Spark DataFrame&&SQL、Spark Streaming、Graphx、MLlib等组件,涵盖了数据处理、分析、机器学习的所有方向,把中间数据缓存在内存中极大提高了计算效率,在实际的工程项目应用中越来越广泛。《Spark大数据技术与应用》课程采用理论与实践相结合的方式,系统全面地介绍Spark的基本原理和实现技术,充分反映该领域的最新研究成果,课程主要内容包括Spark的运行原理、环境搭建、核心组件,及综合的实现案例等。

大数据可视化技术

大数据可视化是实现数据价值的重要工具,可视化技术能够将抽象的数字积累转变成为图形、表单等直观显现方式,让大家可以快速理解数据所代表的情况或趋势。《大数据可视化技术》课程是理论与实践紧密结合的一门核心专业课程,是大数据项目处理流程中最后的一个环节。通过该课程学习,从一些基础的可视化方法开始,逐渐延伸到可视化技术,其目标是培养学生掌握数据可视化的技术,能够独立完成数据可视化处理工作。

大数据预处理

数据预处理是大数据项目处理流程中前端的一个重要环节,通过数据预处理,可以为后续的数据挖掘工作提供一个高质量、高抽象度的数据集,提高数据挖掘的效率。《大数据预处理》课程采用理论与实践相结合的方式,全面系统地介绍了大数据预处理技术,使学生具备数据预处理方案设计与实施的专业能力。课程内容主要包括大数据预处理的流程,Kettle工具的安装及使用,各类型数据的导入与导出,变更数据的捕获,以及使用Python导入/导出数据,调用NumPy、Pandas等库进行数据清理等。