91一级特黄大片|婷婷中文字幕在线|av成人无码国产|日韩无码一二三区|久久不射强奸视频|九九九久久久精品|国产免费浮力限制

教學目的:

大數(shù)據(jù)平臺課程主要介紹當前信息管理領(lǐng)域中涉及到大數(shù)據(jù)理論及其應用的各個大數(shù)據(jù)平臺/技術(shù)，以培養(yǎng)具備大數(shù)據(jù)應用及開發(fā)能力的優(yōu)秀大數(shù)據(jù)工程師。

教學要求:

1、學生能夠理解大數(shù)據(jù)理論，以及掌握諸如基于網(wǎng)頁爬蟲的大數(shù)據(jù)收集、基于NoSQL的大數(shù)據(jù)存儲、基于Hadoop的大規(guī)模文件系統(tǒng)、基于MapReduce的大數(shù)據(jù)處理、數(shù)據(jù)流挖掘等大數(shù)據(jù)相關(guān)技術(shù)/工具；

2、學生能夠基于IBM InfoSphere BigInsights以及IBM InfoSphere Streams等大數(shù)據(jù)平臺將大數(shù)據(jù)理論應用于當前信息管理的各個領(lǐng)域；

3、訓練學生一定的知識檢索和科研能力。

教學內(nèi)容:

該課程主要從理論教學、實驗教學和開發(fā)應用三個層面入手。

講授的理論內(nèi)容包括:1）第一章:大數(shù)據(jù)理論及大數(shù)據(jù)潛力；2）第二章:NoSQL非關(guān)系型高級數(shù)據(jù)模型管理大數(shù)據(jù)；3）第三章:大規(guī)模文件系統(tǒng)及MapReduce，特別是Hadoop分布式文件系統(tǒng)及其在MapReduce中實現(xiàn)；4）第四章:數(shù)據(jù)流的管理與挖掘等。這四大內(nèi)容均配有理論課程授課視頻。

實驗教學方面包括:1）第一章實驗:基于各種語言編寫的網(wǎng)頁爬蟲程序從各種網(wǎng)頁爬取大數(shù)據(jù)；2）第二章實驗:采用NoSQL文檔類型的MongoDB數(shù)據(jù)庫應用實驗；3）第三章實驗:兩個基于MapReduce的大數(shù)據(jù)處理分析算法實驗；4）第四章實驗:一個基于SVStream的流數(shù)據(jù)聚類算法實驗。

開發(fā)應用方面:主要以IBM InfoSphere BigInsights(大數(shù)據(jù)處理)和IBM InfoSphere Streams(流數(shù)據(jù)處理)等信息管理和大數(shù)據(jù)平臺相關(guān)軟件作為該課程的應用開發(fā)平臺。本課程的實驗教學部分將以課程負責人參加的2013IBM大數(shù)據(jù)平臺師資培訓課程實驗為主，即基于IBM大學合作部所提供的VM+IBM大數(shù)據(jù)軟件環(huán)境作為主體實驗環(huán)境。

教學方式:

講授理論結(jié)合指導實驗以及應用開發(fā)

學時分配:

本課程的教學主要是理論教學結(jié)合實驗教學以及應用開發(fā)。在低年級本科生已經(jīng)學了數(shù)據(jù)庫，機器學習等基礎(chǔ)課程的基礎(chǔ)上，我們這門大數(shù)據(jù)平臺課程擬從理論結(jié)合實驗及應用開發(fā)講解大數(shù)據(jù)平臺的四個主要知識點，共76個學時。具體學時分配如下:

1、大數(shù)據(jù)理論、應用潛力及數(shù)據(jù)爬蟲實驗:共10學時

大數(shù)據(jù)理論:3學時

大數(shù)據(jù)應用潛力:3學時

網(wǎng)頁大數(shù)據(jù)爬蟲實驗:4學時

2、NoSQL技術(shù)及其實驗:共20學時

NoSQL產(chǎn)生背景:2學時

大數(shù)據(jù)模型:3學時

大數(shù)據(jù)一致性:3學時

版本戳記:2學時

NoSQL的四大代表性數(shù)據(jù)庫及其比較:6學時

采用NoSQL文檔類型的MongoDB數(shù)據(jù)庫應用實驗:4學時

3、大規(guī)模文件系統(tǒng)、MapReduce及實驗和應用開發(fā):共26學時

分布式文件系統(tǒng):4學時

Hadoop:4學時

MapReduce:6學時

基于MapReduce的大數(shù)據(jù)處理分析算法實驗:4學時

基于IBM InfoSphere BigInsights的大數(shù)據(jù)應用開發(fā):8學時

4、流數(shù)據(jù)挖掘、實驗及應用開發(fā):共20學時

流數(shù)據(jù)模型:3學時

流數(shù)據(jù)管理和處理:3學時

指數(shù)衰退模型:2學時

基于SVStream的流數(shù)據(jù)聚類算法實驗:4學時

基于IBM InfoSphere Streams的流數(shù)據(jù)應用開發(fā):8學時

參考文獻目錄:

[1] E. Dumbill, editor. Planningfor Big Data . O’Reilly Media, Inc., 2012.

[2] J. Manyika, M. Chui, B.Brown, J. Bughin, R. Dobbs, C. Roxburgh, and A. H. Byers. Big data: The nextfrontier for innovation, competition, and productivity. McKinsey GlobalInstitute, May 2011.

[3] A. Rajaraman and J. D. Ullman.Mining of Massive Datasets. Cambridge University Press, 2011.

[4] P. J. Sadalage and M.Fowler. NoSQL Distilled: A Brief Guide to the Emerging World of PolyglotPersistence . Addison-Wesley Professional, 2012.

[5] G. Vaish. Getting Startedwith NoSQL . Packt Publishing Ltd., 2013.

[6] 陸嘉恒. 大數(shù)據(jù)挑戰(zhàn)與NoSQL數(shù)據(jù)庫技術(shù). 電子工業(yè)出版社.2013.

[7] W. Zhao, H. Ma and Q. He. ParallelK-Means Clustering Based on MapReduce. CloudCom 2009, LNCS 5931, pp. 674–679,2009.

[8] InfoSphere BigInsights: Bringingthe power of Hadoop to the enterprise. http://www-01.ibm.com/software/data/infosphere/biginsights/.

[9] C. M. Saracco, D. Kikuchiand T. Friedrich. Developing, publishing, and deploying your first BigDataapplication with InfoSphere BigInsights. developerWorks. 2013.

[10] C.-D. Wang, J.-H. Lai, D.Huang, and W.-S. Zheng. SVStream: A support vector based algorithm forclustering data streams. IEEE Transactions on Knowledge and Data Engineering,25(6):1410–1424, 2013.

[11] InfoSphere Streams: Captureand analyze data in motion. http://www-03.ibm.com/software/products/en/infosphere-streams.

[12] S. Soares. IBM InfoSphere:A Platform for Big Data Governance and Process Data Governance. MC PressOnline, LLC. 2013.