課程簡介
Course Introduction
（一）課程的性質、地位、作用和任務
《數(shù)據(jù)科學與大數(shù)據(jù)技術導論》課程是運用概率統(tǒng)計、分布式計算、現(xiàn)代軟件等綜合知識探索來自商業(yè)貿易，生物醫(yī)療，金融證券，社交網(wǎng)絡等眾多領域的較大規(guī)?；蚪Y構復雜數(shù)據(jù)集的高效存儲、高效管理、高效概括、深入分析和精準預測的科學和藝術。它是現(xiàn)代計算機科學教育中的一門核心課程，是一門跨計算機、統(tǒng)計學和數(shù)學領域的學科，它是計算機各專業(yè)、信息專業(yè)和其他一些與計算機技術關系密切專業(yè)的必修的基礎課程。
它的任務是討論現(xiàn)實世界中的各種邏輯結構、在計算機中的存儲結構以及實現(xiàn)各種操作的算法問題，為今后進一步學習后續(xù)專業(yè)課程、進行軟件開發(fā)和應用打好基礎。
（二）教學目的和要求
《數(shù)據(jù)科學與大數(shù)據(jù)技術導論》是一門理論和實踐緊密結合的基礎課，也是大數(shù)據(jù)技術應用的基石課程，其教學目標是運用統(tǒng)計分析、機器學習、分布式處理等技術，能從大量數(shù)據(jù)中提取對科學研究和生產(chǎn)實踐有意義的信息，以可視化等技術通過通俗易懂的形式傳達給決策者，為后續(xù)大數(shù)據(jù)技術的相關專業(yè)課學習打良好基礎。
（三）課程教學方法與手段
本課程應采用面授講解為主、指導學生自學為輔的教學方法，利用多媒體教學手段，制作條理清晰的PPT投影和動態(tài)的算法跟蹤動畫，加強學生對算法的理解。同時，開始對應的實驗指導課程，提高學生的動手操作能力。
（四）課程與其它課程的聯(lián)系
《數(shù)據(jù)科學與大數(shù)據(jù)技術導論》課程的先修課程是《概率論和數(shù)理統(tǒng)計》 、《數(shù)據(jù)結構》和《操作系統(tǒng)》，其中，《概率論和數(shù)理統(tǒng)計》提供了數(shù)據(jù)分析所需用到的基本數(shù)學模型和分析方法，為學生數(shù)據(jù)分析提供重要的理論基礎?！稊?shù)據(jù)結構》闡釋了數(shù)據(jù)在計算機中的組織結構，讓學生在進行數(shù)據(jù)分析時能通過結構的轉換了解數(shù)據(jù)的本質?！恫僮飨到y(tǒng)》讓學生了解計算機基本存儲結構和進程調度原理，為學生學習分布式計算提供重要的理論依據(jù)。本課程是后續(xù)課程如《機器學習與數(shù)據(jù)挖掘》、《分布式數(shù)據(jù)庫》、《大數(shù)據(jù)處理和數(shù)據(jù)分析技術》的基礎，這些專業(yè)課中涉及的數(shù)據(jù)的組織和處理方法正是本課程的內容。
（五） 教材與教學參考書
教材:朝樂門，《數(shù)據(jù)科學理論與實踐》，清華大學出版社，2017年10月。
教學參考書:
托馬斯.埃爾，《大數(shù)據(jù)導論》，機械工業(yè)出版社，2017年6月。
美國EMC教育服務團隊，《數(shù)據(jù)科學與大數(shù)據(jù)分析:數(shù)據(jù)發(fā)現(xiàn) 分析 可視化表示》，人民郵電出版社，2016年7月。
教學大綱
Teaching Syllabus
第1章緒論
1.1術語定義
1.2研究目的
1.3發(fā)展簡史
1.4理論體系
1.5基本原則
1.6如何成為數(shù)據(jù)科學家
重點:掌握數(shù)據(jù)科學的理論體系，了解數(shù)據(jù)科學與大數(shù)據(jù)技術的發(fā)展歷史。
難點:據(jù)科學與大數(shù)據(jù)技術的跨學科特性，掌握本門學科的學習方法。
第2章數(shù)據(jù)科學與大數(shù)據(jù)技術的理論基礎
2.1數(shù)據(jù)科學的學科地位
2.2統(tǒng)計學
2.3機器學習
2.4數(shù)據(jù)可視化
重點:重溫《概率論與數(shù)理統(tǒng)計》的基本原理。
難點:理解監(jiān)督學習和無監(jiān)督學習的基本原理，掌握基本算法的編程。
第3章大數(shù)據(jù)加工和分析流程與方法
3.1基本流程
3.2數(shù)據(jù)加工
3.3數(shù)據(jù)審計
3.4數(shù)據(jù)分析
3.5數(shù)據(jù)可視化
3.6數(shù)據(jù)故事化
3.7項目管理
重點:掌握數(shù)據(jù)預處理的基本流程，掌握數(shù)據(jù)加工、數(shù)據(jù)審計、數(shù)據(jù)分析、數(shù)據(jù)可視化等常見處理手段。
難點:掌握數(shù)據(jù)預處理的基本流程，掌握數(shù)據(jù)加工、數(shù)據(jù)審計、數(shù)據(jù)分析、數(shù)據(jù)可視化等常見處理手段。
第4章大數(shù)據(jù)加工和分析所用到的技術與工具
4.1技術體系
4.2MapReduce
4.3Hadoop
4.4Spark
4.5NoSQL與NewSQL
4.6R與Python
4.7發(fā)展趨勢
重點:掌握Python、R、MapReduce、Spark等大數(shù)據(jù)加工和分析的使用。
難點:理解分布式計算的優(yōu)勢，掌握Python、R、MapReduce、Spark等大數(shù)據(jù)加工和分析的使用，并利用這些工具進行基本大數(shù)據(jù)分析。
第5章大數(shù)據(jù)產(chǎn)品的設計與開發(fā)
5.1定義
5.2主要特征
5.3關鍵活動
5.4數(shù)據(jù)柔術
5.5數(shù)據(jù)能力
5.6數(shù)據(jù)戰(zhàn)略
5.7數(shù)據(jù)治理
重點:掌握大數(shù)據(jù)應用設計和開發(fā)方法，理解數(shù)據(jù)治理的基本原理。
難點:掌握大數(shù)據(jù)應用設計和開發(fā)方法，理解數(shù)據(jù)治理的基本原理。
第6章大數(shù)據(jù)典型案例分析及實踐
6.12012年美國總統(tǒng)大選
6.2統(tǒng)計分析
6.3機器學習
6.4數(shù)據(jù)可視化
6.5SparkR編程
重點:掌握前面學到的工具、算法進行基本數(shù)據(jù)分析，并完成數(shù)據(jù)可視化操作。
難點:工具、算法與應用相結合的大數(shù)據(jù)應用應用開發(fā)。
