課程簡介
Course Introduction
（一）課程的性質(zhì)、地位、作用和任務(wù)
《數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)導(dǎo)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(mào)易，生物醫(yī)療，金融證券，社交網(wǎng)絡(luò)等眾多領(lǐng)域的較大規(guī)?；蚪Y(jié)構(gòu)復(fù)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(yù)測的科學(xué)和藝術(shù)。它是現(xiàn)代計算機科學(xué)教育中的一門核心課程，是一門跨計算機、統(tǒng)計學(xué)和數(shù)學(xué)領(lǐng)域的學(xué)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(shù)關(guān)系密切專業(yè)的必修的基礎(chǔ)課程。
它的任務(wù)是討論現(xiàn)實世界中的各種邏輯結(jié)構(gòu)、在計算機中的存儲結(jié)構(gòu)以及實現(xiàn)各種操作的算法問題，為今后進一步學(xué)習(xí)后續(xù)專業(yè)課程、進行軟件開發(fā)和應(yīng)用打好基礎(chǔ)。
（二）教學(xué)目的和要求
《數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)導(dǎo)論》是一門理論和實踐緊密結(jié)合的基礎(chǔ)課，也是大數(shù)據(jù)技術(shù)應(yīng)用的基石課程，其教學(xué)目標是運用統(tǒng)計分析、機器學(xué)習(xí)、分布式處理等技術(shù)，能從大量數(shù)據(jù)中提取對科學(xué)研究和生產(chǎn)實踐有意義的信息，以可視化等技術(shù)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(shù)的相關(guān)專業(yè)課學(xué)習(xí)打良好基礎(chǔ)。
（三）課程教學(xué)方法與手段
本課程應(yīng)采用面授講解為主、指導(dǎo)學(xué)生自學(xué)為輔的教學(xué)方法，利用多媒體教學(xué)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(xué)生對算法的理解。同時，開始對應(yīng)的實驗指導(dǎo)課程，提高學(xué)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(xué)與大數(shù)據(jù)技術(shù)導(dǎo)論》課程的先修課程是《概率論和數(shù)理統(tǒng)計》 、《數(shù)據(jù)結(jié)構(gòu)》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(xué)模型和分析方法，為學(xué)生數(shù)據(jù)分析提供重要的理論基礎(chǔ)?！稊?shù)據(jù)結(jié)構(gòu)》闡釋了數(shù)據(jù)在計算機中的組織結(jié)構(gòu)，讓學(xué)生在進行數(shù)據(jù)分析時能通過結(jié)構(gòu)的轉(zhuǎn)換了解數(shù)據(jù)的本質(zhì)?！恫僮飨到y(tǒng)》讓學(xué)生了解計算機基本存儲結(jié)構(gòu)和進程調(diào)度原理，為學(xué)生學(xué)習(xí)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(xué)習(xí)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(shù)》的基礎(chǔ)，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(nèi)容。
（五） 教材與教學(xué)參考書
教材:朝樂門，《數(shù)據(jù)科學(xué)理論與實踐》，清華大學(xué)出版社，2017年10月。
教學(xué)參考書:
托馬斯.埃爾，《大數(shù)據(jù)導(dǎo)論》，機械工業(yè)出版社，2017年6月。
美國EMC教育服務(wù)團隊，《數(shù)據(jù)科學(xué)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(xué)大綱
Teaching Syllabus
第1章緒論
1.1術(shù)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(xué)家
重點:掌握數(shù)據(jù)科學(xué)的理論體系，了解數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)的發(fā)展歷史。
難點:據(jù)科學(xué)與大數(shù)據(jù)技術(shù)的跨學(xué)科特性，掌握本門學(xué)科的學(xué)習(xí)方法。
第2章數(shù)據(jù)科學(xué)與大數(shù)據(jù)技術(shù)的理論基礎(chǔ)
2.1數(shù)據(jù)科學(xué)的學(xué)科地位
2.2統(tǒng)計學(xué)
2.3機器學(xué)習(xí)
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(xué)習(xí)和無監(jiān)督學(xué)習(xí)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(yù)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(yù)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(shù)與工具
4.1技術(shù)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(shè)計與開發(fā)
5.1定義
5.2主要特征
5.3關(guān)鍵活動
5.4數(shù)據(jù)柔術(shù)
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(yīng)用設(shè)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(yīng)用設(shè)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(xué)習(xí)
6.4數(shù)據(jù)可視化
6.5SparkR編程
重點:掌握前面學(xué)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(yīng)用相結(jié)合的大數(shù)據(jù)應(yīng)用應(yīng)用開發(fā)。
