當下，我國大數(shù)據(jù)產業(yè)正在從起步階段步入黃金期，我國已成為數(shù)據(jù)資源大國。據(jù)媒體報道，大數(shù)據(jù)人才空缺，為十大高薪職業(yè)之一，供求比超過1:14。隨著來自政策、技術以及市場等各方面的力量推進，大數(shù)據(jù)產業(yè)的發(fā)展?jié)摿^不能小覷。
2020年3月，教育部又批準了137所高校建設“數(shù)據(jù)科學與大數(shù)據(jù)技術”本科專業(yè)，批準51所高校建設“大數(shù)據(jù)管理與應用”本科專業(yè)?！皵?shù)據(jù)科學與大數(shù)據(jù)技術”專業(yè)從2015年開始申報，迄今已有668所高校成功申報?！按髷?shù)據(jù)管理與應用”專業(yè)從2017年開始申報，迄今已有83所高校成功申報。
此外，迄今為止，全國共有1355所職業(yè)院校成功申報了“大數(shù)據(jù)技術與應用專業(yè)”，為大數(shù)據(jù)應用型、實戰(zhàn)型人才培養(yǎng)奠定了基礎。
為了深入推進產教融合、協(xié)同育人，打破院校與企業(yè)間的人才培養(yǎng)“邊界”，探索新的人才培養(yǎng)機制和模式，培養(yǎng)具有創(chuàng)新能力、符合產業(yè)要求的復合型、創(chuàng)新型人才，為新舊動能的轉換提供人才支撐，成為不少院校探索和思考的方向。
針對目前高校面臨的課程、師資、科研支撐、成果轉化等瓶頸，云創(chuàng)專業(yè)共建結對子計劃可為合作院校提供“共同制定人才培養(yǎng)計劃、建設教材體系、高質量免費培養(yǎng)師資、全套專業(yè)課高質量免費在線直播教學、設計實驗室建設方案、協(xié)助學生實習、協(xié)助學生高質量就業(yè)、共建教育部協(xié)同育人項目、聯(lián)合科研項目申報與研究、聯(lián)合發(fā)表高質量論文、聯(lián)合科研成果報獎、助力科研成果轉化”共12項免費服務，在教育領域反響十分強烈。
其中，高質量免費培養(yǎng)師資和全套專業(yè)課高質量免費在線直播教學作為重要的兩項服務，受到不同層次高校的廣泛好評。而全套專業(yè)課高質量免費在線直播教學采用“雙師模式”——直播間老師負責授課，現(xiàn)場助教老師負責輔導，可以大大解決大數(shù)據(jù)和人工智能師資緊缺問題，提升教學質量。
為了幫助高校大數(shù)據(jù)專業(yè)建設快速落地，培養(yǎng)創(chuàng)新人才，云創(chuàng)大數(shù)據(jù)將從本學期5月25日開始，推出《大數(shù)據(jù)》和《大數(shù)據(jù)導論》免費在線直播課，歡迎各高校選修。
《大數(shù)據(jù)》適合于本科高校大數(shù)據(jù)專業(yè)必修課程和非大數(shù)據(jù)專業(yè)選修課程，《大數(shù)據(jù)導論》適合于高職高專院校大數(shù)據(jù)專業(yè)必修課程和非大數(shù)據(jù)專業(yè)選修課程。同時，為了保障高校的教學實踐效果，云創(chuàng)大數(shù)據(jù)還將為選修以上兩門課程的高校免費提供大數(shù)據(jù)實驗平臺（本科與高職兩大平臺，金融、電子商務、數(shù)學統(tǒng)計等多個版本，共有424個大數(shù)據(jù)實驗），讓高校享受直播授課+答疑解惑+實驗實戰(zhàn)等個性化的服務和指導。
現(xiàn)在只需根據(jù)意向選修課程（可同時選擇兩門）在微信掃描下方小程序碼，并提交聯(lián)系人、單位、聯(lián)系方式等信息，即可享受云創(chuàng)大數(shù)據(jù)提供的全套專業(yè)課高質量免費在線直播教學服務。
《大數(shù)據(jù)》選課小程序碼：
《大數(shù)據(jù)導論》選課小程序碼：
云創(chuàng)大數(shù)據(jù)還計劃從下學期9月份開始提供9門大數(shù)據(jù)和人工智能專業(yè)的專業(yè)直播課程，敬請期待！具體課程如下：
大數(shù)據(jù)（本科）：《大數(shù)據(jù)》、《Python程序設計》、《云計算》
大數(shù)據(jù)（?？疲骸洞髷?shù)據(jù)導論》、《Python語言》、《云計算導論》
人工智能（本科）：《人工智能導論》、《Python程序設計》、《人工智能數(shù)學基礎》
人工智能（?？疲骸度斯ぶ悄芨耪摗贰ⅰ禤ython語言》、《云計算導論》
如有疑問，請咨詢宋倩：
聯(lián)系方式：
郵箱：songqian@cstor.cn
手機：13905177044
大數(shù)據(jù)（適合于本科高校）
一、課程性質、目的與要求
課程性質：本科高校大數(shù)據(jù)專業(yè)必修課程、非大數(shù)據(jù)專業(yè)選修課程。
課程目的：通過對大數(shù)據(jù)的相關知識介紹，使學生掌握大數(shù)據(jù)的概念和原理，熟悉大數(shù)據(jù)的理論與算法，了解大數(shù)據(jù)未來發(fā)展趨勢，能夠利用所學知識，進行大數(shù)據(jù)應用實現(xiàn)和算法設計，培養(yǎng)學生運用大數(shù)據(jù)技術解決大數(shù)據(jù)行業(yè)應用問題。
課程要求：本課程系統(tǒng)介紹了大數(shù)據(jù)的理論知識和實戰(zhàn)應用，包括大數(shù)據(jù)概念與應用、數(shù)據(jù)采集與預處理、數(shù)據(jù)挖掘算法與工具、R語言、深度學習以及大數(shù)據(jù)可視化等，并深度剖析了大數(shù)據(jù)在互聯(lián)網、商業(yè)和典型行業(yè)的應用。期望學生對大數(shù)據(jù)處理技術有比較深入的理解，能夠從具體問題或實例入手，利用所學的大數(shù)據(jù)知識在應用中實現(xiàn)數(shù)據(jù)分析和數(shù)據(jù)挖掘。
二、教學內容
總學時：36學時
第1章 大數(shù)據(jù)概念與應用 2學時
基本要求：熟悉大數(shù)據(jù)的概念與意義、大數(shù)據(jù)的來源、大數(shù)據(jù)應用場景及大數(shù)據(jù)處理方法等內容。
重點：大數(shù)據(jù)的定義、研究內容與應用。
難點：無。
第2章 數(shù)據(jù)采集與預處理 4學時
基本要求：熟悉常用的大數(shù)據(jù)采集工具，特別是Apache Kafka數(shù)據(jù)采集使用方法；熟悉數(shù)據(jù)預處理原理和方法，包括數(shù)據(jù)清洗、數(shù)據(jù)集合、數(shù)據(jù)轉換；掌握數(shù)據(jù)倉庫概念與ETL工具Kettle的實際應用。
重點：Apache Kafka數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)倉庫與ETL工具。
難點：ETL工具Kettle的實際應用。
第3章 數(shù)據(jù)挖掘算法 6學時
基本要求：熟悉常用的數(shù)據(jù)挖掘算法，內容上從分類、聚類、關聯(lián)規(guī)則和預測模型等數(shù)據(jù)挖掘常用分析方法出發(fā)掌握相對應的算法，并能熟練進行數(shù)據(jù)挖掘算法的綜合應用。
重點：分類算法、聚類算法、關聯(lián)規(guī)則、時間序列預測。
難點：數(shù)據(jù)挖掘算法的綜合應用。
第4章 大數(shù)據(jù)挖掘工具 4學時
基本要求：熟練掌握機器學習系統(tǒng)Mahout和大數(shù)據(jù)挖掘工具Spark Mllib下的分類算法、聚類算法、協(xié)同過濾算法的使用，并對其他數(shù)據(jù)挖掘工具有所了解。
重點：Mahout安裝與使用、Spark Mllib工具的使用。
難點：Mahout和Spark Mllib工具的使用。
第5章 R語言 4學時
基本要求：了解R語言的發(fā)展歷程、功能和應用領域；熟悉R語言在數(shù)據(jù)挖掘中的應用；掌握R語言在分布式并行實時計算環(huán)境Spark中的應用SparkR。
重點：R語言基本功能、R語言在數(shù)據(jù)挖掘中的應用、SparkR主要機器學習算法。
難點：R語言與數(shù)據(jù)挖掘。
第6章 深度學習 4學時
基本要求：了解深度學習的發(fā)展過程和實際應用場景，并結合人腦的工作原理，理解深度學習的相關概念和工作機制，做到能夠熟練使用常用的深度學習軟件。
重點：人腦神經系統(tǒng)與深度學習、卷積神經網絡、深度置信網絡、循環(huán)（遞歸）神經網絡、TensorFlow和Caffe。
難點：人工神經網絡。
第7章 大數(shù)據(jù)可視化 4學時
基本要求：熟悉大數(shù)據(jù)可視化的基礎知識；掌握文本可視化、網絡可視化、時空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化等常用的大數(shù)據(jù)可視化方法，可通過Excel、Processing、NodeXL和ECharts軟件實現(xiàn)數(shù)據(jù)的可視化。
重點：數(shù)據(jù)可視化流程、大數(shù)據(jù)可視化方法、大數(shù)據(jù)可視化軟件與工具。
難點：時空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化。
第8章 互聯(lián)網大數(shù)據(jù)處理 4學時
基本要求：掌握互聯(lián)網信息抓取技術，能夠通過互聯(lián)網信息抓取、文本分詞、倒排索引與網頁排序這4個主要步驟實現(xiàn)互聯(lián)網大數(shù)據(jù)處理，并能夠熟練運用。
重點：Nutch爬蟲、文本分詞、倒排索引、網頁排序。
難點：倒排索引。
第9章 大數(shù)據(jù)商業(yè)應用 2學時
基本要求：熟悉用戶畫像和精準營銷的構建；熟悉廣告推薦系統(tǒng)的建設；熟悉互聯(lián)網金融的應用方法。
重點：用戶畫像構建流程、用戶標簽、廣告推薦、互聯(lián)網金融應用方向。
難點：信用評分算法、分類模型的性能評估。
第10章 行業(yè)大數(shù)據(jù) 2學時
基本要求：以地震大數(shù)據(jù)、交通大數(shù)據(jù)、環(huán)境大數(shù)據(jù)和警務大數(shù)據(jù)為例來熟悉行業(yè)大數(shù)據(jù)的應用，學會利用數(shù)據(jù)創(chuàng)造價值。
重點：理解數(shù)據(jù)和數(shù)據(jù)分析在業(yè)務活動中的具體表現(xiàn)。
難點：無。
三、課程安排
通過在線直播的方式進授課。授課時間為：2020年5月25日開課
具體課程安排如下：
四、課時分配
五、建議教材與教學參考書
一、課程性質、目的與要求
課程性質：高職高專院校大數(shù)據(jù)專業(yè)必修課程、非大數(shù)據(jù)專業(yè)選修課程。
課程目的：本課程力求加深學生在程序設計方法上的理解和把握，通過相關的事例讓學生對各知識點先了解，再理解，最后逐步掌握。整個過程融“教、學、練”于一體，加強學生實踐動手能力、獨立思考問題和解決問題的能力，達到正確靈活地利用操作系統(tǒng)各知識點來解決相關問題的目標，并為后續(xù)專業(yè)基礎課程、專業(yè)課程的學習奠定扎實的基礎。
課程要求：本課程在教學過程中，根據(jù)高職培養(yǎng)應用型人才的特點，以典型工作任務為主線、以各種資源管理為核心，以培養(yǎng)能力和提高興趣為目標，變應試為應用，重視在新形勢下的新方法、新規(guī)則和新思想的傳授。著重培養(yǎng)學生能靈活應用這些思想和方法的能力。課程教學中要遵循理論來自于實踐的原則，融“教、學、練”于一體，體現(xiàn)“在做中學，在學中做，學以致用”，以增強知識點的實踐性，激發(fā)學生的學習興趣。在實踐教學環(huán)節(jié)中則融入相關理論知識，突出理論來自于實踐和指導實踐的作用，使學生的知識應用根據(jù)學習的內容提升一個新的高度。
具體目標：
知識目標
?大數(shù)據(jù)基本概念和應用
?大數(shù)據(jù)的架構
?大數(shù)據(jù)的采集和預處理
?大數(shù)據(jù)的存儲
?大數(shù)據(jù)分析
?大數(shù)據(jù)可視化
?大數(shù)據(jù)的商業(yè)應用
技能目標
?大數(shù)據(jù)的基本概念和應用范圍
?理解大數(shù)據(jù)架構的相關概念
?理解大數(shù)據(jù)采集和預處理相關的概念，掌握數(shù)據(jù)采集相關技術的應用，了解大數(shù)據(jù)預處理相關技術
?理解大數(shù)據(jù)存儲相關概念，掌握大數(shù)據(jù)存儲相關技術
?了解大數(shù)據(jù)分析相關概念，了解大數(shù)據(jù)分析的相關技術
?理解數(shù)據(jù)可視化的相關概念，掌握大數(shù)據(jù)可視化的相關技術
?了解大數(shù)據(jù)的商業(yè)應用情況
二、教學內容
總學時：36學時
第1章 大數(shù)據(jù)基本概念和應用 2學時
基本要求：了解大數(shù)據(jù)的相關概念，了解大數(shù)據(jù)的來源、特征和意義、了解大數(shù)據(jù)的表現(xiàn)形態(tài)、了解大數(shù)據(jù)的各種應用場景。
重點：大數(shù)據(jù)的定義、大數(shù)據(jù)的市場應用。
難點：無。
第2章大數(shù)據(jù)的架構 4學時
基本要求：掌握大數(shù)據(jù)的分類，了解數(shù)據(jù)類型，了解大數(shù)據(jù)的解決方案、理解Hadoop的核心設計，了解Hadoop的平臺搭建。
第3章 大數(shù)據(jù)的采集和預處理 8學時
基本要求：熟悉常用的大數(shù)據(jù)采集工具，特別是Apache Kafka數(shù)據(jù)采集使用方法；熟悉數(shù)據(jù)預處理原理和方法，包括數(shù)據(jù)清洗、數(shù)據(jù)集合、數(shù)據(jù)轉換；掌握數(shù)據(jù)倉庫概念與ETL工具的實際應用。
重點：Apache Kafka數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)倉庫與ETL工具
重點：分類算法、聚類算法、關聯(lián)規(guī)則、時間序列預測。Apache Kafka數(shù)據(jù)采集、數(shù)據(jù)清洗、數(shù)據(jù)倉庫與ETL工具。ETL工具Kettle的實際應用
難點：數(shù)據(jù)挖掘算法的綜合應用。
第4章 大數(shù)據(jù)的存儲 6學時
基本要求：理解大數(shù)據(jù)存儲相關概念、理解數(shù)據(jù)倉庫的概念，了解數(shù)據(jù)倉庫的組成和構建方式、掌握大數(shù)據(jù)存儲相關技術的應用。
重點：云存儲系統(tǒng)的結構模型、分布式文件系統(tǒng)、數(shù)據(jù)庫。
第5章 大數(shù)據(jù)分析 8學時
基本要求：了解大數(shù)據(jù)分析相關概念，了解大數(shù)據(jù)分析的相關技術，通過上機項目實例進行練習。
重點：數(shù)據(jù)分析方法、數(shù)據(jù)挖掘算法。
第6章 大數(shù)據(jù)可視化 6學時
基本要求：熟悉大數(shù)據(jù)可視化的基礎知識；掌握文本可視化、網絡可視化、時空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化等常用的大數(shù)據(jù)可視化方法，可通過Excel、Processing、NodeXL和ECharts軟件實現(xiàn)數(shù)據(jù)的可視化。
重點：數(shù)據(jù)可視化流程、大數(shù)據(jù)可視化方法、大數(shù)據(jù)可視化軟件與工具。
難點：時空數(shù)據(jù)可視化、多維數(shù)據(jù)可視化。
第7章 大數(shù)據(jù)的商業(yè)應用 2學時
基本要求：了解國外大數(shù)據(jù)應用經典案例以及以地震大數(shù)據(jù)、交通大數(shù)據(jù)、環(huán)境大數(shù)據(jù)和警務大數(shù)據(jù)為例來熟悉行業(yè)大數(shù)據(jù)的應用，學會利用數(shù)據(jù)創(chuàng)造價值。
重點：理解數(shù)據(jù)和數(shù)據(jù)分析在業(yè)務活動中的具體表現(xiàn)。
三、課程安排
通過在線直播的方式進授課。授課時間為：2020年5月25日開課
具體課程安排如下：
四、課時分配
五、建議教材與教學參考書
