《数据挖掘实践》课程教学大纲.pdf

《数据挖掘实践》教学大纲

课程英文名Dataminingpractice课程代码
学分1总学时1周课程类别集中实践环节
先修课程数据挖掘课程性质任选
适用专业信息与计算科学、数学与应用数学开课学院理学院
一、课程地位与目标

（一）课程地位

《数据挖掘实践》是学生在学习完《《数据挖掘》课程后，利用完成一个完成项目的方式
巩固学到的数据挖掘方法，掌握实践数据挖掘项目开发的基本方法和流程，为进一步提高实
践能力打下坚实的基础。

（二）课程目标
1.掌握数据挖掘项目的基本流程和方法；
2.提高学生的动手实践能力。

二、课程目标与相关毕业要求的对应关系

课程目标对毕业要求的支撑程度（H、M、L）
课程目标
毕业要求4毕业要求6毕业要求10

课程目标1HMM
课程目标2HMM

注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。

三、设计选题及任务要求

序号参考选题任务与要求

1.掌握HBase基本操作
HBase基本操作
12.掌握Hive基本操作
Hive基本操作

四、课程设计的主要进程与时间安排

序号主要进程教学内容时间分配
1HBase表的创建Hbase的JavaAPI操作之创建删除表第1天
Hbase的比较过滤器RowFilter的使用第2天
2HBase过滤器
Hbase专用过滤器PageFilter的使用
3HBase文件读写从Hbase中读取数据写入hdfs中第3天
4Hive计算Hive通过日期计算星座实例第4天
5Hive与数据库HiveJDBC实例第5天
注：进程安排的最少时间为0.5天。
五、课程考核与成绩评定

考核类别考查

考核形式考勤+项目

成绩评定考勤20%，项目80%

成绩登记方式五级制
六、推荐教材与主要参考书

（一）推荐教材：
1.Hadoop大数据开发案例教程与项目实战，时允田，林雪纲编，人民邮电出版社，2017.5
2.Hadoop与大数据挖掘，张良均等编，机械工业出版社，2017.5
3.大数据挖掘:系统方法与实例分析，周英，卓金武编，机械工业出版社，2016.5
（二）主要参考书：
1.HBase实战，NickDimiduk,AmandeepKhurana著,谢磊译，人民邮电出版社，2013.9
2.Hive编程指南，EdwardCapriolo等著，曹坤译，人民邮电出版社，2013.12

《Hadoop大数据分析实践》教学大纲

课程英文名PracticeofBigDataAnalysisonHadoop课程代码
学分1总学时1周课程类别集中实践环节

先修课程Hadoop大数据分析基础课程性质任选
适用专业信息与计算科学、数学与应用数学开课学院理学院
一、课程地位与目标

（一）课程地位

《Hadoop大数据分析实践》是学生经过《《Hadoop大数据分析基础》课程学习后，进一
步加强在大数据计算平台Spark和流式计算平台Storm进行大数据分析算法的设计、分析和
实现能力。

（二）课程目标
1.利用大数据计算平台，通过编程实现给定的大数据分析任务；
2.提高学生的程序设计能力。

二、课程目标与相关毕业要求的对应关系

课程目标对毕业要求的支撑程度（H、M、L）
课程目标
毕业要求4毕业要求6毕业要求10

课程目标1HMM
课程目标2HMM

注：1.支撑强度分别填写H、M或L（其中H表示支撑程度高、M为中等、L为低）。

三、设计选题及任务要求

序号参考选题任务与要求
1互联网电影智能推荐
1.根据问题要求建立适当的分析模型并求
2电商产品评论数据情感分析
解
3航空公司客户价值分析
2.进行项目展示，分析评价自己的实现
4基站定位数据商圈分析
注：学生可任选其中一个题目进行设计。
四、课程设计的主要进程与时间安排

序号主要进程教学内容时间分配
1背景与挖掘目标搜集相关背景数据并分析第1天
2分析方法与过程分析问题建立适当的分析模型第2天
3算法设计与实现选择或设计合适的分析算法第3天
4调试程序设计与调试第4天
5展示展示项目成果第5天
注：进程安排的最少时间为0.5天。
五、课程考核与成绩评定

考核类别考查

考核形式考勤+项目实现

成绩评定考勤20%；项目80%

成绩登记方式五级制
六、推荐教材与主要参考书

（一）推荐教材：
1.大数据分析原理与实践，王宏志著，机械工业出版社，2017.7，第1版。

2.实时大数据分析:基于Storm、Spark技术的实时应用，SumitGupta，ShilpiSaxena著,
张广骏译，清华大学出版社，2018.1
（二）主要参考书：
1.Spark高级数据分析，SandyRyza等著，龚少成译，人民邮电出版社，2015.11
2.Storm分布式实时计