《大数据应用基础》课程标准（含课程思政）

《大数据应用基础》课程标准课程代码710202Z1B01适用专业大数据技术应用（信息技术服务专业群）适用学制五年制（5+2贯通培养）编制人审核人版本号202301一、课程名称大数据基础二、适用专业大数据技术应用三、课程学时与学分36学时，2学分四、课程性质本课程是大数据技术应用专业的一门专业基础课程，是从事大数据工程技术人员等新职业岗位必须学习的课程，旨在为学生提供大数据应用方面的基础知识，包括大数据概述、大数据处理、大数据存储和大数据应用案例等内容，使学生具备大数据应用的基础理论和实践能力。本课程开设在第2学期，将为后续学习《互联网数据采集》《数据库技术应用》等课程奠定基础。五、课程目标通过本课程的学习，能够完成对大数据生产流程绘制，熟悉认知大数据采集、分析、存储、可视化等各种工具和平台，能够厘清大数据与网络技术、物联网、云计算、人工智能的发展关系与发展方向，并通过大数据技术在不同行业产业的案例分析，能够进行大数据存储和分析应用，树立大数据思维，拓展科技素养。达到以下具体目标：（一）素养目标1.坚定拥护中国共产党领导和我国社会主义制度，在习近平新时代中国特色社会主义思想指引下，自觉践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感；（培养规格1）2.充分了解大数据行业法规法则，自觉维护行业良好风气；（培养规格2、S—A—2）3.具备数据思维，具备较强的逻辑思维能力；（培养规格3）4.培养学生对大数据应用的认识和理解，以及对大数据应用的价值和影响的思考。学生需要通过学习大数据基础课程，增强对大数据应用的兴趣和探索欲望，了解大数据对社会、经济、科技等方面的影响，具备良好的职业素养和创新意识。（培养规格5）5.具有社会责任感，能够传递正确的社会价值，时刻维护国家的荣誉与形象；（培养规格2、S—A—3）6.树立正确的职业观，注意保护数据安全、保障他人隐私，爱岗敬业、德技并修；（培养规格2、S—A—4）7.有自觉学习新一代信息技术的意识，能够主动进行自我知识更新与学习。（培养规格7、D—A—3）（二）知识目标1.掌握大数据应用的基础知识，包括大数据的概念、特征、处理和存储等方面的知识；（培养规格11）2.了解大数据的技术架构、处理方法和工作流程；（培养规格11）3.掌握大数据存储和管理的基本方法；（培养规格11）4.熟悉大数据相关法律法规，对大数据行业的信息安全形成基础的认知；（培养规格12）5.了解大数据行业基本情况、了解大数据行业应用场景与岗位分工，明确大数据产品形态与技能要求；（培养规格15）6.厘清大数据与网络技术发展、云计算、物联网、人工智能的发展关系与发展方向；（培养规格16）7.了解大数据生产工作流程中应用到的数据采集、存储、可视化、分析等各种工具和平台，掌握基础的工具使用方法和步骤。（培养规格16）（三）能力目标1.能够使用基础的数据处理工具和软件进行数据采集、预处理、清洗、分析，提取有价值的信息和知识；（培养规格13）2.掌握数据的格式、原理和方法，能够使用数据可视化工具和技术，将数据转化为可视化的图表、图形和动画等形式，提高数据的可读性和可理解性；（培养规格14）3.能够绘制大数据工作流程图，完成数据生命周期管理；（培养规格16）4.能够将数据加密、数据备份和数据恢复等技术应用在日常的数据管理工作中，保障数据的安全性和保密性；（培养规格15）5.能够使用大数据存储技术和工具进行数据管理、存储和查询等方面的操作；（培养规格14）6.能够根据实际需求构建大数据应用系统框架模型，做出简要功能分析，应用大数据技术解决实际问题。（培养规格16）六、课程内容与要求本课程以大数据技术应用概论基础知识、应用案例分析、模拟大数据行业实际工作为载体，坚持立德树人的根本要求，结合学生学习特点，遵循职业教育人才培养规律，落实课程思政要求，有机融入思想政治教育内容，紧密联系工作实际，突出应用性和实践性，注重学生职业能力和可持续发展能力的培养。按照知识难度和工艺流程从简单到复杂，技能水平从单一技能到综合技能、技术沿革从传统技术到智能技术的规律确定学习模块的编排顺序，合理序化教学内容。学习单元（模块）一：大数据基础图谱，涵盖大数据的概念、特征、应用领域、处理模式和技术架构等基础知识；学习单元（模块二）：大数据处理，包含大数据处理的技术和工具应用；学习单元（模块三）：大数据存储，包含大数据存储的技术和方法，存储介质和存储格式等相关内容；学习单元（模块四）：大数据分析，涵盖大数据采集、分析的方法和工具以及数据可视化和分析案例分析等方面的内容；学习单元（模块五）：大数据应用，介绍大数据在不同领域的应用案例和实践经验，包括商业、政府、科研、医疗等领域的应用案例和具体实践操作等方面的内容。学习单元（模块六）：数据安全：主要介绍数据安全的相关知识和技术，包括数据标准化、数据质量控制、数据备份、数据恢复、数据加密等方面的内容。六个学习单元模块在知识体系是递进关系，难易程度逐步深入。表1课程内容与要求序号学习单元（模块）能力点学习内容与要求学习成果建议学时1构建大数据基础图谱1.能够绘制大数据基础知识的思维导图；2.能够制作大数据技术应用案例海报；3.能够说明大数据的特性，以及大数据和云计算、物联网等技术的关系；4.能够绘制大数据技术应用整体流程图；5.自觉践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感。1.理解大数据的基本概念和特征，了解大数据的发展历程和应用场景；2.掌握大数据与云计算、物联网三者之间的关系；3.了解大数据应用中的常用数据分析方法和工具。1.大数据技术发展轨迹图；2.大数据应用案例海报；3.大数据常用分析方法和工具思维导图。42大数据处理1.能够安装并简单应用大数据采集、处理的工具；2.能够说明数据预处理的原理，数据清洗、集成、变换的原理和目的；3.能够阐述数据处理实际案例，学生通过数据处理解决生产实际问题；4.树立正确的职业观，注意保护数据安全、保障他人隐私。1.理解数据采集和预处理的工作方法和步骤；2.掌握数据处理的工具，并能进行工具的使用；3.掌握数据处理的逻辑和原理；4.了解数据处理的基本原则，明确数据真实性保护规定。1.数据预处理方案；2.数据预处理工具安装；3.数据预处理任务书。63大数据存储1.能够阐述目前的数据存储技术，并画出不同数据存储技术的区别与联系思维导图；2.能够说出数据存储的读写过程，并将读写过程绘制出来；3.能够说明不同情境下的数据存储方案和策略，制定存储策略；4.树立自觉学习新一代信息技术的意识，能够主动进行自我知识更新与学习。1.掌握分布式文件系统的结构和相关概念；2.掌握数据格式、以及数据存储中的块、名称节点等概念；3.了解数据存储的读写过程，能制定数据存储的策略；4.了解分布式数据库、NoSQL数据库、云数据库的存储区别与联系。1.数据存储工具思维导图；2.数据存储任务书和工作页；3.数据存储案例分析。64大数据分析1.能够阐述目前的数据分析技术，并画出不同数据分析技术的区别与联系思维导图；2.能够说出数据分析和可视化工作的目的与意义；3.能够说明不同情境下的数据分析策略，制定分析方案；4.具备数据思维，具备较强的逻辑思维能力。1.掌握大数据应用中的数据可视化技术和工具的使用方法和步骤；2.能够使用数据可视化工具和技术进行数据呈现和分析；3.明确数据分析的基本思路；数据分析和可视化的目的与原理。1.数据分析技术和工具思维导图；2.数据分析任务书和工作页；3.数据可视化任务书和工作页。65大数据应用1.能够绘制大数据技术在互联网领域的应用海报；2.能够绘制大数据技术在智慧物流领域的应用海报；3.能够绘制大数据技术在智慧城市管理中的应用海报；4.能够绘制大数据技术在金融和电商等领域的应用海报；5.能够阐述大数据技术在生产生活实际中的应用；6.了解大数据对社会、经济、科技等方面的影响，具备良好的职业素养和创新意识。1.掌握大数据推荐理论；2.掌握大数据预测理论；3.掌握大数据分析可视化理论；4.了解大数据在各行各业应用的场景、关键技术、业务结构和体系架构。1.大数据技术在互联网领域的应用海报；2.大数据技术在智慧物流领域的应用海报；3.大数据技术在智慧城市管理中的应用海报；4.大数据技术在金融和电商等领域的应用海报；5.大数据技术在生产生活实际中的应用案例。86大数据安全1.能够阐述大数据在安全领域的应用案例，并绘制思维导图；2.能够说明大数据安全的重要性；3.能够阐述大数据安全保护策略，并说出不同情境下的数据安全保护方案；4.充分了解大数据行业法规法则，熟悉大数据相关法律法规，自觉维护行业良好风气。1.掌握数据标准化的原理和重要概念；2.掌握数据质量控制的方法和流程；3.掌握数据备份、数据恢复和数据加密的基本操作流程和应用情境；4.了解大数据安全的相关法律法规。1.大数据在安全领域应用思维导图；2.大数据安全策略和技术应用海报；3.数据安全保护任务书和工作页。6七、课程实施（一）师资队伍1.专任教师职业能力：具备优秀的专业课教学开展与组织能力，掌握计算机网络技术，Linux操作系统操作，大数据采集、预处理、分析、存储、可视化等技术，能够以情境任务要求完成大数据基础应用相关任务。知识结构：了解大数据工程技术人员各项职业岗位要求；在专业领域中，具备大数据技术、网络技术、Linux操作系统、python编程技术等较为深入的专业知识背景。资质：具备中职学校专业课任教资格和企业实践经历。2.兼职教师职业能力：企业优秀讲师或行业企业专家，具备有3到5年的大数据相关行业从业经验，参与过多个大数据项目实施过程，具有较强的专业技能，具备良好的专业课教学开展与组织能力，具备优秀的大数据项目实施开发能力，精通Python程序设计，大数据项目实施建设能力，能够以情境任务要求完成教学。知识结构：在行业领域中，深入了解大数据工程技术人员各项职业岗位要求；在专业领域中，具备大数据技术、网络技术、Linux操作系统、python编程技术等较为深入的专业知识背景。资质：具备大数据相关行业从业背景和企业工作经历。（二）实验实训条件1.校内实训基地根据不同的项目学习需要，选择教室、校企合作实习实训基地、实训设备等进行教学。（1）实训场地：大数据实训室；（2）实训设备：服务器5台，存储设备2台，防火墙1台，台式计算机40台，满足大数据操作简单标准。2.校外实训基地目前大数据技术应用专业有1个联想智能制造校外实训室，能够同时满足30名学生进行实习实训。能够满足学校教师、企业专家共同办公，满足专业人才学徒制人才培养要求，符合企业研发、生产要求。本校外实训基地具备如下条件：（1）联想组织机构健全，领导和工作（或技术）人员素质高，管理规范，在新一代信息技术领域发展前景好。（2）基于联想“端—边—云—网—智”技术框架下，其研究方向与经营的业务与本专业对口，且联想属于世界五百强企业，社会形象好。（3）符合学生专业实习实训条件，并且能够满足学生顶岗实训一个月以上。（4）有相应的技术人员担任实训指导教师。（三）教学资源1.教材选用教材必须在政治上坚持四项基本原则，符合党和国家的方针和政策，能运用辩证唯物主义和历史唯物主义的观点阐述本课程的基本规律。选用教材必须符合本课程教学大纲的要求，符合学生层次的实际，教材内容的阐述要循序渐进，富于启发，有利于对学生能力和素质的培养，选用的版本和内容要考虑到近年教材的变动与更新，保证教材内容有用、新鲜和实用。为保证教学质量，如有国家规划教材，优先选择国家规划教材。在国家规划教材的基础上可结合自主开发模块化教材，包括活页式工作页、学习页、评价表等，同时也可采用校企合作资源库课程资源包。表2教材配备表序号教材名称作者出版社出版时间是否为国规教材1大数据素质读本人民邮电出版社2019年5月否2大数据技术原理与应用人民邮电出版社2021年1月否3大数据电子工业出版社2019年3月否2.图书文献配备表3图书文献配备表序号教材名称作者出版社出版时间1大数据基础及应用吕云翔、钟巧灵清华大学出版社2018年2月3.数字教学资源配置自主开发资源：ppt、微课、试题库、案例等。（四）教学方法在教学过程中采用：讲演法、任务驱动法、项目教学法、案例分析法等教学方法，辅以餐垫法、工作站法、展览馆法等特色的教学组织方式，提升学生自主探究、合作学习的意识，培养良好的学习习惯；在每个学习情境中，学生进行自主探究学习与小组合作讨论学习，加强操作训练；以企业生产过程中实际的工作任务作为案例，在实践中引导学生学会分析问题、解决问题。（五）教学评价严格落实培养目标和培养规格要求，围绕大数据技术应用专业的人才培养目标，通过教师、企业、学生三个评价主体从核心素质、关键知识、综合能力、实践成果四个维度，通过课堂评价（占比20%）、项目评价（占比50%）、课程评价（30%）三种形式收录反映学生成长过程和发展水平的描述与实证材料，全面评价学生综合素质，客观反映学生的个性差异和特长，突出评价对学生全面发展的促进作用。1.课堂评价（20%）：通过自评、学生评价、老师评价三个主体侧重核心素质的评价。课堂评价根据表格中的各项及标准，注重评价学生在课堂上的参与度、完成工作页、常规项等，教师在课程中帮助学生更清晰的认识自己。学习笔记的检查20%：评价标准为四级式：A、B、C、D，要求完整、字迹工整、有重点、难点的标记。学习材料的保存15%：评价标准为四级式：A、B、C、D，要求完整、字迹工整、有错误工作页进行了正确的修改。教师的评价40%：学生出勤（10%）、展示、学习时的表现（10%）、口试（问答、专业对话等）（10%）、实操（10%）。同学的评价（互评）15%：组内其他同学的评价（10%），其