大数据、人工智能课程体系根据不同学历和职业方向设置不同的课程学习路线,针对每门课程提供教学实验指导手册、在线视频、资源包、实验示例代码等,让学生学以致用;不仅学习大数据技术有的基本理论和原理,学习大数据、人工智能平台架构的技术实现及其在行业内的典型应用。
为了满足院校快速开设大数据、人工智能相关课程实验的需求,实验室配置相关系列教材、配套实验手册、项目手册、在线视频、在线试题库等课程资源。
基于CDIO工程教育理念,设计了大数据、人工智能工程型人才的教育解决方案,以研发到产品运行为载体,让学生以主动的、实践的方式掌握大数据专业技能,培养具备大数据基础知识、个人能力、人机团队能力和项目动手的综合型人才。
大数据、人工智能课程体系根据不同学历和职业方向设置不同的课程学习路线,针对每门课程提供教学实验指导手册、在线视频、资源包、实验示例代码等,让学生学以致用;不仅学习大数据技术有的基本理论和原理,学习大数据、人工智能平台架构的技术实现及其在行业内的典型应用。
通过在线学习、原理验证、实训应用、综合分析及自主设计等多层次的实验操作,为大数据、人工智能教学提供一个完整的一体化的实验教学体系,快速提升实操技能,最终培养高素质、应用复合型大数据人才。
1、专业课
让学生了解大数据概况,了解大数据产品、技术的特性、实现原理和应用方向。专业课程包括大数据概论、scala语言、Linux技术、JavaEE项目开发、大数据分析Python、概率论与数理统计、数据库技术七门课程。
2、核心课
让学生了解并初步掌握目前流行的大数据主流技术、了解其特点以及使用的场景,具备一定的大数据系统架构能力,并能自行开展简单的大数据应用开发。核心课程包括基于Hadoop的应用开发技术、大数据挖掘技术、R语言、大数据实时计算技术与应用、Spark数据处理技术、大数据可视化技术、机器学习、数据分析技术八门课程。
3、实训及实践课程
针对每门课程提供教学实验指导手册、操作视频、实验资源包、实验示例代码等,让学生学以致用、用以促学;不仅学习大数据技术的基本理论和原理,还学习大数据平台架构的技术实现,以及其在行业内的典型应用等,如大数据应用开发综合项目、大数据平台搭建与管理综合项目、运营商数据分析、电商数据分析等。
序号 |
大数据、人工智能专业课程 |
对应学校课程 |
01 |
大数据开发技术(Hadoop) |
云计算与大数据概论、大数据技术 |
02 |
分布式数据仓库(Hive) |
数据仓库 |
03 |
数据库技术(NoSQL) |
|
04 |
消息发布订阅系统(Kafka) |
|
05 |
Scala编程 |
大数据技术 |
06 |
大数据处理技术(Spark)-基础 |
|
07 |
大数据处理技术(Spark)-中级 |
|
08 |
大数据处理技术(Spark)-高级 |
|
09 |
Python编程 |
Python程序设计 |
10 |
数据分析与挖掘 |
数据挖掘 |
11 |
大数据可视化技术 |
数据可视化 |
12 |
R语言 |
|
13 |
R语言统计与建模 |
|
14 |
Docker平台应用 |
|
15 |
Linux基础 |
|
16 |
java程序设计 |
|
17 |
数据统计建模与挖掘 |
|
18 |
数据库应用 |
|
19 |
Mysql数据库 |
|
20 |
数据分析技术(SPSS) |
|
21 |
数据挖掘-典型算法 |
数据挖掘 |
22 |
机器学习-基础 |
机器学习 |
23 |
机器学习-中级 |
机器学习 |
24 |
机器学习-高级 |
机器学习 |
25 |
深度学习-算法基础 |
|
26 |
深度学习-主流框架 |
模式识别 |
27 |
深度学习-典型实例 |
|
28 |
AI-算法基础 |
人工智能 |
29 |
数据挖掘-案例课 |
|
30 |
机器学习-案例课 |
|
31 |
深度学习-案例课 |
|
32 |
数据分析与挖掘案例 |
|
33 |
深度学习实战 |
|
34 |
AI-案例课 |
人工智能 |
35 |
计算机视觉 |
模式识别 |
36 |
NLP自然语言处理 |
|
37 |
区块链理论与应用实战 |
配套提供用于教学的PPT资源。
(图-教学PPT)
基于大数据、人工智能专业课程体系的实验教学内容,配套提供相匹配的实验手册。帮助学生完成相关实验内容。
(图-实验手册)
提供教学使用的配套在线视频课程,详细讲解实验内容。
(图-在线视频库)
提供大数据、人工智能专业考试用的配套试题库,老师可以在线发布考试题,了解学生的知识掌握情况。
(图-在线试题)