《大数据与人工智能》教学大纲
一、课程的性质、目的和任务 1．课程性质：
本课程系统介绍了大数据的理论知识和实战应用，包括大数据概念与应用、数据采集与预处理、数据挖掘算法与工具、R语言、深度学习以及大数据可视化等，并深度剖析了大数据在互联网、商业和典型行业的应用。期望学生对大数据处理技术有比较深入的理解，能够从具体问题或实例入手，利用所学的大数据知识在应用中实现数据分析和数据挖掘。
由于人工智能是模拟人类智能解决问题，几乎在所有领域都具有非常广泛的应用。是计算机科学与技术、软件工程、网络工程等专业本科生的一门基础选修课程。本课程主要介绍人工智能问题求解的一般性原理和基本思想以及一些前沿内容，为学生提供最基本的人工智能技术和有关问题的入门性知识，为进一步学习和研究人工智能理论与应用奠定基础。
2．课程任务：
本课程是智能科学与工程专业的一门专业基础课，涉及人工智能的发展，大数据与人工智能的关系，大数据在人工智能中的作用。具体如下：
（1）了解的特征及功能，掌握的基础知识和核心技术。 （2）掌握的安装及配置，熟悉在应用程序中的作用。 （3）掌握大数据离线分析应用开发的全过程。
3．教学重点和难点：
教学重点：机器学习经典算法、数据工程、数据清洗 教学难点：大数据在人工智能中的应用
二、教学内容、基本教学要求和学、课时分配
对课程教学环节的要求：
通过该课程的学习，使学生能够利用机器学习经典算法，解决实际的问题。具体如下：
1．在掌握基本知识的基础上，以能力培养为主线，结合实际开发案例，突出主要知识点，避免泛泛而谈。
2．通过课堂实例练习，提高机器学习相关算法的问题，学以致用。 3．通过上机实践，把理论知识与实践相结合，提高学生学习兴趣。 4．引导学生创新、创意；对基本教学案例的功能加以扩展，激发创新意识。
二、教学内容、基本要求和学、课时分配
第一章：绪论（9学时） 1.教学内容
【导读案例】准确预测地震 （1）课程介绍 （2）什么是大数据； （3）什么是人工智能； （4）大数据与人工智能的发展。 【思考】了解大数据及其在线支持 【延伸阅读】得数据者得天下 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后练习。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第二章：数据工程（9学时） 1.教学内容
【导读案例】大数据企业的缩影——谷歌 （1）数据工程整体流程 （2）数据工程的特点
（3）数据工程的重要性 【思考】数据工程实现的技术 【延伸阅读】如何创建数据工程 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后习作。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第三章：大数据框架（12学时） 1.教学内容
【导读案例】亚马逊推荐系统 （1）大数据主流技术； （2）大数据主要框架； （3）大数据框架的由来； 【思考】大数据框架的优缺点 【延伸阅读】大数据框架的主流技术 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后习作。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第四章：机器学习算法（24学时） 1.教学内容
【导读案例】机器学习在人工智能中的应用 （1）机器学习的概念； （2）主流算法的介绍； （3）主流算法的实际应用； 【思考】机器学习的应用场景 【延伸阅读】谷歌预测流感 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后练习。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第五章：深度学习（18学时） 1.教学内容
【导读案例】的设计决策 （1）主流算法的讲解； （2）深度学习应用场景； 【思考】大数据如何激发创造力 【延伸阅读】数据驱动≠大数据 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后练习。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第六章：强化学习（2课内理论学时） 1.教学内容
【导读案例】谷歌关键技术 （1）什么是强化学习； （2）主流算法的介绍； （3）强化学习的应用场景； 【思考】强化学习应用场景 【延伸阅读】无人车的应用 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后练习。 （2）难点：阅读理解“延伸阅读”内容及其意义。 第七章：数据分析实例（12课内理论学时） 1.教学内容
（1）数据与可视化；
（2）数据与图形； （3）公共数据集； （4）实时可视化； （5）挑战图像的多边性； （6）数据可视化的运用。 【导读案例】南丁格尔“极区图” 【思考】绘制南丁格尔极区图
【延伸阅读】以往人们如何谈论互联网思维 2.基本要求
（1）了解本课程的教学设计；
（2）熟悉本课程的基本内容与学习要求；
（3）主动完成本章的导读案例、思考和阅读与思考的全部内容。 3.重点与难点
（1）重点：在理解本章基本内容的基础上完成课后练习。 （2）难点：阅读理解“延伸阅读”内容及其意义。
学时分配表： 学时分配 章 节 教学内容 理论 学时 第一章 第二章 绪论 数据工程 9 3 实验/上机学时 6 教学方法 备注 讲授 讲解练习
第三章 第四章 第五章 第六章 第七章 大数据框架 机器学习算法 深度学习 强化学习 数据分析实例 6 12 6 2 2 6 12 12 10 讲解练习 讲解练习 讲解练习 讲解练习 10 讲解练习 三、教材和参考书目（包括实验指导书）（黑体，四号字）： 教 材：托马斯•埃尔.大数据导论[M]. 北京：机械工业出版社，2018 参考书目: [1] 周苏.大数据及其可视化[M].北京：中国铁道出版社，2018 [2] 周苏. 大数据技术与应用[M].北京：中国铁道出版社，2018 四、成绩考核 1、关于考核方法的说明： 采用机考方式 2、出勤、提问、作业、期末考试等各占比例的说明 出勤占10%、提问占10%、作业占20%、期末考试占60%
