单元7 新一代信息技术1----大数据技术（教案）-《信息技术（基础模块）》同步教学（电子工业版）

课 堂 教 学 设 计 专业班级： 年 月 日 课程 信息技术 课程类型 理实一体课 学时 2 课题 新一代信息技术 上课地点 学情分析 学生们在使用手机时经常会将图片存储到云端，会使用语音转文字功能发送信息，也会经常见到自动识别车牌的场景，但有很少的同学会将这些与云计算技术、人工智能技术等联系在一起。步入大学正是创新力和创造力最活跃的时候，引导学生了解和关注新一代信息技术对社会和个人社会的深刻影响，引发学生对未来的思考，对学生的发展是必要的，也是会让学生受益终生的。 教学内容 · 大数据的概念 · 大数据的特征 · 大数据的典型应用 · 大数据涉及的关键技术 · 大数据的机遇、挑战与未来 · 用八爪鱼采集器采集网页数据 教学目标 · 了解大数据的功能、特征 · 了解大数据的典型应用 · 了解大数据涉及的关键技术 · 了解大数据的机遇、挑战与未来 · 会用八爪鱼采集器采集网页数据 教学重点 · 大数据的特征 · 大数据涉及的关键技术 · 大数据的典型应用 · 八爪鱼采集器的使用 教学难点 · 对大数据涉及的关键技术的理解 · 能灵活用八爪鱼采集器采集网页数据 课堂教学 过程设计 1、 导入 人类社会正在进入数据爆炸的时代，全球数据总量每过两年就会增长一倍。海量数据的出现开启了大规模生产、分享和应用数据的时代，“数据即资产”、“数据创造价值”、“数据是最重要的生产资料”成为新的全球共识， 未来将是一个“大数据 ”引领的智慧科技时代。同时也催生了大数据技术的诞生和发展。 2、 演示教材中任务 7-1 采集网页数据，提示操作注意事项。 1、 到八爪鱼采集器官网下载安装包 2、 注意采集字段的选择 3、 采集的数据是组织到一个Excel的文件中，要熟悉Excel文件的编辑操作 3、 学生实操：完成任务 7-1 采集网页数据，用八爪鱼采集器采集指定的网页数据 4、 知识点讲解 1、大数据的概念 大数据（Big Data），是指无法在可承受的时间范围内用常规软件工具进行捕捉、 管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力来适应海量、高增长率和多样化的信息资产。 2、 大数据的特征 · 大量（Volume）。数据规模大。淘宝网近4 亿的会员每天产生的商品交易数据约20TB；脸书约 10 亿的用户每天产生的日志数据超过 300TB，数据存储单位开始用GB 、TB 、PB 、EB 、ZB 、YB 、BB 、NB 、DB 等。 · 多样（Variety）。包括结构化数据（如财务系统数 据、信息管理系统数据、医疗系统数据等）、非结构化的数据（如视频、图片、音频 等）和半结构化数据 （如HTML 文档、JSON 数据、邮件、网页等）。 · 高速（Velocity）。数据增长速度快，同时要求对数据的处理速度也要快。 · 价值（Value）。需要对大量的数据处理，挖掘其潜在的价值，数据价值密度的高低和数据总量的大小是呈反比的。 · 复杂（Complexity）：包括类型的复杂、结构的复杂和模式的复杂，另外质量良莠不齐，导致了对数据的处理和分析的难度大增。 3、 大数据典型应用 大数据无处不在，大数据应用于各个行业， 包括金融、汽车、餐饮、电信、能源、体能和娱乐等在内的社会各行各业都已经融入了大数据的印迹。 · 电商大数据——精准营销法宝。 · 金融大数据——财源滚滚来。 · 医疗大数据——看病更高效。 · 零售大数据——最懂消费者。 · 交通大数据——畅通出行。 · 舆情监控大数据——高效治理。 大数据技术的战略意义不在于掌握庞大的数据信息，而在于对这些含有意义的数据进行专业化处理。换而言之，如果把大数据比作一种产业，那么这种产业实现盈利的关键，在于提高对数据的加工能力，通过加工实现数据的增值。 4、 大数据关键技术 大数据关键技术主要包括数据采集、数据预处理、数据储存与管理、数据分析与挖掘和数据可视化等技术。 · 数据采集。指在确定用户目标的基础上，对该范围内的所有结构化、半结构化、非结构化数据进行采集的过程。针对不同来源的数据，有不同的采集方法。主要的大数据采集方法有系统日志采集方法、网络数据采集方法、其他数据采集方法。 · 数据预处理。指在对数据进行挖掘以前，对原始数据进行清理、集成与变换等一系列处理工作，目的是达到挖掘算法进行知识获取研究所要求的最低规范和标准。数据预处理的常见方法有数据清洗、数据集成与数据变换。 · 数据存储与管理。指用存储器将采集到的数据存储起来， 建立相应的数据库，并进行管理和调用。主要解决大数据的可存储、可表示、可处理、可靠性及有效传输等几个关键问题。 · 数据分析与挖掘。大数据分析技术是改进已有数据挖掘和机器学习技术，开 发数据网络挖掘、特异群组挖掘、图挖掘等新型数据挖掘技术，突破基于对象的数据连接、相似性连接等大数据融合技术，突破用户兴趣分析、网络行为分析、情感语义 分析等面向领域的大数据挖掘技术。数据挖掘就是从大量的、不完全的、有噪声的、 模糊的、随机的实际应用数据中， 提取隐含在其中的、人们事先不知道的但又是潜在 有用的信息和知识的过程。 · 数据可视化。数据可视化是数据加工和处理的基本方法之一，是通过图形图 像等技术来更为直观地表达数据，为发现数据的隐含规律提供技术手段。数据可视化使得数据更加友好易懂，提高了数据资产的利用效率，更好地支持人们对数据认知、数据表达、人际交互和决策支持等方面的应用，在各个领域发挥着重要作用。 5、 大数据的机遇、挑战与未来 大数据的信息处理，无论对政府管理调控，还是对企业经营决策，都是重要的工具，它可以使政府和企业对市场信息树立起更强的洞察力和决策力，但同时也面临信息安全挑战。近年来，国内出现过社保系统个人信息泄露、12306 账号信息泄露等大数据传输安全事件，在现有隐私保护法规不健全、隐私保护技术不完善的条件下， 互联网上的个人隐私泄露失去管控对用户隐私造成极大伤害。因此，大数据时代，如何管理好数据，在保证数据使用效益的同时保护个人隐私，是大数据传输时代面临的巨大挑战之一。 5、 小结 教学反思 学科网（北京）股份有限公司 $$