这会造成一些突出问题 。
最主要的是这种模式会弱化案例教学的作用 ， 过于强调理论 ， 而理论的应用 ， 尤其是理论在各自专业上的应用 ， 不能被很好地强调 。
即使包含了案例教学 ， 但是案例往往是抽象的 ， 或者与各个工 。

【工科|工科专业大数据教学探讨】14、科专业没有关联 ， 学生不能意识到教授的理论知识能否能在本专业应用 ， 应用在什么地方 ， 以及如何应用 。
这会从根本上影响学生的学习兴趣 ， 进而影响到学习效果 。
因此 ， 有必要借鉴国外先进的教学理念 ， 在大数据理论教学中采用本专业老师教授大数据挖掘以及机器学习相关理论 。
笔者在英国University College London交通中心旁听了数据采集与分析相关的研究生课程 ， 发现该课程即由交通中心的老教授主讲 。
其授课内容与国内研究生数学基础课的数理统计类似 ， 不过适度弱化了理论部分 ， 增加了大量的交通工程数据分析案例 。
从学生的课程参与情况 ， 以及参与科研项目过程中对相关理论的应用效果来看 ， 这种教学模式不仅能让学生意识到 。

15、理论方法在本专业的价值 ， 还能让学生快速掌握应用的方法 。
甚至部分教授采用半节课理论讲解 ， 另外半节课邀请企业或政府部门相关从业者针对所讲理论在实际中的应用进行演讲 。
这些教学模式都值得在大数据教学中加以借鉴 。
2.2 着重编程能力的培养 大数据对自主编程能力的要求很高 。
这主要由两方面决定 。
其一是数据的预处理 ， 由于大数据一般涉及繁芜丛杂的原始数据 。
这些数据存储格式 ， 字段意义 ， 数据类型种类较多 ， 使用现成的统计软件已不能满足原始数据预处理要求 ， 而手工处理也不现实 ， 因此一般需要自主编程 ， 针对数据的具体问题设计对应的预处理算法 。
比如公共汽车网络一般包含很多线路和车站 ， 线路和车站的名称、编码也存在不尽统一之处 。
。

16、体现在公共汽车刷卡大数据上就是字段编码存在混乱 ， 与GIS数据上车站的地理位置不能一一对应 。
对于这种情况 ， 要可视化公交车网络客流 ， 必须对刷卡数据预处理 。
如北京庞大的公交网络 ， 手工处理不现实 ， 这就需要研究人员自主开发对应模块完成该工作 。
其二 ， 海量数据对计算复杂度提出了新的要求 。
很多情况下不是传统算法不可行的问题 ， 而是不能在适合的时间内处理完大规模数据的问题 。
以地铁网络客流实时显示系统为例 ， 如果路径选择算法不能在较短的时间内给出结果 ， 从实时的角度就其结果就没有意义 。
大数据处理需要复杂度更低的可行算法 ， 甚至在有些情况下需要设计并行算法 ， 使用多个计算设备同时计算5 。
所以 ， 培养具备大数据思维和能力的人才 。

17、 ， 必须强调编程能力的培养 。
把编程相关课程作为大数据培养模块的基础课程 ， 并体现大数据编程的特色 。
英国纽卡斯尔大学的Big Data Analytics模块就是由计算机相关专业的老师开设 。
课程大纲中强调编程能力和算法设计 ， 并专门教授了并行计算相关内容 。
3 结语 随着数据采集和存储技术的进步 ， 大数据逐渐成为各个行业尤其是工程相关专业的热点 。
在这种形势下 ， 本文研究了工科专业大数据教学的问题 。
首先分析了大数据在实践和科研领域的发展现状和未来趋势 ， 认为无论是生产企业 ， 还是科研相关单位 ， 对大数据人才的需求都是迫切和巨大的 。
因而 ， 从满足未来人才市场需求的角度 ， 大数据教学的问题必须引起国内高校的重视 。
工科相关 。

18、专业有必要增设大数据培养模块 。
基于必要性 ， 总结国内外目前在数据处理方面的教学经验和问题 ， 提出了开展大数据教学的要点 。
其一 ， 大数据理论教学必须与本工科专业相结合 ， 侧重案例的相关性 。
其二 ， 自主编程能力是大数据能力的重要体现 ， 因而必须予以重视 。
目前大数据教学在国内还处于起步阶段 ， 需要各个专业的同仁结合本专业的特点展开积极的探索 ， 构建合适的大数据培养模块 ， 成为本科及研究生培养课程体系的重要一环 。
参考文献 1 Snijders ， C. ， Matzat ， U.；Reips ， U.-D.“Big Data”：Big gaps of knowledge in the field of InternetJ.Inter 。

19、national Journal of Internet Science ， 2012（7）：1-5. 2 Stefanovic ， Nenad.Collaborative Predictive Business Intelligence Model for Spare Parts Inventory ReplenishmentJ.Computer science and information systems ， 2015 ， 12（3）：911-930. 3 Hahn ， G.J.；Packowski ， J.A perspective on applications of in-memory analytics 。

稿源：(未知)

【傻大方】网址：/a/2021/0822/0023893423.html

标题：工科|工科专业大数据教学探讨( 三 )