开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇大数据课程总结，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
一、大数据概况
2013年5月10日，阿里巴巴CEO马云在淘宝十周年晚会上，做卸任CEO职位前的演讲时，马云说：“大家还没搞清PC时代的时候，移动互联网来了，还没搞清移动互联网的时候，大数据时代来了。”在IT这个日新月异的产业，不断掀起一波又一波的科技浪潮，在云计算、物联网、移动互联网之后，我们又迎来了一次颠覆性的技术创新――大数据。
随着网络和计算机技术的发展，物联网把物体连接网络，接受我们的控制和使用，云计算为海量数据的处理提供了可能，移动物联网也为数据信息的传输提供便利，以及PC电脑、平板电脑、手机，以及遍布地球各个角落的各种各样的传感器等终端设备无时无刻不在产生数据。大数据已悄然渗透到我们日常生活的各个角落。
（一）教学内容缺乏时代性
目前，大部分的计算机基础课程教授的主要内容一般分为三个部分。第一部分是计算机基础知识，包括计算机的发展、分类、特点（概述），计算机的系统组成及信息的表示；第二部分是microsoftoffice常用组件word、excel、powerpoint、access及frontpage基本操作；第三部分是网络基础知识及信息安全的介绍。计算机行业是一个日新月异的行业，在科技飞速发展的今天，课本知识的更新远远落后，对教师素质也提出了更高的要求。
（二）学生个体水平差异显著
（三）考核评价缺乏针对性
由于个体的差异，每名学生的计算机基础并不在同一起跑线上，但是在课程结课时，传统的课程考核方式往往注重的是最后结果，对学生整体进行统一的同水平要求的考核。对学生的考核应该进行个体的纵向比较，而不是总体的横向对比。衡量的标准应该是每名学生相对自己进步的大小，而不是学生距离统一考核目标的远近。但常规意义上的普及性授课显然难以满足各专业对计算机的不同要求。目前，大多数的计算机基础课程授课内容单一，而不同专业学生在就业岗位上对计算机知识和应用能力的要求各异，课程教学和实际应用存在一定的脱节。
三、大数据背景下计算机基础课程改革思路
（一）及时更新教学内容
（二）科学管理教学信息
这样一个大数据时代，对数据的存储技术已经发生了翻天覆地的变化，我们不难得到一套新型的机房管理软件，不用配置高端的设备，借助某些平台利用网络，我们能够保存每一台计算机的节点信息，学生能够更方便地完成任务，而且通过这些数据信息，教师能够更好地掌握学生的学习情况，通过一系列的比较，也能够客观地评价学生的进步。
（三）合理设置专业课程
（四）持续创新教学模式
随着这场大数据革命的到来，充分实现教育信息化，对课堂的把握不再依赖于教师的经验，而是通过教学数据更精准地掌握学生学习情况；不同水平的学生可以通过网络课堂调节适合自己的学习节奏，教师只需要进行相应的监督和指导，扭转学生被动接受知识的窘况。
四、Y语
参考文献：
[1]维克托迈尔-舍恩伯格，库克耶.大数据时代[M].浙江人民出版社，2013，（39）.
随着现代科学技术的发展，以云计算、大数据等为代表的新型技术逐渐被应用到社会发展的各行各业。在大数据时代下，中学信息技术教师在教学过程中也要根据实际情况适当地应用大数据技术，从而进一步强化学生对信息技术知识的理解，提高教学的有效性。基于大数据的中学信息技术教学策略有：利用大数据技术开展个性化的信息技术教学，构建MOOC信息技术学习平台，开展网络协调合作学习，做好教学评价工作。
关键词：
大数据时代；中学；信息技术教学；策略
一、大数据的特点及其在中学信息技术教学中的应用优势
（一）大数据的特点
（二）大数据在中学信息技术教学中的应用优势
二、中学信息技术教学现状及存在的问题
（一）教学内容单一落后
信息技术可以说是现代社会最前沿的技术之一，并且随着时代的发展不断更新进步。为了让中学生更好地掌握信息技术知识和技能，必须对信息技术课程教材进行及时更新，以更好地引导学生充分了解当今世界的信息技术发展，使自身的技术能力适应社会发展的趋势。但是事实上，很多中学使用的信息技术教材都是很多年没有变化，没有与当前科技发展接轨，更没有加强与大数据、云计算等前沿科学的联系，不能满足中学生学习和发展的需要，也给中学信息技术教学带来了难度。
（二）教学方式有待改进
三、基于大数据的中学信息技术教学策略
（一）利用大数据技术开展个性化的信息技术教学
在素质教育改革的大背景下，信息技术课程教学标准要求教师注重学生在教学中的主体地位，强调学生的个性化发展。在信息技术教学的过程中，教师要积极引导学生进行自主探索研究，尊重学生的个性化特点，发挥学生在学习中的创新精神。大数据在中学计算机技术教学中的应用符合新时期中学信息技术课程标准的要求，它能够通过对数据的搜集、跟踪、整理等实现对学生学习全过程的覆盖，并建立相应的信息数据库，学生考试成绩、课堂表现、家庭背景等内容都包含在大数据分析中，信息技术教师可以利用数据挖掘技术研究学生各种行为的内在联系，从而制订科学的教学计划，开展个性化的信息技术教学。
（二）利用大数据技术构建MOOC信息技术学习平台
如前文所述，大数据在中学信息技术教学中应用最为普遍的就是MOOC教学模式，信息技术教师可以利用大数据技术构建MOOC信息技术学习平台，通过该平台为学生提供丰富的学习资源，并为学生制订有针对性的学习计划让学生有选择性地去完成。在这一过程中，信息技术教师可以利用大数据技术为学生创建独立的行为学习档案，进而根据搜集到的信息对学生的学习行为进行分析，发现和总结学生学习过程中存在的问题，进而优化建立学生学习行为模型，并进行分析预测，从而促进教学效果的提升。
（三）利用大数据技术开展网络协调合作学习
（四）利用大数据技术做好教学评价工作
关键词：大数据；虚拟学习环境；教学评价
0引言
21世纪高校的信息技术教育进入了一个全新的发展时期。网络虚拟学习就是充分利用基于计算机网络的多媒体工具和技术，为学习者提供一个更加广阔的网络学习平台和学习空间，以实现信息化学习的资源共享的一种学习方式。信息技术的发展，随之而来产生的问题是，耗费大量的物力、财力、人力建设的这些课程能否实现其教育价值，并起到预期的教育目的，这就需要综合、全面地评价教学过程的活动，来确保教与学的效果。
1大数据时代的特点
大数据（Bigdata）山，指的是由数量巨大、类型众多、结构复杂的数据构成的数据集合，是基于云计算的数据应用与处理模式，通过数据的交叉复用、集成共享形成的智力资源和知识服务能力。首先，评价信度跟随由大数据带来的海量数据得到了提高。教学评价基于海量数据分析的基础上，摆脱以教师个人感受和个人知识为基础的经验性评价，不再停留在每位教师头脑中的模糊经验上。其次，评价方式因大数据技术变得多样性。学生对于自己能力水平的评价转向对自身学习过程的数据分析。随着课堂教学方式、教学内容、学习过程的不断数字化，学生的评价也将作为一个过程被逐步数字化，不仅教师可以对这些数据的进行分析和利用，作为学习主体的学生也将参与到分析评价的过程中。
2虚拟学习环境的考察内容
“虚拟学习环境”是一个基于网络网页技术的用户服务机构系统，通常包含网络服务包和网络软件后台服务系统。系统的主要使用者为教师和学生，教师远程登陆系统后组织网上教学活动，跟踪学生的学习情况，根据教学需要来修改或补充教学内容。学生通过该系统和教师进行个体化学习的讨论交流。完整的评价标准要从不同用户的角度出发，从以下几个方面考察。
（1）数字化学习资源系统：各种类型的信息资源（如教育网站、虚拟图书馆、虚拟软件库、多媒体素材、课件、电子文献资料、电子教案和信息化学习支持工具）、教师在线答疑、课程使用指南和数字媒体技术支持等。
（2）交互系统：包括学生与教师的交互、学生间的交互、课堂内的交互、课堂外的交互、学校间的交互。
（3）数字化学习系统：课程全部的学习内容、自主探究学习方法、激发学习动机的机制、不同类型学习策略。
（4）学习评价系统：发展性评价、多元性评价和实践性评价。以下又有12个二级评价指标。
（5）教学管理系统：教师信息管理、学生学籍管理、课程教学质量管理、教学文件（如教学大纲、课程计划）管理、学生的学分与成绩管理等。
3基于虚拟学习环境的教学评价框架研究
3.1教学评价框架
评价框架（EvaluationFramework）是一个开放式框架，是评价实施的指导性文件。在评价过程中，评价主体为了明确自己的位置，需要了解评价的任何细节。经过对基于虚拟学习环境的教学评价的特征、要素、内涵等进行分析，评价初选指标体系包含发展性、多元性和实践性三个一级指标以及12个二级指标。
3.1.1发展性评价指标
3.1.2多元性评价指标
3.1.3实践性评价指标
3.2基于虚拟学习环境的课程评价过程
大数据“一切皆可量化”的特点使得评估不再变得主观性，同时电脑可以在理想的稳定状态收集分析数据，人为因素的干扰项被排除，多维度的评分得以形成。在大数据时代每个学习主体都是中心，利用自己产生的数据进行“反馈学习”，不断地改善自己。网络课程评价是一个动态的过程，经历教学评价的准备、实施、数据处理、信息反馈四个部分的工作。
3.2.1评价准备
确定评价目标、评价人员构成和评价对象，确定评价步骤、方式、处理方法，确定不同信息之间、不同评价人员的权重。基于虚拟学习环境的课程评价需构建全新的评价指标体系。评价指标体系设计的一般过程是：先分解目标，然后建立评价指标，接着分配指标的权重，最后划分等级和确定标准。
3.2.2评价实施
3.2.3数据处理
依据各种权重进行数理统计。这里的权重，一是教师，学生，管理员，专家等不同评价人员信息的权重，二是指标体系中各层指标的权重。依据课程特点、评价目的以及评价人员构成设置权重。权重如果不同，则以综合评价权重为依据来统计。通过统计信息的分析，综合进行判断，形成评价结论。
3.2.4信息反馈
形成评价报告和反馈信息给制作者为反馈阶段的内容。形成性评价是在整个评价过程中监控评价活动的进行，随时进行评价工作的调整；总结性评价是发现评价过程中出现的问题，总结此次评价活动，提出改进评价的措施。
1大数据时代的环境特征
各类信息在计算机运作系统下，产生了各式各样的信息流、数据流。信息系统作为孕育数据的“母体”，信息系统的数据爆炸导致大数据时代的到来。另一方面，大数据时代又衍生出了更庞大、复杂的信息系统。大数据，实际上就是指软件无法提取、共享和分析的海量数据。大数据有数据量大、数据种类多、数据有效值低以及数据处理速度快的特点。数据量大主要是因为各种计算机设备、移动终端产生的实时数据，无法及时清理或有效使用使数据越积越多，导致数据量变大。数据以成千倍的数量累积上升，企业网络甚至会产生PB、EB量级的数据。传统的数据储存都是以文本为主的结构，随着互联网技术的深入发展，图片、音频等数据都已成为数据结构的主要构成因素，甚至占据了超过一半的比例。数据类型越来越多，就需要数据平台拥有更强大的信息处理能力。大数据环境下，为人们提供了诸多潜在的信息，在激烈的市场环境下，信息的占有量，是竞争力强弱的体现。目前数据已经成为各行各业的重要组成部分。大数据时代的处理框架建立在云计算的基础之上，利用高速运转的方式，通过分布处理，以数据流的形式传递在系统之间，为用户构建大量的数据库，而且可应用于大多数的程序。
3.2建立一支高质量的教师队伍
3.3建立互动式教学
4结语
一、中学信息技术教学存在的问题
1.教学内容滞后、单一
作为社会最前沿的技术，信息技术在时代进步过程中不断发展。为了促进中学生信息技术知识和技能的提升，应当及时完善信息技术课程教材，进而在学生了解世界信息技术发展过程中提供有效引导，为学生增强自身信息技术水平构建上升通道。然而，实际当中一些中学应用多年没有变化的信息技术教材，其内容和当前科技发展相脱离，同时和云计算、大数据之间也缺乏应有的联系，学生的学习和发展需求通过这些教材难以得到满足，并使得中学信息技术教学难度大大增加。
2.教学方式较为落后
二、基于大数据的中学信息技术教学策略
1.通过大数据实施个性化教学
2.通过大数据对MOOC信息技术学习平台进行构建
在MOOC教学模式中，教师通过互联网技术和大数据技术搜集教学资源，并对受教育者的学习需求进行整合，进而对不同类型的在线教育课程进行制定。MOOC教学模式是大数据在中学信息技术教学中应用最普遍模式，信息技术教师通过大数据技术对MOOC信息技术学习平台进行构建，并利用该平台将丰富的学习资源提供给学生，同时对针对性学习计划进行制定，以便于学生选择性地完成。这个过程中，教师能够通过大数据技术对独立行为学习档案进行构建，并以搜集到的信息为依据分析学生的学习行为，对学习过程中存在的问题进行总结，进而对学生学习行为模型进行优化，最终有效提升教学效果。
3.通过大数据技术强化教学评价
关键词：大数据；复合人才；教学内容；实践形式；校企合作
一、引言
二、大数据时代对人才的要求
三、大数据人才培养的探索
在教学内容的设置上，大数据系列课程建议可分为理论教学和技术教学两个方面，因为理论是大数据认知的必经途径，也是被广泛认同和传播的基线；而技术是大数据价值体现的手段和前进的基石。在理论方面，讲授的理论内容可涵盖如下几点：
（1）大数据概念：大数据概念出现的历史，关于大数据定义的各种流派以及说明，大数据的四个特征，大数据与云计算、物联网的关系，大数据与大规模数据、海量数据的差别。这个部分主要突出“大数据”概念中应包含的“对数据对象的处理行为”。
（3）大数据关键技术与挑战：介绍大数据时代面临的新挑战，包括大数据集成（数据异构性和数据质量问题）、大数据分析（数据形式多样化、数据处理的实时性、索引结构的复杂性等）、大数据隐私问题（隐私保护和数据分析的矛盾）、大数据能耗问题（低功耗硬件的设计）、大数据处理与硬件的协同、大数据管理易用性问题以及性能测试基准。
（4）大数据存储和管理技术：介绍如何把采集到的大数据存储起来，建立相应的数据库，并进行管理和调用。主要内容包括：分布式文件系统（HDFS）、去冗余及高效低成本的大数据存储技术、新型数据库技术（键值数据库、列存数据库、图存数据库以及文档数据库等）、异构数据融合技术、分布式非关系型大数据管理与处理技术、大数据索引技术和大数据移动、备份、复制等技术。
（5）大数据分析及挖掘技术：介绍从大量数据中寻找其规律的技术，通常由数据准备、规律寻找和规律表示3个阶段组成。数据准备是从上述大数据中心存储的数据中选取所需数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含规律找出来；规律表示则是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。根据挖掘任务可分为分类或预测模型发现、数据总结、聚类、关联规则发现、序列模式发现、依赖关系或依赖模型发现、异常和趋势发现等。
在技术方面，可考虑分别从云计算、分布式处理技术、存储技术和感知技术的发展来说明大数据从采集、处理、存储到形成结果的整个过程，具体可包括以下几点：
（1）NoSQL技术：NoSQL产生的背景、NoSQL现状、NoSQL数据库与关系数据库的比较、聚合数据模型、分布式模型、数据一致性、典型的NoSQL数据库分类、NoSQL数据库开源软件。
（2）MapReduce：MapReduce模型概述、编程模型：Map和Reduce函数、MapReduce工作流程、并行计算的实现、实例、Yarn等
（3）Hadoop分布式文件系统：Hadoop出现的背景、Hadoop的功能与作用、为什么不用关系型数据库管理系统、Hadoop的优点、Hadoop的应用现状和发展趋势、Hadoop项目及其结构、Hadoop的体系结构、Hadoop与分布式开发、Hadoop应用案例、Hadoop平台上的海量数据排序。
（4）还可进一步包括数据流的管理与挖掘、云数据库、图数据库等。
（1）分组。如前所述，大数据时代下的数据分析任务通常需要以团队的形式来完成，因此首先要求学生根据自身情况，结合各自的技术优势，合理进行分组。
（2）选题。在具体选题上，可使用校企合作的具体项目或以ApacheHadoop、MongoDB、Dremel、Gephi等一系列的开源大数据分析软件作为实践平台，以Kaggle为数据科学平台来进行选题。
（3）明确需求并撰写大数据分析任务书。明确选定的题目范围内，数据分析要研究的主要问题和预期的分析目标。只有明确了数据分析的目标，才能正确地制定数据收集方案，即收集哪些数据，采用怎样的方式收集等，进而为数据分析做好准备。
（5）探索性数据分析。由于大数据分析的数据量通常达到PB甚至YB级以上，因此希望直接选定一个分析模型是不现实的，而且面对高维海量数据，也很难直接看出数据的规律。在这个步骤中，应指导学生通过基本描述统计量的计算、基本统计图形的绘制、用各种形式的方程拟合等手段，计算某些特征量等方法探索规律性的可能形式，帮助学生快速掌握数据的分布特征，这是进一步深入分析和建模的基础。
（6）模型选定分析。在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。有时选择几种统计分析方法对数据进行探索性的反复分析也是极为重要的。每一种统计分析方法都有自己的特点和局限，因此，一般需要选择几种方法反复印证分析，仅依据一种分析方法的结果就断然下结论是不科学的。
（7）模型的验证及分析报告。指导学生对选择的数据分析模型及结果进行分析，可使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。观察模型提供决策的信息是否充分、可信，所发挥的作用是否与期望值一致，数据分析方法是否合理，是否将风险控制在可接受的范围。
四、校企合作推动人才培养
大数据时代下的校企合作的形式多种多样，可通过联合办学、联合制定人才培养方案、合作开发课程和教学内容、设置实训项目、教学管理和共建“双师”结构教学团队等形式展开。
五、结语
［关键词］大数据;市场营销;教学改革
1大数据背景下市场营销学教学面临的挑战
1.1教学内容发生巨大变化
1.2传统教学方式面临的挑战
2大数据背景下市场营销教学的方法和策略
2.1及时更新市场营销教学内容
2.2市场营销课堂与计算机网络相结合
2.3增加实践课程比重
2.4增加课堂报告的案例分析课比重
增加课堂报告的案例分析课可以督促学生做营销最终总结，从而帮助学生从宏观上感受市场营销活动。［6］为此，教师应首先为学生提供一个报告模板，以此来引导学生写好报告，为报告内容指明基本方向。这样做可以帮助学生建立起良好的市场营销分析思路。此外，教师要收集学生的报告，仔细分析，指出问题所在，进行深度点评，而点评分为课上点评和课下点评，课上点评主要抓住报告中的亮点内容，这样做就有利于学生树立起自信心，还有利于所有学生共同学习。课下点评应抓住报告中的重大问题，让学生充分认识到问题所在，并让学生自己提出解决方案，教师再做最后的纠正和补充。最后，教师要将学生的优秀、经典报告做成手册，这样的手册往往最能反映市场变化趋势，尤其是在当今大数据背景下，更能帮助学生把握未来市场营销发展趋势。
3结语
大数据背景下市场营销时常发生变化，但也不是无法掌握、无规律可循的。要想切实培养一批现代市场营销人才，必须要从改革教学方式和教学内容入手，在这过程中，还要穿插一系列的科学对策，例如建立教学平台、制作报告手册等。具体来说，我们应着重从四个方面进行改革:及时更新市场营销教学内容，市场营销课堂与计算机网络相结合，增加实践课程在所有营销课程中的比重，增加课堂报告的案例分析课比重，多方面入手，全面提升市场营销教学整体质量。
参考文献:
［1］徐玮.大数据对高等教育的影响和挑战［J］．教育教学论坛，2013(37)．
［2］黄升民，刘珊.“大数据”背景下营销体系的解构与重构［J］．现代传播，2012(11)．
［3］高洁.网络互动教学法在高职市场营销教学中的运用研究［J］．广西教育，2013(2)．
［4］徐国虎，孙凌，许芳.基于大数据的线上线下电商用户数据挖掘研究［J］．中南民族大学学报:自然科学版，2013(2)．
［5］宋宝香.数据库营销:大数据时代引发的企业市场营销变革［J］．价值工程，2012(30)．
关键词：创新实践课程；项目驱动；大数据
全国各大高校针对不同的专业，开设了多门创新实践课程[1][2][3]。不同于传统课程，它具有形式灵活、小班化教学等特点，要根据实际需求灵活设置授课内容。为了加强学生的创新精神和实践能力，提高人才培养质量，杭州电子科技大学在计算机专业面向大二学生开设了创新实践课程。任课教师根据自身的学科背景，基于社会热点需求问题，申报课程要完成的课题内容，再通过师生间的双向选择，组建授课班级。
随着大数据时代的到来，大数据产业发展对培养高层次的数据科学人才提出了新的需求[4]。在未来3-5年内，我国数据分析师的缺口将达100万人左右[5]。但是，目前国内高校对数据型人才的培养规模和质量还远远达不到要求。本文研究了在创新实践课的教学过程中，以培养大数据可视分析人才为目的，探讨如何设置理论授课与项目实践环节，通过解决实际问题，提高学生的创新意识和创新能力。
二、创新实践课题的选择
大数据可视化与可视分析是大数据分析中重要的组成部分，通过有机融合人的智能与计算机的处理能力，帮助人们洞悉大数据背后的知识与智慧，已经成为数据分析和科学决策的有效手段。基于个人的专业背景和研究方向，笔者选定以大数据可视分析作为创新实践课题，主要基于如下考虑：
（1）对于本科学生来说，可视分析中采用直观的图形化表示、所见即所得的交互方法，更容易激发他们的学习兴趣，不会觉得枯燥难懂。
（3）数据分析与实际项目紧密结合，而寻找数据内部蕴含的特征又具有未知性，需要学生具有创新意识和探索精神，正好和创新实践课程的设置宗旨不谋而合。三、课程教学内容与实践形式设置
与传统的仅采用理论教学的授课模式不同，笔者将创新实践课程划分为理论授课和项目化实践两个部分。首先讲解基础理论，让学生了解课程目的及课程实施过程。然后通过项目化的课程设计培养学生工程意识，提高综合运用知识来解决实际应用问题的能力。
1.理论授课内容
理论授课是让学生了解和熟悉课题的前提。基于可视化分析大稻莸母鞲霾街瑁细分授课内容，将数据分析过程拆解并贯穿于整个教学中，为解决实际问题提供理论保证。
具体来说，包括如下几个方面：（a）大数据的概念：包括大数据出现的历史；大数据的特征；大数据与其他学科的关联；大数据时代面临的挑战等。（b）数据可视分析的案例介绍：介绍数据可视分析成功用于解决实际问题的典型案例，从案例的实际需求出发，通过描述案例的主要目的和设计思想，介绍案例采用的具体方法，指出完成过程中遇到的关键问题，帮助学生理解课程学习的价值所在。（c）数据可视分析所要掌握的关键技术：包括数据存储和管理技术，数据可视化展示语言、人机交互技术等。
2.以项目为驱动的实践环节实施
在实践阶段，纳入项目化的教学模式，将学生组成创新研究小组，通过“分组――选题――制定和实施方案――撰写分析报告”的实践过程，鼓励学生开展自主式、探索式、合作研究式的学习，促进知识的迁移和科学思维的养成，同时培养学生的团队协作精神。
具体来说，分为如下几个步骤：
1）合理进行人员分组。一个复杂的数据分析任务要求学生以团队合作的形式来完成，让学生根据各自的技术优势，合理分组，每个小组选出一个小组长，组员通过分工与合作实现既定目标。
2）选取有价值的分析任务。以“交通大数据可视分析”为主要目标，通过小组讨论拟定感兴趣的分析子任务，由教师进行内容把关。要求所选取的项目任务具有一定的复杂度和综合度，可以从数据分类、趋势预测、历史规律挖掘等方面着手，明确要研究的主要问题和预期的分析目标。
3）制定和实施分析方案。要求学生设计详细的实施方案，考虑方案的可行性和合理性，主要包括：分析目的及内容，方法及步骤，计划进度安排，如何分工等。在该过程中，教师指导学生检索和阅读科学文献，一起讨论采用何种技术或方法分析数据，引导学生逐步实现项目任务。在学生碰到问题和困难时，鼓励其通过自主学习所需知识、与小组成员讨论，与指导老师探讨来解决问题。
4）完成分析报告。以小组为单位，完成分析报告，阐述分析任务的执行流程，人员分工情况，给出分析结果，并讨论分析方法是否合理及未来的改进建议。
5）课程考核。课程考核结合教师评价（50%）、小组间互评（30%）、组内自评（20%）多种方式综合给出课程分数。
在以项目为驱动的实践过程中，教师的任务从“传授知识为中心”逐渐向“引导学生探索知识，有体系、有目的地应用知识”转变，学生成为了学习的主体和发展者，极大地调动了学生的积极性和参与度，培养了学生的团队协作精神和创新能力。
四、教学效果及存在问题分析
为了更好地收集大多数学生的反馈意见，在课程结束后，让学生投票选择自己在哪方面的能力有所提高，并撰写一份学习心得。投票结果为：编程能力（11票）；团队协作能力（9票）；创新和探索能力（8票）；自主学习新知识的能力（13票）；完成实际工程的能力（10票）。从结果中发现，大多数学生认为通过课程学习能提高自己多方面的能力，包括自学、编程和工程实践能力。部分学生认为提高了自己的创新和探索能力、团队协作能力，这部分学生相对基础较好，能够针对分析任务得出自己的结论。而其他有些学生基础知识储备不足，还处于不断学习编程技术的阶段，因此对问题的探索不够深入。
但是作为一门新型课程，课程在实施过程中遇到了一些问题，具体表现为：
（1）由于不同W生的学习效率与动手编程能力存在差异，因此部分学生进展较快，能针对项目制定方案，设计新的可视化表示来展示数据特征，探索数据规律。而部分学生始终处于编程技术的学习阶段，影响到课程完成质量。
（2）本课程面向大二学生，虽然数据可视分析入门较快，但解决实际问题时涉及多种专业技术的学习与应用，部分学生感觉到知识储备不足，项目实践有难度。
因此在今后的教学过程中，应事先做好摸底调研工作，针对不同学生进行层次化教学，同时要进一步研究如何更好地激发学生的学习热情，鼓励他们在遇到困难时勇于克服困难。
[1]黄雪梅.围绕机电实验平台的创新实践课程[J].实验室研究与探索，2011，30（3）：140-144.
[2]陈妙，陈敏，余日安，等.公共卫生创新实践课程的构建及作用探讨[J].基础医学教育，2014（12）：1031-1033.
[3]汪东风，林洪，曾明滂，等.创新实践课程的实施步骤[J].实验室研究与探索，2009，28（3）：107-109.
关键词：数据科学；通识教育；大数据教育；教学实践
近年来，在大数据的深刻影响和社会各领域对数据专业人才的强烈需求下，国内外各高校的数据教育兴起，一些高校成立了专门的数据研究院，开设数据科学硕士和博士课程。尽管在高校开展数据教育的迫切性得到了重视，但是从结果来看，高校所培养的数据科学专门人才在数量上仍然无法满足社会的需求。
1数据科学教育的发展现状
数据技术的不断发展和人们对数据价值的逐渐认同也推动了一个新的职业――数据科学家的诞生。微软、谷歌、亚马逊、Facebook、LinkedIn等数据驱动的公司这几年纷纷向数据科学家们抛出橄榄枝，并且薪酬不菲。大数据同时也带领人们重新认识了数据科学这一学科，数据科学不限于计算机和统计学的交叉，更不是它们的专利，在社会生活中的方方面面都有用武之地。纽约大学数据科学中心VasantDhar教授对数据科学是这样定义的：“数据科学旨在研究可普及的数据知识提取”。数据科学教人们如何从数据的世界里发现知识、挖掘财富、获得信息。数据思维和数据技术将成为学生未来学习、科研和职业发展的另一主要技能。
1.1国内外数据科学在线课程现状
在高等教育数据科学课程的开设方面，美国约翰霍普金斯大学、伊利诺伊大学香槟分校、加州大学伯克利分校等国外知名高校率先开展了行之有效的实践，见表1。
（2）课程的重点内容主要包括统计学、大数据、数据分析、项目实践等，反映出数据科学培养目标不仅包括数学、统计和编程知识的学习，还需要案例实践的训练和业务洞察力的培养。
（3）国内大学的数据科学课程寥寥无几，除表1中的复旦大学和香港理工大学之外，仅南京大学开设了“用Python玩转数据”课程，台湾大学开设了“机器学习基础”“人工智能”等基础课程，大数据教育相对落后。
（4）数据科学的先修知识主要包括程序设计、统计学、数据库基础等。其中程序设计并不要求精通某一门编程语言，因为对于从事数据科学的人才来说，泛型编程技巧比专长于特定编程语言更加重要。
（5）Python和R是目前在数据科学领域比较流行的编程语言，相对其他语言来说移植性较强，更容易学习，也更适合编程初学者学习。
1.2国内外高校数据科学教育现状
美国很多高校都已开设数据科学和大数据的硕士课程，并且毕业生可以有机会进入IBM、亚马逊、英特尔等企业工作，获得高达十几万美元的年薪。加州大学伯克利分校、哥伦比亚大学从2011年起开设数据科学课程，并在之后的几年都设立了“数据科学”硕士和博士学位或者项目认证；伊利诺伊大学香槟分校和芝加哥大学则从假期培训课程起步。这种情况并不局限于世界顶尖大学，全美排名100名左右的北卡罗来纳州立大学，在2007年引入了学制为10个月的分析学硕士课程，其毕业生的就业薪资不菲。
在我国，北京航空航天大学于2012年设立了大数据工程硕士学位，2015年又携手浙江大学、复旦大学等7所高校和阿里云公司开设了“云计算与数据科学”专业。华东师范大学于2013年成立数据科学与工程研究院，致力于培养未来的数据人才。清华大学于2014年成立数据科学研究院，与信息、经管等学院展开合作推出大数据硕士学位项目，不仅公开对外招生，也欢迎本校研究生选修。教育部公布的2015年教育部直属高校新增审批专业名单中，北京大学、对外经贸大学、中南大学新增了“数据科学与大数据技术”本科专业。云南大学2016年也成立了大数据研究院，将培养大数据方向的博士和硕士生。
2数据科学课程建设的必要性
集众多能力于一身的优秀数据科学家不是一朝一夕可以“炼成”的，对未来数据专业人才的培养应该从高校数据教育抓起，打破学科固有的壁垒，为学生营造多学科交叉、融合的学习环境。高校数据科学通识教育的开展是充分必要的，具体体现在3个方面：
1）满足社会需求，适应时展。
2011年麦肯锡曾这样预测：“到2018年，仅美国就将面临140000～190000的资深数据分析人才和150万了解如何应用大数据分析结果做出有效决策的管理者的短缺”。无论是金融业、工业、制造业还是服务业，大数据时代稀缺的就是能从数据的整个生命周期来理解数据含义的专业数据科学家。高校作为培养人才的机构，应该顺应时展的趋势，以建设一流大学为目标，积极开展数据科学通识教育和交叉学科改革，组建跨学科的科研教学团队。这样一来，学科之间的壁垒被打破，学生们除了学习数据技术以外，还能够开阔视野，提前接触各个领域的业务知识，非计算机专业的学生也能有机会学习数据挖掘等大数据技术，有利于复合型数据人才的培养。
2）实施大数据人才战略，驱动资源平台的建设。
3）培养学生的数据思维和创新能力。
3面向通识教育的数据科学课程教学实践
为了适应国家经济社会发展的重大战略和人才培养需求，吉林大学自2014年起积极构思具有层次性的数据教育方案。2015年，计算机科学与技术学院面向计算机专业本科生和软件学院研究生开展了“大数据技术与应用”课程。同年，公共计算机教学与研究中心为经济学院和金融学院本科生开设了“数据科学与大数据分析”课程。这些教学实践分别针对专业教育和通识教育两个层次设计，分本科生和研究生两类教学对象，讲授了大数据时代对于获取、处理和展示传统数据以外的“数量大”“速度快”和“非结构化”数据的新方法与新技术，培养学生的计算思维、数据思维和互联网思维，使他们准备好迎接“互联网+”时代的新机遇与新挑战。
3.1课程的具体目标
以为经管、金融类本科生设计的“数据科学与大数据分析”课程为例，它的主要授课对象是大学高年级非计算机专业学生，希望通过一系列的课程研究和改革，结合实际案例和实践教学的方式，将数据教育植入现有的计算机基础教育中。在这门通识教育类课程中，要着重为学生讲授数据科学和大数据技术在科学研究、互联网、金融、社会、医疗、商业和政治等多领域中的方法、工具和应用案例，培养学生解决实际问题的能力。
该课程的目标主要包括如下3个大的方面：
1）培养数据思维能力。
课程主要通过真实的数据项目实践来培养学生的数据思维和项目分析能力。数据项目通常有其使命与目标，须与业务需求保持一致。学生通过调研和分析，总结出具有关键意义的数据需求，了解什么样的业务问题可以转化成数据问题，什么样的数据是可以进行计算的，面对结构化、半结构化以及非结构化的数据，该选取什么样的模型和工具进行计算。最终，当获得数据分析结果后，学生还要结合专业领域的知识，思考如何把数据解决方案转化为可执行的业务解决方案，让决策者更清晰地阅读数据，这同样是本课程的关键教学环节。
2）提升技术应用能力。
该课程致力于提高学生的高级计算机应用能力。当然，学习之前需要有一定的互联网、统计学、数据库等背景知识。大数据涉及的不仅是数据分析，还包括数据挖掘、商务智能和新的技术与新的思维方式，而这样的技术和思维方式，不仅可以提升学生的计算机技术应用能力，也将提升他们的专业能力和管理能力，甚至创新能力。
3）新的技术发展应用。
该课程综合全面地介绍大数据背景下新的技术体系。现有的计算机基础课程、互联网金融课程或电子商务课程在介绍大数据时，都是“普及性”和“杂志性”的介绍方法，该课程则不然，它通过案例教学让学生在真实场景下应用大数据技术并解决实际问题，最后通过企业提供的真实数据，让学生分组合作，将共同完成一个项目实践作为最终考核。
3.2课程的知识模块设置
（1）问题发现：引导学生发现业务问题，思考解决这个问题所需要的领域知识，思考这个问题是否可以转换成一个数据问题，培养学生数据思维和计算思维的视角与思考方式。
（2）数据准备：培养学生数据获取的能力，并使其能够进行数据清洗与整理，确定保留与丢弃的部分，保证处理前的数据质量。
（4）数据可视化：培养学生的图表表达能力和“用数据说话”的能力。
（5）数据解决方案：让学生阐释结果，确定关键的发现，并找出价值。
（6）可执行的业务方案：让学生通过数据模型的建立、分析与验证获得数据解决方案，并在此基础上考虑业务问题和现状，提出可行的业务方案。
摘要：随着科学技术的不断发展，大数据技术在社会生活生产的每个方面都起到了重要的作用，同样对教育工作的改革创新也发挥着巨大的作用。本文从德育教学工作等方面进行评价，全面分析了在大数据的背景下中职学校传统的德育工作所面临的创新与挑战，归纳并总结了德育教育工作的一些创新思想，为我国中等职业学校的德育工作的发展提供借鉴。
关键词：大数据；德育教育；机遇与挑战；创新思想
1大数据的意义与特性
大数据系统拥有庞大的数据信息量，以及可以快速成长的数据库规模系统，并且有着十分丰富的多种多样的数据内容。使用者可以以大数据为基础，通过大数据技术进行大规模的数据采集与分析，形成更加全面的数据结果，为最终的决策与判断提供更加可靠的数据依据。在21世纪，大数据技术到来的最重要的一点原因是由于网络信息的集成化水平更加完善。而随着产业集约化、智能化水平的提高，大数据技术的快速的数据采集、全面的信息内容、高效的整合分析等基本特性也得到了极大的增益作用，所以大数据技术常常伴有以下几种特征。
1.1共享数据源，建立云端数据库
1.2建立数据模型，进行数据预测分析
进行数据的预测与分析，是大数据技术的核心内容，同样也是大数据的优点与特点。大数据技术可以非常全面的记录我们日常的生活行为，通过这些记录可以进行分析对比，了解到每一个人平时的生活与爱好，最终达到预测你的未来生活规划的目的。大数据技术可以提供个人的定制服务，对于未知的用户可以根据他们的性格来建立符合他们生活规律的理论性假设，和大量的已知性格的人物数据进行对比，形成一套完整的理论体系。
1.3建立体系结构，提升信息数据的有效价值
2大数据技术对中等职业学校德育教育工作的机遇与挑战
2.1大数据技术对中等职业学校德育教育工作的新机遇
2.1.1提供免费的德育教育开放平台，改变传统教育模式
2.1.2提供实时更新的社会热点信息，增强德育教育感染力
2.2大数据技术对中等职业学校德育教育工作的新挑战
2.2.1德育教育工作者技术水平的有待提高
2.2.2德育教育工作的方法有待改善
大数据时代下，魍车牡掠教育工作方法已不能适应这一技术，工作方式的创新是必要的。在过去，德育教育课程主要是通过课堂教学的形式进行教授的，受到教室空间、教学环境、课堂气氛等因素的影响，学生们主动学习的积极性并不高。而是通过大数据技术，教学方式产生了多样化，加强了学生们自主学习的主导意识，学生们可以根据自己的兴趣挑选自己喜欢的案例进行分析，通过这种新的教学方式可以提高教学效果。达到传统的教学目的与新的教学内容相结合，传统的教学行为与学生们的思想感情相结合，了解学生们的个体数据状况，进行定量、定性的数据分析，了解学生们的思想开放动向，最终建立富有感情的、合理的教学方法。
3大数据技术对中等职业学校德育教育工作的新思想
3.1形成了更为和谐的德育教育环境
通过大数据技术使得学生们的学习环境、生活环境、家庭环境三者形成相互统一、相互作用的形态。一般来说，家庭环境对于一个学生德育教育的成长起着基础性的作用，父母作为德育教育工作的启蒙老师对孩子有着深远的影响。学生之间相互交流，彼此之间讨论着不同的观点与看法，所产生的共同的生活环境，对学生们有着强烈的指导作用。通过在课堂上学习知识，感受课堂的学习氛围，对于学生们德育教育的学习有着积极的促进作用。所以通过大数据德育教育开放平台，将学生们在各种环境下所产生的行为和思想进行统一管理，分析并整理出学生们的德育教育问题。建立信息共享中心，让家长和老师们了解学生们所存在的个性化问题，有针对性的解决不同学生的不同问题。形成学校、社会、家庭三者共同进行德育教育的良好和谐环境。
3.2建立学生自主学习德育知识的意识
改变传统的德育教育工作者与学生之间的教学模式，建立德育教育小组，由学生们自行讨论最新的时事热点，并由德育教育工作者担任小组顾问，形成一种相互沟通、相互理解、相互学习的良好教学氛围。同时，讨论的信息内容多样化，讨论的活动形式开放化，使德育教育工作者与学生们可以进行民主的、平等的对话。而在这种和谐开放的交流与理解中，学生们学习德育课程的积极性被极大的提高，他们会主动的去了解学习更多的德育知识，并把德育工作者当成他们的朋友。通过积极的对话与沟通，德育教育工作者可以帮助他们建立正确的人生观与价值观，并积极引导学生们如何正确的判断与分析问题，达到自我学习、自我启发的自主学习意识。
3.3加强德育教育学习内容的监督
为了防止在德育教育工作中出现错误内容的引导，中等职业学校的德育教育工作必须进行有效的监督。构筑大数据德育教育开放平台，不仅仅是为了信息的公开与共享，更重要的是希望学生、老师、家长三者之间可以共同的进行信息管理与监督。比如，通过开放平台家长们可以监督老师与学生之间的信息交流，学生们相互之间、老师们相互之间也同样可以进行，最终达到德育教育开放平台健康发展的目的。这样可以充分的发挥学生们的自律性，有助于学生们及时的发现并改正自身或他人的问题，提高德育教育工作内容的正确性。
3.4提升德育教育工作中的隐性教育
目前，德育教育工作的主要内容是在社会发展进步的同时如何加强通过德育教育手段解决现实问题的能力，相对于传统的德育教育工作，德育教育工作中隐性教育的提出，其目的是改变原有的有固定课时的德育教育课程，使德育教育工作融入到教育工作的每一个环节。在日常的学习生活中往往都存在着各种各样的现实的社会问题，而这些问题其实是最好的德育教学素材，通过这些素材学生们可以更加形象的记住德育教育知识的内容，形成强烈的现实对比作用。这就对隐性教育的进一步发展提供了有力的理论支持，使得德育教育工作的效果得到了整体优化。
总之，中等职业学校的德育教育工作是一件长期而又艰巨的任务，而在实际的教育过程中我们发现，改善中等职业学校学生的综合素质品质，加深他们的思想道德观念是非常重要的。所以，通过大数据技术可以更深入的了解学生们的思想意识，进行更深层面的对话与沟通，更主动地参加社会实践交流，最终形成完整的、正确的思想道德价值观和人生观，有着十分重要的长期促进作用。
[1]李静.学校德育工作新思路浅探[J].中国职业技术学校教育，2009，（24）.
关键词：数据分析；统计学；课程体系；大数据
一、数据分析的重要意义
大数据预测美国总统：美国时代周刊报道称，数据驱动的竞选决策才是奥巴马竞选获胜的关键。数据分析团队在筹集竞选经费、锁定目标选民、督促选民投票等各个环节的决策中都发挥了重要作用。这意味着华盛顿竞选专家的作用极具下降，能够分析大数据的量化分析家和程序员的地位却大幅提升。如今从事专业数据分析工作的企业如项目数据分析师事务所、数据挖掘公司等都应市场需求而大力发展，并且受到风险投资的青睐。如美国社交数据挖掘公司Datasift于2012年宣布，获得1500万美元风险投资。2013年，DataSift成为Twitter的“认证合作伙伴”，主要负责海量微博社交数据分析。这是该公司今年第二笔融资，五月份其曾融资720万美元。又如面向开发者的大数据应用软件平台服务提供商Continuity最近获得1000万美元的融资，目前融资总额已经达到1250万美元。
二、课程体系构建
2.实验课程。数据分析的操作离不开计算机。目前数据分析行业常用的一些统计软件有SAS、SPSS和R软件。SAS软件是一个模块化、集成化的大型应用统计系统。它的功能包括数据访问、数据储存及管理、应用开发、图形处理、数据分析、报告编制、运筹学方法、计量经济学与预测等。SPSS软件是一个社会科学统计软件包，是采用图形菜单驱动界面的统计软件，SPSS的基本功能包括数据管理、统计分析、图表分析、输出管理等。R软件是一套完整的数据处理、计算和制图软件系统，包括：数据存储和处理系统、完整连贯的统计分析工具、优秀的统计制图功能、可操纵数据的输入和输入等功能。这三个软件在数据分析中针对不同行业的需求有不同方向的应用。
三、实践环节
培养数据分析的专业型人才目的就是为了学以致用。数据分析本身就是为了从数据中发现问题、建立模型、预测收益风险企业决策进而做出合理正确的决策判断。因此，学习了基本的知识和技能就要运用到实际操作中。学校可以和本地的数据分析事务所，或者大量需求数据分析人员的互联网行业建立实训基地，进行合作式教学，使得学生在实习的过程中能够理论联系实际，切身体会数据分析的商业操作体系，这样就能够促进学生有目的、有取舍地针对自身情况学习钻研，继而就能够培养出适应经济发展，满足市场需求的应用型人才。
四、结语
在大数据时代到来之时，数据分析在互联网中的应用将会空前广泛，与此同时对数据分析师的需求也将会井喷，无论是在军事、工业、企业还是在政治上，大数据分析都将会十分紧缺。因此，目前对数据分析师的培养刻不容缓。本文从分析数据分析行业发展及其重要意义、数据分析专业课程设置以及教学实践环节方面对构建数据分析课程体系进行了探讨。不仅从教学课程的内容上予以安排，而且更加注重引导学生自主学习，特别强调理论结合实践的合作式教学。希望能够结合行业需求合理地构建课程，培养出专门从事数据分析的项目数据分析师，从而能够满足市场需求和自身发展。
[1]范金城.数据分析[M].科学出版社，2010.
【关键词】大数据；高等教育；机遇和挑战
0.引言
数据是指一切保存在电脑中的信息，包括文本、声音、视频等。“大数据”是一股新的技术浪潮，也是逐步形成的历史现象，其具体是指随着信息存贮量的增多，人类在实践中逐渐认识到，通过数据的开放、整合和分析，能发现新的知识、创造新的价值，从而为社会带来“大科技”、“大利润”、“大智能”和“大发展”等新的机遇。大数据之“大”，并不在于其表面的“大容量”，而在于其潜在的“大价值”。大数据之所以被称为革命性现象的根本原因，因为从本质上来说，它标志着我们人类社会在从信息时代经由知识时代快速向智能时代迈进，并给普通高等学校发展带来的新机遇和挑战[1]。
1.大数据给普通高等学校发展带来的机遇和挑战
大数据，使教师面临挑战，使学科专业设置和专业知识结构面临挑战；大数据为大学管理的精细化个性化服务提供了工具；大数据给科研带来颠覆性的影响。
1.1教师面临的挑战
不难发现，该平台之所以强大，正是因为大数据。单个个体学习行为的数据似乎是杂乱无章的，但当数据累积到一定程度时，群体的行为就会在数据上呈现一种秩序和规律。通过收集、分析大量的数据，就能总结出这种秩序和规律，然后有的放矢，对不同的学习者提供有针对性的帮助。
1.2学科专业设置和专业知识结构面临的挑战
网络大数据在科学和技术上的突破，将可能诞生出数据服务、数据材料、数据制药等战略性新兴产业[3].网络数据科学与技术的突破意味着人们能够理清数据交互连接产生的复杂性，掌握数据冗余与缺失双重特征引起的不确定性，驾驭数据的高速增长与交叉互连引起的涌现性（Emergence），进而能够根据实际需求从网络数据中挖掘出其所蕴含的信息、知识甚至是智慧，最终达到充分利用网络数据价值的目的.涌现性是指由低层次的多个元素构成高层次的系统时展示出的每个单一元素所不具备的性质.网络数据不再是产业环节上产生的副产品，相反地，网络数据已成为联系各个环节的关键纽带.通过对网络数据纽带的分析与掌握，可以降低行业成本、促进行业效率、提升行业生产力.因此，可以预见，在网络数据的驱动下，行业模式的革新将可能催生出数据材料、数据制造、数据能源、数据制药等一系列战略性的新兴产业，使高等教育学科专业设置和专业知识结构面临挑战。
1.3大数据为大学管理的精细化个性化服务提供了工具
教育是在生活中实现的，不在生活中实现的教育不是真正的教育，学校教育更需要“终极关怀”。华东师范大学一位女生节食减肥，很少在校内用餐，学校通过困难生预警系统察觉到其饭卡消费值较低，便发送了一条短信，询问是否有经济困难，是否需要帮助。这位女生收到短信，感到非常温暖，便发了一条“华师大少女减肥减出人文关怀”微博，结果被网友纷纷转发。网友们称赞学校“通过对数据的挖掘、应用，更贴心地服务学生、关爱学生”，“让冰冷的数字有了人性美！”这一事件至少告诉人们，大数据为大学管理的精细化服务提供了工具，有助于学校实现“终极关怀”[4]。
1.4大数据给科研带来颠覆性的影响
科技创新实质上是科学研究方法的创新，数据科学带给大家改变探索世界的新方法――从大量的数据中，揭示世界运行的规律。新方法体现在大数据的三个特征中。
第一个特征非常好理解。在过去，由于缺乏获取全体样本的手段，人们发明了“随机调研数据”的方法。理论上，抽取样本越随机，就越能代表整体样本。但问题是获取一个随机样本代价极高，而且很费时。人口调查就是典型一例，一个稍大一点的国家甚至做不到每年都一次人口调查，因为随机调研实在是太耗时耗力了。
但有了云计算和数据库以后，获取足够大的样本数据乃至全体数据，就变得非常容易了。谷歌可以提供谷歌流感趋势的原因就在于它几乎覆盖了7成以上的北美搜索市场，而在这些数据中，已经完全没有必要去抽样调查这些数据：数据仓库，所有的记录都在那里躺着等待人们的挖掘和分析。
第二点其实建立在第一点的基础上。过去使用抽样的方法，就需要在具体运算上非常精确，因为所谓“差之毫厘便失之千里”。设想一下，在一个总样本为1亿人口随机抽取1000人，如果在1000人上的运算出现错误的话，那么放大到1亿中会有多大的偏差。但全样本时，有多少偏差就是多少偏差而不会被放大。诺维格，谷歌人工智能专家，在他的论文中写道：大数据基础上的简单算法比小数据基础上的复杂算法更加有效。
舍恩伯格认为，大数据时代只需要知道是什么，而无需知道为什么，就像亚马逊推荐算法一样，知道喜欢A的人很可能喜欢B但却不知道其中的原因。
越来越多的事物不断的数字化。使得人们可以从大量的数据中，发现隐藏的自然规律、社会规律和经济规律。从这个角度来看，大数据将拓展人类的视野。
大数据给科学和教育事业的发展提供了前所未有的机会，同时也提出了前所未有的挑战。它将对现有的科研和教学体制带来大幅度的变革，对科学与产业之间的关系、科学与社会之间的关系带来大幅度的变革。
人们在研究自然语言处理方面走过的弯路，为安德森的观点提供了有利的证据。20世纪50年代，几乎所有的科学家都认为如果让计算机来充当翻译，就必须像人一样，让他理解词句的含义。于是提出人工智能的概念，让计算机来学习的人类的各种规则。这种方法很快在70年代走到了尽头。但是基于大量数据、运用概率模型的统计语言学的出现使得自然语言处理柳暗花明。如果没有这些概率统计模型，风靡一时的Siri（个人语音处理）等应用，就不可能实现。
2.结语
大数据时代已经到来，对大数据进行合理的分析，管理和应用必将会推动普通高等学校的大发展，当然也会为社会提供更多的利益和创新性成果。
【参考文献】
[1]赵国栋，易欢欢，糜万军，鄂维南.大数据时代的历史机遇―产业变革与数据科学[M].北京：清华大学出版社，2013.