课程亮点：高校大数据教学名师和企业大数据工程师联合指导、“教学过程一体化管理平台”和“高校大数据课程公共服务平台”全程助力、为高校量身定制的大数据实训案例教材、围绕工程教育认证要求制定课程内容
（上图2018年9月26日项目答辩结束后合影）
一、实训课程基本信息
（1）指标点4.1：针对软件开发特定需求，了解信息学科发展动态；（2）指标点9.1：正确理解个人与团队的关系，理解团队合作的重要性，具备在多学科背景下团队合作的意识和能力；（3）指标点9.2：在多学科背景的团队下，理解团队成员的不同角色在团队中的作用，能够作为个体或团队成员完成所承担的任务；（4）指标点10.2：具有书面表达与沟通能力、科技论文与技术报告写作能力，能够撰写报告和设计文稿；（5）指标点11.2：了解市场、用户的需求变化以及技术发展，提出技术改造、系统更新、效能改进的方案。
9.实训教室：数字内容与信息智能处理实验室
实验室位于厦门理工学院精工园1号楼416教室，建于2008年6月，实验室面积约120平方米，设备总额约46万元。实验室配备具有较强的数据运算与图形图像处理能力的计算机，能满足图形图像处理、遥感图像处理、数据挖掘、大数据等课程的需求。
主要仪器设备：DellOptiPlex7040计算机61台，主要技术参数：CPU:Intel酷睿i5-6500；内存：16GB；硬盘：1TB*2；显示器：23寸LCD。
大数据环境搭建：本次实训课程没有采用任何厂商的大数据实验平台。实验室机房里面的电脑使用Windows7操作系统，在实训课程中，由学生自己在Windows7系统中安装虚拟机软件VirtualBox，然后，在VirtualBox软件中安装Linux虚拟机（Ubuntu16.04），再在Linux虚拟机中安装各种大数据软件，构建“伪分布式”的大数据实验环境。由于机器的内存有16GB，所以，整个实训过程，运行非常流畅。
10.实训管理系统
本次实训课程采用“教学过程一体化管理平台”，对教学全过程进行高效的信息化管理。该系统具备课程资源管理、学生管理、授课过程管理、授课质量分析、成绩自动统计等功能。
11.大数据课程公共服务平台
（上图实训课程课堂照片）
12.实训成果文档：团队建设和奖惩制度、文献综述、项目开发计划、需求分析说明书、系统设计说明书、项目代码、项目答辩PPT、用户手册。
二、课程设计的目的、任务与要求
1）．课程设计目的
2）．课程设计任务与要求
本课程设计项目涉及数据的预处理、数据的存储、数据查看、算法编写、算法应用和大数据结果展现等全流程所涉及的各种典型操作，涵盖Linux、MySQL、Hadoop、Spark、SparkMlib、IntelliJIDEA（简称IDEA）、Node.js等系统和软件的安装和使用方法。通过本项目，将有助于学生综合运用大数据课程知识以及各种工具软件，实现数据全流程操作。
本课程设计项目需要完成以下任务：
本课程设计任务遵循真实的企业标准开发流程，使学生了解和体会商业项目开发的过程与环境。指导其完成制定开发计划、分析系统需求、设计系统架构及功能，让学生通过团队合作，在预定周期内完成软件项目的开发，从而训练学生的编程开发、文档撰写、统筹规划、分工协作等技能及能力。
三、选题的原则
1.选题原则
2.题目难度、深度、广度分析
四、课程设计内容
课程设计题目：基于SparkMLlib的电影推荐
设计一个基于协同过滤算法的电影推荐算法，采用Scala语言编写SparkMLlib程序实现该算法，利用已有的训练数据集对算法进行训练得到电影推荐模型，并用测试数据集进行电影推荐，最后，将推荐结果进行可视化展现。
基本需求包括：
（1）数据ETL：可以把保存在文本文件中的数据集，通过ETL工具，加载到分布式文件系统HDFS中。
（2）编写Spark程序实现电影推荐功能：采用Scala语言，编写SparkMLlib程序，对HDFS中的数据进行分析，实现电影推荐算法；
（3）可视化：采用可视化技术，把分析结果展现给用户。
五、课程设计的教学方法
课程设计采用“技术教学+项目实践”的形式，以技术教学作为项目实践的准备和基础，以项目实践强化技术教学的效果，并训练学生的团队协作、交流沟通以及实施商业项目开发的能力。