物联网工程专业大数据相关课程的规划与实践

徐琴 黄向宇 刘智 高弘扬

摘 要：文中以成果导向的工程教育理念为指导，确定学习成果，总结出应用型本科物联网工程专业学生应具备的大数据知识素养与应用能力，依据要达到的成果，主要从理论教学、实践教学、教学方法改革三方面对《数据库原理与技术》《数据处理与智能决策》《物联网应用系统综合课程设计》进行规划与实践，以提高学生的大数据知识素养与应用能力。

关键词：物联网;工程教育;大数据课程;理论教学;实践教学;教学方法

中图分类号：TP393;G642 文献标识码：A 文章编号：2095-1302（2019）05-0-03

0 引 言

如今，社会高速发展，科技发达，信息流通加快，人们之间的交流越来越密切，生活也越来越方便，大数据就是这个高科技时代的产物[1]。在物联网中，多样化的物联网传感设备与应用系统不断地产生大数据，并且将会以更多、更复杂、更多样化的方式持续增长[2]。大数据的复杂化与格式多样化决定了物联网服务平台中针对大数据的服务场景与类型的多样化[3]，从而要求物联网服务平台必须融合大数据技术来应对，传统的数据存储与分析技术则无法满足应用需求。

目前行业使用最广泛的大数据平台是基于Apache开源社区版本的Hadoop生态体系，阿里巴巴、腾讯、百度、Facebook等国内外各大互联网系统基本都采用Hadoop生态系统完成存储与数据处理[4]，物联网行业也是如此。事实上，未来2～3年预计有超过50%的大数据项目会在Hadoop框架下运行[5]。

大数据时代，大学生应具备一定的大数据处理能力。目前的高校物联网工程专业数据处理课程教学中，在数据存储方面，大部分讲授的是传统关系数据库技术，对于大数据存储几乎不涉及;在数据分析与挖掘方面，讲授的是基于集中式数据仓库的数据挖掘技术，未包含基于大数据分析与挖掘的内容，Hadoop平台内容更未涉及，教学与目前行业的应用及发展趋势严重脱节。

本文以成果导向的现代工程教育理念为指导，针对物联网工程专业的特点，结合物联网工程专业数据处理课程应达到的学习成果，以提高物联网专业学生大数据知识素养与应用能力为培养核心，对物联网工程专业数据处理相关课程进行规划，并将其运用于具体教学中，在实践中不断摸索并加以动态调整。

1 确定学习成果

通过对物联网行业相关招聘需求、同类院校同专业相关课程设置、物联网相关企业进行调研，参加学术会议，结合本专业办学特色、学生实际情况、目前新技术及发展趋势，并在相关科研项目的基础上，总结出应用型本科物联网工程专业学生应具备的大数据知识素养与应用能力包括：具有较扎实的传统关系数据库基础;熟悉常见的数据挖掘算法;具备一定的物联网传感大数据处理能力。即掌握物联网大数据的分布式存储与集中式存储的策略及方法，初步掌握基于通用大数据平台的数据分析及挖掘技术，最终能针对具体的物联网行业应用构建基于大数据平台的物联网应用系统。据此，对相关课程的学习成果进行如下调整：

（1）学生学习完《数据库原理与技术》课程后，应具备：较好的关系数据库理论，为物联网中某一具体应用的数据设计数据库（基于传统关系数据库与大数据平台），进行合理的数据存储、查询等能力。

（2）学生学习完《数据处理与智能决策》课程后，应具备：针对物联网中多态异构的海量数据，基于大数据平台，进行数据预处理，并选择合适的挖掘算法进行数据挖掘等，进而对物体实施智能化控制的能力。

（3）学生进行《物联网应用系统综合课程设计》实践后，应具备：综合所学物联网感知识别层、网络构建层（传输层）及应用层（管理服务与创新应用层）知识，对物联网应用系统进行设计、构建，实现数据采集、存储、分析、挖掘及智能化控制等功能的能力。

2 教学规划与实践

2.1 理論教学规划与实践

规划理论教学时，采用如下思路：结合专业特点，密切联系物联网产业，将物联网数据处理课程有机结合起来，使得课程教学体系具有较强的系统性，学生的知识体系结构更完整、全面，为使学生更好地理解、掌握所学知识在本专业的应用，授课时采用物联网领域相关的案例。

理论教学的内容除了传统的数据处理，还需考虑大数据处理。根据大数据处理过程，可分为大数据采集、大数据预处理、大数据存储及管理、大数据分析及挖掘等环节，其中大数据采集是其他课程涉及的内容，大数据存储及管理在《数据库原理与技术》课程中讲授，大数据预处理、大数据分析及挖掘在《数据处理与智能决策》课程中讲授。

2.1.1 《数据库原理与技术》课程理论教学规划与实践

在《数据库原理与技术》课程中，教学内容应体现两方面内容：

（1）体现共性：关系数据库，讲授关系代数、关系数据库标准语言（SQL语言）、数据库安全性、数据库完整性、关系数据理论（规范化、关系数据库设计）。

（2）体现物联网工程专业的特性：面向物联网传感大数据的分布式数据库，讲授HBase，内容包括HBase基本原理与系统架构，表的数据模型与表结构设计，客户端操作与管理等。

该课程理论总学时为36，其中关系数据库20学时、HBase 16学时。具体学时分配见表1所列。

2.1.2 《数据处理与智能决策》课程理论教学规划与实践

在《数据处理与智能决策》课程中，讲授的内容包括：数据预处理（主要针对物联网异构数据）;关联规则、聚类、决策树、贝叶斯分类、人工神经网络等算法（包括这些算法在物联网中的实际应用）;使用Hadoop生态体系中的Mahout进行数据挖掘。理论总学时为36学时，具体学时分配见表2所列。

2.2 实践教学规划与实践

设置物联网专业数据处理实践教学时，采用如下思路：结合专业特点，密切联系物联网产业，以工程实训项目为驱动，将项目实施作为主线，贯穿于课内外实践教学全过程，各实践环节为项目实施服务，以项目实施的角度进行组织，重视各实践环节间的贯通与融合，这也符合工程教育模式的特点。

首先进行校企合作，从企业处获取真实的数据源，并将其适当裁剪，使企业数据教学化;然后构建与物联网相关的示例数据库与数据仓库，并用于上机实践，使学生得到处理真实数据的体验，以强化综合能力，提高工程素质及创新能力。

2.2.1 《数据库原理与技术》课程实践教学规划与实践

《数据库原理与技术》课程的上机学时为20学时，共5次上机课。操作的数据源采用企业数据教学化后的物联网相关数据。前2次上机为关系数据库方面，采用MySQL作为上机平台;后3次上机为分布式数据库方面，采用HBase。由于关系数据库的2次上机训练度不够，因此采取布置课后上机大作业的方式增强关系数据库的实践操作。具体学时分配见表3所列。

2.2.2 《数据处理与智能决策》课程实践教学规划

《数据处理与智能决策》课程的上机学时调整为12学时，共3次上机课。以教学化后的企业数据（如智能家居、智能交通、智能农业等主题数据）作为挖掘数据源，上机平台由原来的Microsoft SQL Server转变为Hadoop平台，实践基于Mahout大数据挖掘开发。上机内容分别为使用Mahout实践聚类、关联规则、分类算法。最终实现如：检测出植物生长环境中是否发生异常;农业产量预测;挖掘用户的行为特征，预测在时间t时用户将会有什么行为等，并实施智能化控制。具体学时分配见表4所列。

2.2.3 《物联网应用系统综合课程设计》实践教学规划

物联网技术具有鲜明的行业特征，选择几个典型的应用领域，如智能家居、智能交通、智能农业等，结合学校实验条件，设计若干个大型综合性工程实训项目案例，要求学生综合所学物联网感知识别层、网络构建层（传输层）及应用层（管理服务与创新应用层）知识，对物联网应用系统进行设计、构建，实现数据采集、存储、分析、挖掘及智能化控制等功能。使学生直接感受到所学知识在实际工作中的作用與地位，系统地把握项目开发过程，提高学生综合利用所学知识解决实际问题的能力，同时激发学生学习兴趣。

2.3 教学方法改革

2.3.1 多元化的教学方式

采用移动信息化教学软件—蓝墨云班课APP，辅助开展组织课程教学，增强师生间互动，提高学生的学习积极性。

对于课程的某些部分，如相关的先进技术、其他数据库管理系统、数据挖掘某一算法的案例等，让学生走上讲台，把课堂主动权交给学生。这样能够调动学生学习的积极性与主动性，也有利于学生对课程内容的理解掌握及学生学习能力的培养。

2.3.2 项目驱动式的实验实践方法

将物联网中的实际应用项目进行裁剪，分为基础类实验项目与提高类实验项目。基础类实验项目较为简单，均要求学生熟练掌握，涉及基本步骤及基本操作。提高类实验项目较为复杂，设计思想繁杂，涉及知识较多，要求学生基本掌握。提高类实验项目主要锻炼学生系统的综合应用设计能力以及解决问题的能力。两类项目完成后，学生能够基本掌握实际应用项目中数据处理的方法。

学习基础类、提高类实验项目后，组建兴趣研究小组，选取开发难度适宜且有意义的综合性实例项目作为各兴趣小组的课外研究课题，综合性实例项目需要学生具备软硬协同设计思想，能够系统性地把握项目开发过程，将本课程各个相对零散的知识点贯通起来，灵活运用，从整体上把握相关知识。

3 结 语

本文通过两门课程及一门课程设计的教学规划，以提高物联网工程专业学生的数据处理能力，包括理论水平及实践能力，使学生具备一定的大数据知识素养与应用能力;提炼出适合应用型本科物联网工程专业并与行业标准相衔接的数据处理课程规划，并搭建与行业接轨的实践教学环境，采用企业项目数据上机操作，以缩小高校培养人才与用人企业实际需求之间的差距;也可将其作为同类院校物联网专业课程的参考。另外，大数据课程方面的建设也可作为其他专业相关课程的参考。

参 考 文 献

[1]沙知行.大数据下对GS1的思考：一种新型物流信息系统的设想[J].中国市场，2016（19）：30-31，41.

[2]陈良臣.大数据挖掘与分析的关键技术研究[J].数字技术与应用，2015（11）：93，96.

[3]赵永波，陈曙东，管江华，等.基于海云协同的物联网大数据管理[J].集成技术，2014（3）：49，60.

[4]佘亮，曾阳艳，陈荣元.大数据时代下软件工程专业教学改革的探讨[J].计算机教育，2016（2）：127-129.

[5]金松昌，杨树强，樊华，等.面向大型关键业务的Hadoop云计算平台数据安全策略研究[J].信息网络安全，2012（8）：90-93.

[6]潘乐.基于云计算的大数据处理技术研究[J].物联网技术，2017，7（6）：67-68，70.

[7]梁柏榉.大数据技术专业实验教学与创新驱动型人才培养[J].物联网技术，2017，7（10）：113-114.

[8]王永强，张婷.基于“CDIO”工程教育理念的物联网工程专业教学改革探索：以唐山学院为例[J].黑龙江科技信息，2017 （12）：157-158.

[9]郭戈.面向工程教育认证的物联网工程专业改革探索[J].科技视界，2018（12）：134-135.

[10]桂琼，程小辉.新工科物联网工程专业人才培养模式思考[J].高教学刊，2018 （12）：167-169.