计算机大数据论文范文

导语：如何才能写好一篇计算机大数据论文，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

目前，国内高等院校的计算机基础教育更多地沿用了传统计算机教育的方法，只注重讲授计算机的理论知识和操作要领，未考虑学生学习的效果。这导致学生只是记住一些概念和理论，能做基本的操作，却很难用所学的知识灵活地解决实际问题。当前大学计算机基础教育面临以下4个问题：

（1）学生的计算机应用能力差异大

高等院校的学生来自全国各地，而不同地区的中小学计算机教育水平参差不齐。单一的课堂教学已无法保证所有的学生学得会、学得好，这给教学带来了问题。

（2）教学和实验的学时严重不足

目前，各个高校都在减少课时，教师只能在课堂上和实验中加大讲授的知识量，加快教学进度。当一个教师面对几十个学生时，基础较差的学生往往得不到教师足够的指导和练习时间，这给辅导答疑带来了问题。

（3）学习的结果与过程未被记录下来

学生可以利用丰富的网络资源巩固课堂内容，扩大知识面，加深对知识的理解。在传统教学中，教师往往忽视了学生的课后学习，没有记录学习结果与过程，这给教育过程的改进带来了问题。

（4）目前的网络教学系统很少区分学习个体

网络教学系统能够提供大量的多媒体教学资源，帮助教师进行课后辅导答疑，却很少区分学习个体，导致缺乏个体相关的数据，从而难以提供个性化的指导，这给网络教学系统的智能化带来了问题。这些问题归根结底是数据的问题，是数据没有被有效地规划和整合的问题。我们把与学习过程相关的大量数据收集起来，对这些数据进行分析，挖掘出有价值的信息，最后传递给学习者，这是一种解决计算机基础教育所面临问题的可行方法。

2面向计算机基础教育的大数据

在当前知识大爆炸的时代，人们获取知识的途径不仅仅局限于课堂，更多的是网络资源。当代的大学生接受新生事物更快，更愿意在特定的学习情境下去主动构建知识。因此，大学计算机基础教育需要改革现有的教育模式，将大数据技术融入到大学计算机基础教育中，建立与时俱进的大数据驱动的教育模式可以有效解决上述问题。在大数据时代涌现出大量的网络教学系统，随着这些网络教学系统的推广和普遍应用，使用者数量急剧增加，产生了大量的数据。数据之间可能存在某种联系，对这些联系进行分析和挖掘可能会找到有价值的信息。将有价值的信息展现出来，能够帮助我们做出正确的决策。在人类社会的发展已经由动力驱动转变为数据驱动的背景下，教育正在发生着一场新的变革，大学计算机基础教育也面临着类似的机遇和挑战。通过网络教学系统，可以更加方便地获取和利用大学计算机基础教育相关的各种数据

。大学计算机基础教育涉及的数据主要有以下几种：

（1）课件。课件是文字、声音、图像、动画等素材的集合，帮助教师更加生动地讲解课程内容，主要使用PPT和Flash两种文件。

（2）视频。视频是将教师在课堂上的授课内容录制下来，为学生提供课后学习的方式。学生可以在教学系统中下载或在线学习视频内容。

（3）题目。题目主要用于测试学习效果，包括判断题、填空题、选择题、问答题、程序设计题等各种题型。

（4）问题。学生在学习过程中遇到的问题，通过教学系统提交给教师。这些问题反映了学习的难点，是教师在课堂上需要详细讲解的教学内容。

（5）代码。代码是学生做程序设计类题目时所编写的程序代码。学生编写代码的质量可以由教师评判，也可以由系统自动评判。

（6）行为。行为用来记录学生的学习活动，如课件下载行为、视频点播行为、作业浏览行为、编程行为等。这些行为能够反映出学生的学习情况。

（7）缺陷。缺陷是学生提交的作业中包含的各种错误，反映了学习过程中存在的问题。对教学系统而言，这些数据是进行个性化推荐学习的参考依据；对教师而言，这些数据能够提示教学过程中需要特别关注的地方。

（8）过程。过程是指在教学过程中收集到的一些宏观数据，如课件学习过程、视频学习过程、测试过程等。这些过程能够反映出学生学习的个体差异。

3大数据驱动的新模式

在大数据时代，我们可以利用大数据技术在大量与学习相关的数据中挖掘出有价值的信息。这些信息能够帮助学生更加科学有效地学习，较好地解决当前计算机基础教育面临的问题。因此，我们将大数据技术融入到大学计算机基础教育中，提出一种大数据驱动的计算机基础教育新模式。它是在有效规划和整合计算机基础教育大数据的前提下，为学生提供各种自主学习资源和服务的新模式。学生和教师在使用各种网络教学系统时，输入的数据和学习行为都被系统记录下来。利用大数据技术对记录下来的数据进行分析，挖掘出与学生学习特征相关的数据。这些数据为学生的后续学习提供个性化的推荐，规划个性化的学习路线；向教师反馈学生的学习行为和效果，为后续教学提供个性化的推荐，帮助教师改进教学方法。以在线课程系统、在线编程系统和在线答疑系统为代表的各种网络教学系统目前得到了广泛的应用，这些系统本质上都是大数据驱动。实践证明，这些系统的应用将为学生学习和教师教学提供实质性的帮助。

1）在线课程系统是课堂教学的延伸

大型开放式网络课程MOOC是国际上流行的教学平台。自2013年5月以来，北京大学、清华大学、复旦大学、上海交通大学等国内一流高校纷纷宣布加入MOOC，向全球提供免费的在线课程。MOOC采用云计算架构，提供大量的视频学习资源和人机交互功能。学生提交作业后，系统能自动评判作业的质量，以评估学习效果。MOOC的出现给计算机基础教育带来巨大影响。MOOC解决了学生计算机应用能力差异大的问题，学生不管基础如何，都能找到与之相应的学习内容；MOOC弥补了课堂教学学时不足的问题，学生能在课后随时随地找到学习资源；MOOC能够记录学习的结果与过程以及作业中的错误等，这些对于改进教学方式和调整教学重点等都有意义。

2）在线编程系统是实验环节的补充

随着SaaS技术(软件即服务)的不断成熟，出现了许多功能强大的在线编程系统。这给大学计算机基础教育中的程序设计类课程的实验教学

带来了巨大的帮助。使用在线编程系统进行实验的好处有以下几点：

（1）教师不用在实验室的每台计算机中安装软件，学生通过浏览器就可以编写程序；

（2）学生编写的代码都存储在云端，能上网的地方就能练习编程，并且随时可以修改代码，解决了实验教学学时不足的问题；

（3）在线编程系统主要记录代码和代码编写的过程，能够收集实验过程中与学习相关的数据。国外在线编程系统CodeCademy提供了一种学习编程的新方式。它的用户群是零基础的学习者，所以CodeCademy创设趣味性的学习环境，手把手帮助学习者了解编程的过程。它的在线编辑器能让学习者不用寻找、下载和安装编程环境就可以在网络上编程。在线编程系统不仅为实验教学提供了方便的实验环境，还能收集大量的程序代码和学生的编程行为，有助于分析学生的学习特点与习惯，区分学习个体，为制订个性化学习路线提供有价值的数据。

3）在线答疑系统是课后辅导的平台

学生在学习过程中常常会遇到很多问题，这些问题如果能及时得到解答，就能促进学生更深入地学习；反之，就会影响学生的学习效果和积极性。目前，互联网上已经出现了许多人工解答和自动解答的系统。有代表性的是上海交通大学的远程教育设计中心设计开发的AnswerWeb自动答疑系统，它是一个动态的问题及答案的数据库。学生输入关键词后可以在系统已有的问题和答案数据库中查找相关的材料。如果没有找到答案，则会自动转发给教师请求帮助解答。随后，新的提问和答案将被增加到系统库中。系统会记录所有的问题和答案以及学生提问过程中的行为。在线答疑系统应用到大学计算机基础教育中，解决了教师无法在课后对每位学生进行辅导答疑的问题。同时，利用大数据技术，答疑系统将学生提问和获得解答的行为记录下来，自动的分析这些数据，挖掘学习个体特征，为学生的后续学习提供个性化的推荐。

4结语

篇2

一、大数据下的计算机软件技术

（一）云储存服务

在大数据时代的背景下，云储存服务是当今社会有效储存海量数据信息、进行数据信息价值分析与利用的技术。与传统的数据储存技术相比，云储存服务在大大提升自身储存容量，并且能够分类储存不同领域数据的同时，还可以抛弃固定化的储存设备，通过快捷、方便的储存来发挥出该技术协同性、综合性的功能。云储存技术帮助系统利用对数据资源的有效整合来实现提升信息存储效率的目的，同时数据储存较高的安全性也能够为人们日常的工作、生活提供良好的保障。

（二）信息安全技术

由于互联网是大数据处理的基础，其中互联网平台开放度比较高、不同领域数据信息联系紧密，一旦外来病毒、木马攻击互联网平台，部分数据就会受到病毒的感染，并且对其他存在一定关联的数据信息造成不利的连带影响。因此，在大数据时代中需要有互联网信息安全技术来发挥出防护病毒、木马的作用。并且我国还要积极学习发达国家的信息安全技术，通过不断的研究与经验积累来弥补差距，从而也为大数据背景下海量数据信息准确性、安全性的提升作出贡献。

（三）虚拟化技术

虚拟化技术作为资源管理技术的一个分类，能够对各类数据资源进行优化配置，不仅可以为各类不同的场景提供需求，降低了生产管理、资源管理的生产成本，还有效提升了数据资源的利用率。扩展性、可行性、综合性较高的虚拟化技术成为了许多企业与研究机构重点关注的对象，使其在大大降低人力、财力、物力的同时，有利于社会经济效益的可持续发展。因此，在大数据时代背景下，企业要分析自身的发展情况与发展需求，从而顺应时代潮流，做好对虚拟化技术的创新研究，通过较高的科技水平来发挥出虚拟化技术的特点。>>>>推荐阅读：研究高职计算机专业网络教育平台现状

二、大数据下计算机软件技术的具体应用

（一）商业通信领域的应用

由目前情况可知，计算机软件技术在商业通信行业的快速发展中起着十分重要的作用，许多通信工作人员能够通过各类计算机软件技术，来有效分析与记忆所有消费者的不同消费习惯与需求，从而实现用户满意度的提升以及通信企业的良好发展发展。例如，IBMSPSS作为一款测预分析软件，它能够实时掌握用户的信息，通过精准的分析来对用户提供个性化的需求；而功能更加丰富的XO分析软件以通信用户的消费行为基础进行合理的评估报告，不断发掘用户潜在的消费心理，同时它还可以借助网络分析加速器，来检测自身系统存在的问题，并且快速、开心的制定出解决方案。

（二）商业领域的应用

计算机软件技术在商业领域的应用，不仅可以帮助工作人员优化工作结构，做好企业各部门作职责的分配，同时电子商务企业能够借助计算机软件技术来实现数据信息的汇总、处理，从而通过线上或者是线下多种方式促进消费者的消费行为，有利于企业核心竞争力的提高。而在用户信息的管理方面，工作人员可以通过Gognos技术在设备上建立起即时功能平台，用于用户信息的查询。例如，景区里的管理人员能够利用电脑、手机等实时共享设备实现对进出游客的实时控制。

（三）企业信息解决方案方面的应用

在大数据背景下，计算机软件技术还可以用于解决企业在发展过程中容易出现的信息安全问题，管理人员能够通过对数据资料的深入挖掘来掌握准确、有效的市场信息以及风险评估。首先是数据取样环节，企业人员需要在所销售的产品之中随机抽取代表性强的产品，其次是信息收集整合环节，借助计算机软件技术的计算分析来提高结果的可靠性，从而实现帮助企业有效在行业竞争的过程中规避市场风险的目的。

三、结论

结合本文，随着大数据时代的不断发展，计算机软件技术渐渐的与社会上的各行各业有了紧密的联系，在企业行业竞争力的提升中起到了至关重要的作用，并且为各个企业的生产发展提供十分重要的技术保障。因此，计算机软件技术领域应当适应时展要求，以提供优质、安全的数据管理应用为目标，从而在海量数据信息的收集、分析、存储环节中发挥出高效防护、管理的作用，同时还要对计算机信息系统采取有效的措施，充分保障数据信息的安全性。

【计算机硕士论文参考文献】

[1]郝雅萍.基于大数据下计算机软件技术的应用[J/OL].电子技术与软件工程,2019(06):166[2019-04-22].

[2]卢凌.大数据时代下计算机软件技术的应用探索[J].现代工业经济和信息化,2019,9(01):85-86.

[3]王志国.大数据下计算机软件技术的应用分析[J].信息与电脑(理论版),2019(03):103-104.

篇3

关键词：大数据时代；网络通信技术；分析

计算机网络技术的发展与完善，Internet技术应用领域广泛，并且现在人们生活、学习与工作已经离不开计算机网络。现在人们的需要不断变化，计算机远程网络通信技术需要不断更新以适合现代人们的需要，同时保障计算机远程网络通信。在大数据时代，提高计算机远程网络通信的质量，满足用户的需求是迫切需要解决的问题，在大数据时代，如何提高计算机远程网络通信质量，更新计算机远程网络通信技术，保障用户的需求，给计算机远程网络通信技术的专家和学者提供了机遇和挑战，以适合现代社会发展需要。

1大数据时代计算机远程网络通信技术的优势

计算机远程网络通信技术在应用过程中根据用户的需求不断更新，在大数据技术的应用到计算机远程网络通信技术有一定的优势。首先抗干扰性强，计算机远程通信技术在大数据技术的应用下，保障数据传输的有效性，提高了数据传输的抗干扰性，保障了数据传输的准确性。其次有利于与计算机结合，计算机是计算机远程网络通信的主要工具，在大数据技术的应用下，让计算机与计算机远程通信网络能更好的兼容，能更加有效保障通信的质量与效果。最后具有多样性特点，在大数据技术的应用下，根据用户的不同需要，计算机网络通信技术可以给用户提供多种选择方案，为用户提供多样化服务，满足用户的需要，符合现代社会发展，计算机远程网络通信技术改革为用户需求服务。

2大数据时代计算机远程网络通信技术存在的问题

2.1计算机远程网络通信技术故障

大数据时代计算机远程网络通信在运行的过程中，出现计算机远程网络通信技术问题是一种常见问题。计算机远程网络通信技术故障主要表现其一是物理层出现问题，物理层出现问题一般是接口问题，一旦出现问题影响数据的发送与接收，同时也容易被黑客等进行攻击。其二是网络层出现问题，网络层问题一般是路由器出现问题或网络IP地址出现问题，在网络运行的过程中容易出现网络拥塞现象，对网络通信产生一定的影响。当网络层出现问题还有可能受到病毒的攻击，这会给网络通信起到阻碍作用，在网络通信要注重网络病毒的防治，减少网络病毒对网络通信的攻击。

2.2计算机远程网络通信的速度问题

现在人们的生活、学习与工作离不开计算机网络，计算机远程网络通信的速度是大家关心的问题，数据在网络上传输视频、图片等都有传输失败的现象，这都是计算机远程网络通信出现问题，多数都是由于网络拥塞现象造成的，在计算机远程网络通信带宽增加的过程中，但每年网络用户大量增加，这给网络通信的速度带来一定问题，阻碍了人们的正常网络通信。

3大数据时代计算机远程网络通信技术的革新

3.1对计算机远程网络通信技术进行维护

计算机网络远程通信需要网络设备，网络设备需要进行维护保障计算机网络正常通信。在维护的过程中，主要是根据每个企业的情况对其进行定期的检测和维护，为了更好地对计算机进行维护可以让相关人员每天对机器进行检查，对通信的情况进行评价，每周可以做一次汇报总结，对于出现问题的机器要及时进行检修，这样能够保证整个系统的运行。要保障计算机远程网络通信质量，需要对网络通信设备定期进行检测与维护，同时每台设备最后建立档案，同时每台设备都需要有专人负责，建立一种维修维护责任制。

3.2革新计算机远程网络通信的速度

计算机远程网络通信速度是用户最关心的问题，提高计算机远程网络通信速度是一个多元化因素，必须利用现代科学技术，科学有效的保障计算机远程网络通信速度提升。扩大带宽是提高计算机远程网络通信速度提高的有效方法，但提高带宽需要技术支持，同时也需要经济的支持，网络的基础设施需要提升，网络的硬件设备需要购买，这些都是提高网络通信速度的基础，为了保障网络通信速度提升，必须加强网络通信的基础建立，完善网络通信的扩大化，符合现代网络通信的优化。提高计算机远程网络通信速度，需要在软件和硬件方面都进行改变，以适合现代远程网络通信发展的需要，同时能进一步提高用户的满意度，符合现代计算机远程网络通信速度提升的需求。

篇4

1.1建立数学模型

工程上的计算是以函数，尤其是数值函数为基础的。所谓数值函数就是说在函数的定义域中每一点x就可得位移的f{x}值，此值成为f在x处的值。例如，如何表示空气的cp{T,P}函数？我们可以利用计算机，输入程序，就会得到很精确的结果。除了上述问题，还有很多化学工程的数据处理的过程模拟，如：非线性方程求解、线性方程组的迭代求解、常微分方程数值解、偏微分方程数值解等等，都是先建立一个数学模型，然后带入计算机，最终得出一系列结果的。

1.2Office软件在化学工程中的应用

随着计算机的普及，越来越多的人把原本纸上的工作转移到计算机中去了。化学工程学科需要处理大批文档工作。譬如，化工论文的书写、化工文献的编辑、化工产品的说明，这些文档中常常会有大量的图表、公式、特殊符号，会话费人们大量的精力和时间，进而影响新信息的及时传播。有了Office中的Word软件，处理上述问题就方便多了。Word软件能够比较轻松地输入各种文档，还可以对文档进行多种编辑处理。编辑化工论文时经常用到的功能如：

（1）改变字体大小。

（2）随意设定版面。

（3）利绘图工具绘制实验流程图，并修改。

（4）利用公式编辑器编辑数学公式及化学反应式。

（5）可插入表格及页码。

（6）复制和删除方便。Excel工具的强大的分析数据功能可以将数据进行统计，然后将其规律性地展示出来。在处理化工数据时，我们可以利用Excel工具进行求平均值、自编公式计算等。

1.3Origin在化学工程数据处理中的应用

Origin是具有较强功能的实验数据处理软件。可利用Origin进行图形生成，我们可以在软件中输入实验后得到的数据，通过软件得到实验数据曲线图。为利用Origin工具绘制的实验数据图。通过图形或曲线，可以清晰明了地把大数据展示给他人，并从中发现数据之间的规律，以便更好地进行实验。

2结语

篇5

关键词：大数据；Hadoop；分布式；k-means

中图分类号：TP393.02

“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉[1]。随着互联网和信息行业的发展，在日常运营中生成、累积的用户网络行为数据的规模是非常庞大的，以至于不能用G或T来衡量。我们希望从这些结构化或半结构化的数据中学习到有趣的知识，但这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。因此，并行化数据挖掘成为了当下的一个热门研究课题，其主要编程模式包括：数据并行模式，消息传递模式，共享内存模式以及后两种模式同时使用的混合模式[2][3]。

1 国内研究现状

当前中国的云计算的发展正进入成长期，国内很多研究者正进入分布式的数据挖掘领域，利用国外的成熟平台，例如Hadoop来实现大数据的聚类等算法。但是数据的多样性，文本多格式，造成对数据的操作有很大的难度，而如今大多数论文都利用了标准化的mapreduce方法来进行代码的编写，具有一定的通用性，但是Hadoop下还有许多的工具，能够简化m/r过程，同样对一定结构的数据具有很好的并行效果，但是这方面的研究比较少，因此本文引入了HIVE的运用，简化了数据的操作过程，利用类似标准的SQL语句对数据集进行运算，在一定程度上提高了并行化计算的效率。

2 Hadoop并行化基础

数据挖掘（Data Mining）是对海量数据进行分析和总结，得到有用信息的知识发现的过程[4]。其中的聚类是一个重要的研究课题，在面对如此的海量数据，现有的单机模式的挖掘算法在时间与空间上遇到了很大的限制，而并行化处理是一种比较好的解决模式。Hadoop是当下比较热门的一个分布式计算的平台，其中的一个数据仓库工具HIVE简单快捷地实现MapReduce方法，适用于结构化数据的存储模式。

Hadoop是一个分布式系统的基础架构，其平台由两部分组成，Hadoop分布式文件存储系统（HDFS）和MapReduce计算模型[5]。

HDFS的架构是基于一组特定的节点构建的（参见图1），这是由它自身的特点决定的。这些节点包括NameNode（仅一个），它在HDFS内部提供元数据服务；DataNode，它为HDFS提供存储块。由于仅存在一个NameNode，因此这是HDFS的一个缺点（单点失败）。存储在HDFS中的文件被分成块，然后将这些块复制到多个计算机中（DataNode）。这与传统的RAID架构大不相同。块的大小（通常为64MB）和复制的块数量在创建文件时由客户机决定。NameNode可以控制所有文件操作。HDFS内部的所有通信都基于标准的TCP/IP协议。

MapReduce是一种高效的分布式编程模型，用于海量数据（大于1TB）的并行运算[6]，它的主要思想就是映射（Map）和化简（Reduce）。一个任务（Job）需要实现基本的MapReduce过程主要包括三个部分：（1）输入数据；（2）实现Map函数与Reduce函数；（3）实现此任务的配置项（JobConf）[7]，图1描述了实现MapReduce的基本原理：

图1 MapReduce原理图

3 基于HIVE的并行k-means聚类算法设计

3.1 Hive简介

Hive是基于Hadoop的一个数据仓库工具，是建立在Hadoop上的数据仓库基础构架，可以将结构化的数据文件映射为一张数据库表，并提供完整的sql查询功能，可以将sql语句转换为MapReduce任务进行运行。其优点是可以通过类SQL语句快速实现简单的MapReduce统计，不必开发专门的MapReduce应用，十分适合数据仓库的统计分析。

3.2 Hive体系结构

图2 HIVE体系结构图

图2显示了HIVE的主要组件以及它和Hadoop的相互作用[8]，其主要组件说明如下：

外部接口，Hive同时提供了用户界面的命令行（CLI）和Web UI，以及应用程序编程接口（API），如JDBC和ODBC。

Hive Thrift服务器公开了一个简单的客户端API来执行HiveQL语句。Thrift[9]是一个用于跨语言服务的框架，框架内用一种语言（如Java）编写，服务器也可以支持其他的语言的客户端。Thrift Hive客户端用不同语言生成用于构建常用的驱动程序，如JDBC（java），ODBC（c++），以及用php，perl，python等编写的脚本驱动程序。

元数据存储（metastore）是系统目录。所有其他的Hive组件都和metastore有交互。

3.3 K-means算法介绍

k-means算法是最为经典的基于划分的聚类方法，它的基本思想是：以空间中k个点作为中心进行聚类，对最靠近它们的对象进行分类。通过迭代的方法，逐次更新各聚类中心的值，直到有良好的收敛[10]。假设要把样本集分为m个类别，算法描述如下：

（1）适当选择m个类的初始中心；

（2）在第k次迭代中，对任意一个样本，求其到m个中心的距离，将该样本归到距离最短的中心所在的类；

（3）利用欧式距离等方法更新每一个新类的中心值；

（4）对于所有的m个聚类中心，如果利用（2）（3）的迭代法更新后，值保持不变或者变化在可允许范围内，则迭代结束，否则重复（2）（3）步骤。

参考文献：

[1]杜鹃，沈铭思.大数据时代，让子弹飞[J].中国制衣，2013-02-05：12.

[2]胡善杰.数据挖掘算法并行化研究[J].电子世界，2012（12）：67-68.

[3]都志辉.高性能计算之并行编程技术——MPI并行程序设计[M].北京：清华大学出版社，2006.

[4]王超鹏.基于云计算分布式数据挖掘算法研究[J].技术研发，2012：92-104.

[5]Dean J，Ghemawat S.MapReduce：simplified data processing on large clusters[C].Proceedings of Operating Systems Design and Implementation. San Francisco，CA，2004：137-150.

[6]付东华.基于HDFS的海量分布式文件系统研究与优化[J].北京：北京邮电大学软件工程，2012-05.

[7]江小平，李成华，向文，张新访，颜海涛.k-means聚类算法的MapReduce并行化实现[J].华东科技大学学报，2011-06（39）：120-124.

[8]叶文宸.基于HIVE性能优化方法的研究与实践[J].南京：南京大学软件工程学院，2011.

[9]刘书楠.Thrift入门简介[J].YOUNG青年与社会，2013（1）：228.

[10]崔丹丹.K-means聚类算法研究及改进[M].安徽：安徽大学计算机学院，2012-04.

[11]Xu X W，Jager J， Kriegel H P. A fast parallel clustering algorithm for large spaial databases[J].Data Mining aand knowledeg Discovery，1999，3（3）：263-290.

篇6

谷歌有一个名为“谷歌流感趋势”的工具，它通过跟踪搜索词相关数据来判断全美地区的流感情况（比如患者会搜索“流感”两个字）。近日，这个工具发出警告，全美的流感已经进入“紧张”级别。它对于健康服务产业和流行病专家来说是非常有用的，因为它的时效性极强，能够很好地帮助到疾病暴发的跟踪和处理。事实也证明，通过海量搜索词的跟踪获得的趋势报告是很有说服力的，仅波士顿地区就有700例流感得到确认，该地区目前已宣布进入公共健康紧急状态。

这个工具工作的原理大致是这样的：设计人员置入了一些关键词（比如温度计、流感症状、肌肉疼痛、胸闷等），只要用户输入这些关键词，系统就会展开跟踪分析，创建地区流感图表和流感地图。谷歌多次把测试结果与美国疾病控制和预防中心的报告做比对，发现两者结论存在很大相关性。

但它比线下收集的报告强在“时效性”上，因为患者只要一旦觉察有流感症状，在搜索和去医院就诊这两件事上，前者通常是他首先会去做的。就医很麻烦而且价格不菲，如果能通过搜索来寻找到一些自我救助的方案，人们就会第一时间使用搜索引擎。故而，还存在一种可能是，医院或官方收集到的病例只能说明一小部分重病患者，轻度患者是不会去医院成为它们的样本的。

这就是一个典型的“大数据”的应用例子，舍恩伯格的这本《大数据时代》受到了广泛的赞誉，他本人也因此书被视为大数据领域中的领军人物。大数据起源于数据的充裕，舍恩伯格在他的另外一本书《删除》中提到了这些源头：首先，信息的数字化，使得所有信息都可以得到一个完美的副本；其次，存储器越来越廉价，大规模存储这些数字信息成本极低；再次，数据库技术的完善使得这些存储的信息能够被轻易按照一定的条件搜索出来；最后，全球性覆盖，网络是无国界的，A地的数字信息可以让远在天边的B地调用。

当我们掌握有大量的数据后，便可以开始进行所谓“大数据”的操作。大数据在舍恩伯格看来一共具有三个特征：全样而非抽样，效率而非精确，相关而非因果。

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七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，数据仓库里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，在一个总样本为一亿人口的范围中随机抽取1000人，如果在1000人上的运算出现错误的话，那么放大到一亿中会有多大的偏差。但全样本时，有多少偏差就是多少偏差，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。精确的计算是以时间消耗为代价的，但在小数据时代，追求精确是为了避免放大的偏差而不得已为之。但在“样本=总体”的大数据时代，“快速获得一个大概的轮廓和发展脉络，就要比严格的精确性要重要得多”。

第三个特征则非常有趣。相关性表明变量A和变量B有关，或者说A变量的变化和B变量的变化之间存在一定的正比（或反比）关系。但相关性并不一定是因果关系（A未必是B的因）。亚马逊的推荐算法非常有名，它能够根据消费记录来告诉用户你可能会喜欢什么，这些消费记录有可能是别人的，也有可能是该用户历史上的。但它不能说出你为什么会喜欢的原因。难道大家都喜欢购买A和B，就一定等于你买了A之后就要买B吗？未必，但的确需要承认，相关性很高——或者说，概率很大。

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。这本书的译者周涛教授则有不同的看法，他认为，“放弃对因果性的追求，就是放弃了人类凌驾于计算机之上的智力优势，是人类自身的放纵和堕落”。

在笔者看来，双方讨论的可能不是一回事。合恩伯格在这本书中完全不像他在《删除》一书中表现得那么有人文关怀，这是一本纯商业的书籍，商业本来就是以结果为导向的。但周涛谈论的却和“人工智能”有关。

腾讯公司副总裁吴军在他的《数学之美》中曾经提到，人工智能领域曾经走过一个很大的弯路，即人们总是试图让计算机理解人类的指令——注意，是理解，不是知道。但折腾了很多年发现计算机的理解力实在得比三岁小孩还要弱。最终人工智能放弃了这条途径，而改为数据传输和匹配。举个例子说，你在进行语音输入的时候，事实上计算机完全不知道你在说什么，但不妨碍它能够准确地把你说的话尽可能地用字符表达出来。苹果的Siri是很神奇，但它其实并不懂你的意思，而只是你的语音数据和它的后台数据一次匹配而已。

篇7

【关键词】人工智能；计算机网络技术；应用；优化

【中图分类号】TP393【文献标志码】A【文章編号】1673-1069（2020）08-0180-02

1引言

人工智能技术与大数据技术是新时期计算机网络技术快速发展的产物，在这一背景下，人工智能技术、大数据技术应用水平得到了很大提升，各个行业都需要将人工智能技术、大数据技术、计算机技术进行有效融合，积极探索先进技术的应用形式，明确计算机网络技术发展趋势，为技术研发控制工作的开展提供支持，满足计算机网络技术的科学发展需求。基于此，文章阐述了人工智能技术的相关内容，介绍了人工智能在计算机网络技术中的应用，总结了实践应用及优化措施。

2人工智能技术概述

人工智能技术将计算机科学、心理学、生理学、语言学等进行了有效融合，这项技术赋予了机器人工智能功能，机器可以针对复杂、危险的工作进行有效处理，既能够提升工作效率，又可以保障人身安全[1]。目前，人工智能技术呈现出综合性特点，为计算机科学技术的进步、发展提供了技术支持，技术人员需要将人工智能技术作为核心，针对数值计算、问题求解进行优化，可以将其发展成知识处理，人工智能还可以处理各项不确定信息，加深对系统资源状态的实时了解、追踪，以获取更多有效的信息内容，向用户提供更多的信息。人工智能技术的写作能力比较强，能够针对很多资源、信息进行整合，用户可以共享、传输各项信息，根据多写作的分布式人工智能思想、网络管理，提高网络管理工作效率、效益。在网络智能化管理过程中，人工智能具有很大优势，具备很强的学习能力、推理能力，其在网络管理中的应用能够快速、准确处理各项信息，还具备记忆功能，可以存储更多信息，构建信息库，针对信息进行总结，产生高级的信息。

3计算机网络技术中人工智能应用现状

在科学技术的快速发展中，计算机网络涉及范围日益扩大，人工智能技术和计算机网络进行有效融合，人民群众越来越关注人工智能技术优势及发展。在日常工作、生活过程中，人们可以利用人工智能技术，有效地处理模糊信息，改善了传统计算机网络技术局限性的影响，人工智能技术还能够根据网络环境强化信息监控力度，提高工作的准确性。同时，人工智能技术能够确保各项管理工作的协调性，利用人工智能技术可以制定信息约束管理系统，配合人工智能技术全面监测各项网络信息，突出各个管理层相互协作的特征。现阶段，人工智能技术的应用范围更加广泛，并处于快速发展时期，在未来社会的发展中人工智能技术水平也将提升，为人民群众的生活、工作提供更多便利。

4人工智能在计算机网络技术中的应用

4.1网络安全管理

在信息技术的快速发展中，网络安全管理是完善、探索过程中的关键管理工作，网络安全管理工作为提升网络技术应用提供了基础保障，通过确保网络技术应用安全，可以为生产工作的有效性提供支持。在这一背景下，技术人员利用大数据技术、人工智能技术，可以有效地规划网络安全管理工作要点，满足网络安全管理中的各项技术应用需求，其主要原因是大数据技术、人工智能技术的应用，有效地提升了网络安全管理系统的防护能力，为网络安全管理提供了防护保障。例如，在大数据时代，为了满足计算机网络技术、人工智能技术应用需求，应建立网络安全防护中的人工智能防护体系，可以将智能拦截防护技术、人工智能技术进行融合，组建技术控制中的核心防护网络体系，将其作为计算机网络技术传输的信息防护形式。另外，在网络安全管理过程中，利用人工智能技术、大数据技术，可以有效地整合网络安全防护体系，提升网络安全防护技术水平。

4.2数据采集与分析

现阶段，在数据采集分析过程中，技术人员需要强化人工智能技术的应用，工作人员在应用计算机技术的过程中，会产生庞大的数据量，需要挖掘更多的数据，大数据时代信息逐渐呈现出多样性、数据总量大等特点，单纯地依赖传统技术采集数据压力相对较大，而利用人工智能技术可以有效地解决数据采集问题，科学、合理地采集、分析更多数据，有效地提升数据分析效率。

4.3计算机网络系统管理及评价

为了满足大数据时代的多元化功能、服务需求，需要将计算机网络技术、人工智能技术进行融合。在计算机网络安全管理过程中，技术人员需要将人工智能渗透到计算机网络技术中，确保网络管理的安全性，其具备的问题求解技术、专家知识库能够促使计算机网络综合管理。现阶段，计算机网络呈现出瞬变性、动态性、复杂性特点，人工智能技术的应用可以将复杂的计算机网络综合管理进行简单化处理，为综合管理提供便利[2]。同时，以人工智能技术基础发展的专家决策、支持方法，已在信息系统管理中得到了有效应用，并取得了很大效果，专家系统可以自主吸收、总结专家的经验、知识，将更多的经验、知识录入系统中，针对系统知識进行完善，能够利用汇集的专家经验自主解决、处理更多相似问题。另外，人工智能技术在计算机网络管理、系统评价中的应用，可以有效地解决复杂工作。

5人工智能在计算机网络技术中的优化措施

5.1提升人工智能的智能化程度

现阶段，技术人员需要强化人工智能技术研究力度，不断提升智能化水平，充分发挥出人工智能在计算机网络中的作用，为了提升人工智能技术的智能水平，需要针对场景、数据模拟效果进行强化，如人工智能技术的应用可以根据计算机网络技术特点，创新、优化人工智能系统。

5.2政府与企业参与技术创新

人工智能技术属于高新技术，在应用、推广过程中，工作人员需要进行改革创新，政府、企业是人工智能技术的创新主体，对于政府部门来说，企业创新具有很大优势。政府部门需要根据人工智能技术研发相应的政策支持，营造良好的环境，在人工智能技术创新过程中，需要大量资金、优秀人才作为支持，政府部门需要发挥领导作用，鼓励企业进行创新，还需要加大资金投入力度，促使人工智能技术向高层次进行发展。

5.3强化网络安全维护人工智能应用环境

人工智能在计算机网络技术中的应用，需要强化网络安全维护工作，促使人工智能技术更好地应用到计算机网络技术中，相关部门需要强化网络安全维护工作，营造良好的人工智能技术应用环境，重视信息泄露问题，确保各个部门放心使用人工智能技术，实现人工智能技术应用的预期效果[3]。

6结语

篇8

关键词：大数据 云存储 Hadoop HDFS

中图分类号：TP3 文献标识码：A 文章编号：1007-9416（2014）02-0172-01

1 引言

随着移动互联网以及物联网的发展，“大数据”渐渐成为发展的一种趋势，如何有效存储数据成为我们面临的一个问题，云存储技术成为首要选择。因为用户不需要进行硬件的管理和维护，它本身能够根据所需容量大小对用户数据进行定制，从而大大缩减了用户的成本和人力的投入。另外云存储技术具有易扩充、价格低、易管理等优点，同时它也可以通过对外提供数据的存储以及业务的访问功能，以降低数据管理和运维成本。Hadoop分布式文件系统（HDFS）是一个运行在普通的硬件之上的分布式文件系统，具有高传输率、高容错性等特点，来满足当前海量数据的存储管理问题。

本文主要提出了一种在大数据场景下基于HDFS的云存储服务系统设计方案，满足对大数据进行高效存储的需求。

2 HDFS数据管理机制分析

Hadoop是一个分布式系统基础架构，由Apache基金会开发。它实现了一个分布式文件系统，简称HDFS。

由图1可知， HDFS是主从式的分布式系统，对于数据的操作集中在名称节点（NameNode）以及数据节点（DataNode）。NameNode上保存着控制信息的元数据，DataNode上保存的是实际数据，因此客户端可以通过NameNode对元数据进行相关操作。

3 系统分析与设计

3.1 系统分析

目前许多企业面临空前的海量数据管理难题，存储数据的成本也居高不下，并且信息存储的安全性也有待加强。因此，结合云存储的特点，要设计一个成功的云存储服务系统案例，可以从以下几个方面考虑：

（1）大容量。通过对连接的普通PC机上的存储文件类型进行设置，从而合理分配数据。

（2）高效性。将客户端对文件数据的请求尽可能分散，提高其并发性。

（3）安全性。通过Hadoop集群的副本策略提高安全性，同时也可以兼顾Hadoop平台的容错技术。

（4）可扩展性。当请求增加时，系统可以通过增加PC机节点来扩展系统存储容量和计算性能。

3.2 系统设计

本文将设计的基于HDFS的云存储系统命名为“望远镜”云平台系统，实现用户对存储在本地的文件数据进行管理和维护，并可通过客户端将指定文件上传到集群系统中，或实现下载功能。

本系统的功能需求分为管理员的功能需求和普通用户的功能需求。共分为三个模块：管理员、普通用户和平台管理。图2所示为系统功能模块图。

4 结语

本系统的主要任务是对来自用户的大容量数据进行存储，所以系统满意度最重要的判断标准是对于用户作业的处理时间的响应，由于本系统在实现中，因此这部分工作后续完成，另外可以在用户的存储空间管理方面以及信息安全等方面可以进行进一步的优化和改进。

参考文献

[1]http：///.

[2]OtisGosvodnetie，ErikHateher.Lueeneinaetion.London：Manning，2005.

[3]赵文辉，徐俊，周加林，李晨.网络存储技术.北京：清华大学出版社，2005.

[4]黄晓云.基于HDFS的云存储服务系统研究：（硕士学位论文）.大连：大连海事大学，2010.

[5]李武.面向现代服务业的大规模分布式文件存储系统设计和实现：（硕士学位论文）.杭州：浙江大学，2008.

[6]李学干，徐甲同.并行处理技术.北京：北京理工大学出版社，1994.

篇9

【 关键词 】 计算机；网络技术；应用；发展趋势

1 引言

计算机网络技术的发展推动了社会的进步，计算机网络技术的兴起与发展给社会生活与生产带来了质的飞越。当前，计算机网络技术的应用十分广阔，其具体应用主要局域网技术、国际互联网技术以及无线网络技术等。

2 计算机网络技术

2.1 计算机网络技术的内涵及优势

作为电子计算机技术与通信技术结合的产物，计算机网络技术能够充分发挥两者的优势。一般来说，利用光纤、光缆或者双绞线、通信卫星等就可以将分散各处的独立计算机按照网络协议连接组成网络。计算机网络技术的优点是显而易见的，它因为结合了通信技术与计算机技术，不仅能够以高效、便捷的方式进行运算，还能够实现数据资源的存储、传输与共享。

2.2 计算机网络技术的分类

根据划分类型的不同，计算机网络可以分为诸多种类。比如以拓扑结构分类的话，可以细分为环形、星形、树形、复合型、总线型等网络结构；按照连接范围又可分为局域网（LAN）、城域网（MAN）广域网和无线网络（WAN）。当然，计算机网络技术发展迅速，新兴技术还包括搜索引擎、云计算等类型。这些技术特色与优点不同，在各领域有着不同的应用，不仅方便了人们的生活与工作，还进一步推动了科技与社会的发展。

2.3 计算机网络技术的主要功能

计算机网络技术的主要功能可以具体分为几个方面。第一，计算机网络技术的共享功能，也就是能够实现资源的共享。一些重要的数据、参数等资源，可以被计算机利用计算机网络技术进行相互连接，实现数据的复制、传输。第二，计算机网络技术具有协同功能，可以相互协作完成工作。比如网络内部某一台计算机功能受限，无法完成该项工作，就可以借助计算机网络技术将其分配到其他计算机上，从而保障计算机的工作效率。第三，计算机网络技术具备通信功能，也就是数据通信。计算机网络技术可以实现人与人、计算机与计算机、人机之间的相互通信。

3 计算机网络技术的具体应用

3.1 局域网（LAN）技术的应用

局域网技术具有其他计算机网络技术所没有的特点，即低成本、高效益，虽然覆盖范围小，但是也因此而更加方便、快捷，其传输速度快，更加安全可靠。局域网技术在的应用主要分为三类产品。第一，城域网（MAN）。城域网传播速度非常快，目前在城市中的应用多为宽带局域网。因为用户端设备价格低廉，操作简单，因而普及率较高。并且随着城域网技术的不断发展，其传输速率、质量与安全性得到了有效的保证。城域网涉及的技术包括光纤值接入与多业务传送平台等。第二，以太网（Ethernet）。在局域网的发展中，以太网地位尊崇，是发展的主流。以太网主要包括三种结构――10BAST-T、10BASE2、10BASE5。这三种结构各有特点，10BAST-T在上世纪90年代应用较广。随着时代的发展，现如今已出现了传输速率高达100Mps的以太网组网结构。第三，令牌环网（Token-Ring）。该技术有几个优势：优先访问控制权、令牌传输媒体访问以及可以极大的满足用户对网络系统的要求。

3.2 大数据及云计算等新技术的应用

大数据技术在交通、商业、农业、医疗和科研领域应用较广。而云计算主要依托于Internet服务，从而将充分利用网络资源，提高效率。目前来说该两项技术都得到了较多的关注，尤其是云计算技术的受关注程度更高。一些科研人员甚至将其运用到医疗领域，以便其能为人们提供广泛的医疗信息。在教育领域，云计算为教科研工作提供了广阔的平台。电子领域中，云计算提供了高效的运营技术。除此以外，搜索引擎、云技术等计算机网络技术能够对有用资源作自动处理，展现了不同技术相互融合所带来的好处。

3.3 无线网络技术的应用

无线网络技术受到人们的喜爱，尤其是在个人通信领域、家用无线网络等。无线网络技术细分的话又可分为红外技术与射频无线网络技术。前者抗干扰性强，传输速度快且成本低，但是使用范围较窄，因为它无法穿透过厚的水泥板或者墙壁。

4 计算机网络技术的未来发展趋势

4.1 IP协议技术的发展与应用

随着时代的发展以及人们对计算机网络技术需求的激增，IP协议已经不再满足人们的需求。尤其是IPv4的缺陷也暴露出来，其安全性与实时性受到人们的质疑。在这样的背景下IPv6协议产生了。相较于IPv4协议，IPv6有着更加明显的优势，不仅其安全性得到了显著的改善，能够应对IP欺骗、连接截获以及信息报探测等网络攻击行为，还具备一定的自动化特点，可以实现自动配置。将会逐步取代IPv4，成为新一代主流IP协议。

4.2 三网合一技术的全面推进

所谓三网合一技术，指的就是计算机网络、电信网以及有线电视网的相互结合。三网合一的优势就是建设成本降低，并且降低了使用的难度，与社会发展节奏更加契合。总的来说，三网合一技术将带动众多领域的进一步发展，比如远程教育、在线咨询、电子商务以及视频会议等。

5 结束语

可以说，现代社会根本离不开计算机网络技术。目前的电子计算机网络技术应用主要集中在LAN技术、Internet技术以及大数据及云计算技术上。相信随着计算机技术的不断进步以及人们对通信技术的进一步探索，未来的计算机网络技术将得到充足的发展，其前景十分广阔。

参考文献

[1] .新时期计算机网络通信现状及发展趋势研究[J].中国新通信，2015（03）.

[2] 岳政燃.浅谈现有计算机网络技术的应用和发展[J].电子制作，2015（02）.

[3] 张冲.浅谈计算机网络技术在项目信息管理中的运用与发展[J].电子制作，2015（01）.

[4] 左明慧.计算机网络安全技术的应用与发展研究[J].企业导报，2015（11）.

[5] 刘艳，葛丽萍.浅析计算机网络技术在我国邮政企业中的应用与发展[J].信息通信，2015（01）.

篇10

关键词：大数据；统计学；教学改革

中图分类号：C829.29 文献识别码：A 文章编号：1001-828X（2015）024-000-01

一、引言

最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，现在的社会是一个高速发展的社会，科技发达，信息流通，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。大数据具有以下的鲜明特点：第一个特征是数据量大。第二个特征是数据类型繁多，多类型的数据对数据的处理能力提出了更高的要求。第三个特征是数据价值密度相对较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。第四个特征是处理速度快，时效性要求高，这是大数据区分于传统数据挖掘最显著的特征。

统计学专业是与数据分析处理联系最为紧密的学科之一。大数据时代的到来不仅为统计学专业的发展带来的前所未有的机遇，同时也带来了巨大挑战。传统的统计学专业已不再适应大数据时代的信息爆发式增长的要求，这就要求我们应该对统计学专业进行重新定位，并在此基础上调整相关课程，改革传统的教学手段以及完善教学评价体系，以适应大数据时代的到来。

二、统计学专业改革的建议

（一）人才培养目标的重新定位

如果说以往的统计学专业是以培养简单的“应用型”人才为目标，那么随着大数据时代的到来，社会不仅仅需要会应用基础统计知识处理相关领域的问题的单一的应用型人才，而是对人才提出了更高的要求：大数据时代下的统计学专业的人才除了应该具备基础的数据收集，处理和分析的能力之外，还应该了解相关应用领域的背景知识，而且应具备很强的自我学习能力，以适应大数据时代数据量大，总类繁多，时效性高等发展特点。因此，统计学人才培养目标应该重新作出调整，应该以培养全新的“复合型”统计人才为新的目标。

（二）课程设置的调整

随着人才培养目标的重新定位，随之而来的就是应该对不再适应时展要求的课程进行必要的调整。

首先，大数据的分析和处理与以往的经典分析方法有很大不同，以往的统计分析方法主要是建立在抽样基础之上，而大数据时代信息处理迅速，信息获得途径广泛，而且信息价值密度低，这就要求数据处理时，可以以全体作为样本，而不是进行抽样；分析时必须考虑所有数据而不是剔除所谓的异常数据。因此，以往的经典统计分析方法已不再适应大数据的处理和分析，必须适当的调整经典分析方法的课程设置，增加新的适用于大数据分析的课程。

其次，随着数据量的爆发式增长，所有的统计工作对计算机的依赖程度越来越高，这就要求统计学专业的学生不仅掌握统计学专业的基础知识，同时应该熟练掌握计算机专业知识相关知识，因此，在课程安排时，应注意计算机相关课程的适当增加。

基于上述原因，可以考虑增加如下课程：机器学习，模拟算法，数据挖掘，R语言软件分析等课程，同时适当降低传统分析方法课程的学时比重。此外，为了使学生能够对相关应用领域的背景知识有所了解，可适当增设与应用领域相关的通识课程。

（三）教学模式与手段的创新

以往的教学模式，通常是以课堂教学，掌握书本经典理论为主。虽然，传统教学手段有着学生理论基础扎实等诸多优点，但是同时也存才学生过于偏重理论知识的掌握，动手能力不足，理论与实践脱节等缺点。随着社会的发展，尤其统计学专业自身具有鲜明的应用专业特点。只采用传统的教学模式和手段显然不再适合大数据时代的需要；同时，随着大数据时代的到来，多媒体手段日益丰富多彩，为传统教学的创新提供了必要的支持。因此，为了适应大数据时代人才的要求，必须改革传统的教学手段和模式，在传统教学基础上，加大实验教学的比重，在传统教学外，增加社会实践环节，引入微课慕课，翻转课堂等全新教学模式，以提高学生的学习兴趣，锻炼学生理论应用于实践的能力，从而为以后使用大数据时代的工作打下坚实的基础。

（四）教学评价体系的完善

传统的教学评价体系，通常是采用书面考核的方式对学生的学习进行评价，随着时代的发着，单纯的笔试评价不足以衡量学生的全面能力，最后导致出现高分低能的情况的出现。

为了适应大数据时代对人才多方面能力的需求，必须对传统的考核评价体系做出适当的调整，以评价学生的多方面能力，尤其是动手能力，学习能力和应用相关理论处理实际问题的能力。具体可以采用多种考核方法相结合的方式。如：增加平时的考核力度，增加实践项目的考核，通过布置适当的项目论文，采用答辩的形式，以锻炼学生适应以后工作，独立分析解决问题的能力。

此外，传统教学评价体系通常是单方面的，只有对学生成绩的评价，为了适应大数据时代的到来，全面提高教学质量，可采取双向教学评价体系，如：增加学生对教学环节的评价体系。以及教师间同行间的评价体系等。