ĐẠI HỌC CÔNG NGHỆ THÔNG TIN VÀ TRUYỀN THÔNG VIỆT-HÀN TRƯỜNG ĐẠI HỌC ĐÀ NẴNG

<span class="text_page_counter">Trang 1</span><div class="page_container" data-page="1">

<b>ĐẠI HỌC ĐÀ NẴNG CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM </b>

<b>ĐỀ CƯƠNG CHI TIẾT HỌC PHẦN </b>

Trình độ đào tạo: <b>Đại học Chương trình đào tạo: Kỹ sư Ngành: Công nghệ thông tin Chuyên ngành: Khoa học dữ liệu và Trí tuệ nhân tạo </b>

<b>1. Thông tin chung về học phần </b>

<b>1.3 Loại học phần: </b>

🗹 Bắt buộc

🗹 Tự chọn bắt buộc X Tự chọn tự do

<b>1.4 Tên tiếng Anh: </b>Big Data Processing

<b>1.8 Điều kiện tham gia học phần: - Học phần tiên quyết: </b>

- Học phần học trước: Tin học đại cương, Lập trình Python - Học phần song hành:

<b>2. Mơ tả tóm tắt học phần </b>

Học phần nhằm cung cấp cho sinh viên những kiến thức cơ bản về Apache Spark - một trong những công cụ xử lý dữ liệu lớn phổ biến hiện nay, bao gồm: kiến trúc, các chức năng của Spark; lập trình trên Spark; xử lý dữ liệu với Spark SQL; và sử dụng Python để phân tích dữ liệu lớn trên Spark

<b>3. Mục tiêu học phần (Course Objective – viết tắt là CO) 3.1. Mục tiêu chung </b>

Cung cấp cho sinh viên những kiến thức cơ bản về Apache Spark - một trong những công cụ xử lý dữ liệu lớn phổ biến hiện nay

<b>3.2. Mục tiêu cụ thể </b>

</div><span class="text_page_counter">Trang 2</span><div class="page_container" data-page="2">

Sau khi kết thúc học phần, sinh viên có khả năng:

- CO1: Nắm được kiến thức của các công nghệ xử lý dữ liệu lớn. - CO2: Nắm được kiến trúc, các chức năng của Apache Spark. - CO3: Vận dụng được các kiến thức đã học để lập trình trên Spark

- CO4: Vận dụng được các kiến thức đã học để xử lý dữ liệu với Spark SQL. - CO5: Sử dụng Python để phân tích dữ liệu lớn trên Spark.

- CO6: Phát triển các kỹ năng trong môi trường làm việc chuyên nghiệp.

<b>4. Chuẩn đầu ra của học phần (Course Learning Outcome – viết tắt là CLO) </b>

<b>Sau khi kết thúc học phần, sinh viên có khả năng: </b>

<b>Bảng 4.1. Chuẩn đầu ra của học phần (CLO) </b>

CLO1 Nắm được kiến thức về các công nghệ xử lý dữ liệu lớn

CLO2 Nắm được kiến trúc, các chức năng của Apache Spark và cách cài đặt CLO3 Vận dụng được các kiến thức đã học để lập trình trên SPARK

CLO4 Vận dụng được các kiến thức đã học để xử lý dữ liệu với Spark SQL CLO5 Sử dụng Python để phân tích dữ liệu lớn trên Spark.

CLO6 Phát triển các kỹ năng trong môi trường làm việc chuyên nghiệp.

<b>5. Ma trận thể hiện sự đóng góp của các chuẩn đầu ra học phần (CLO) vào việc đạt được các chuẩn đầu ra của CTĐT (PLO) và các chỉ số PI (Performance Indicator) </b>

<i><b>Bảng 5.1. Mối liên hệ giữa CLO và PLO/PI </b></i>

<b>CLO </b>

<b>PLO và chỉ số PI </b>

<b><small>PLO1 PLO2 PLO3 PLO4 PLO5 PLO6 PLO7 PLO8 </small></b>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 3 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 3 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 3 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 3 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>PI 1 </small>

<small>PI 2 </small>

<small>lớn </small>

<b>6. Đánh giá học phần </b>

<b>Sinh viên được đánh giá kết quả học tập trên cơ sở điểm thành phần như sau: </b>

<b>Bảng 6.1. Phương pháp, hình thức kiểm tra - đánh giá kết quả học tập của SV </b>

<b><small>Thành phần đánh giá </small></b>

<b><small>Trọng số (%) </small></b>

<b><small>CLO </small></b>

<b><small>Hình thức kiểm tra đánh giá </small></b>

<b><small>Công cụ đánh giá </small></b>

<b><small>Trọng số CLO</small></b>

<b><small>trong thành phần đánh giá </small></b>

<b><small>(%) </small></b>

<b><small>Lấy dữ liệu đo lường mức độ đạt </small></b>

A1. 30% CLO6 Chuyên cần Điểm danh 33.3%

</div><span class="text_page_counter">Trang 3</span><div class="page_container" data-page="3">

Đánh giá quá trình

CLO3 CLO4 CLO5

Thực hành trên máy tính

Bài tập

cá nhân ^66.7%A2.

Đánh giá giữa kỳ

20%

CLO1 CLO2 CLO3

Trắc nghiệm ^{Đề kiểm tra}_{trắc nghiệm} 100% A3.

Đánh giá

cuối kỳ ^50%

CLO2 CLO3 CLO4 CLO5

Dự án theo nhóm

Sản phẩm

phần mềm ^100%

<b>7. Kế hoạch và nội dung giảng dạy học phần </b>

<b>Bảng 7.1. Kế hoạch và nội dung giảng dạy của học phần theo tuần phần lý thuyết Tuần </b>

<b>(3 tiết) </b>

<b><small>Bài đánh </small></b>

<b><small>giá </small></b>

<b><small>CĐR học phần </small></b>

<b>1-2 </b>

<b>CHƯƠNG 1 TỔNG QUAN VỀ DỮ LIỆU LỚN </b>

− Khái niệm dữ liệu lớn − Ứng dụng của dữ liệu lớn − Sự khác biệt giữa dữ liệu

<small>- Giảng bài kết hợp chiếu slide. </small>

<small>- Đặt câu hỏi, sinh viên suy nghĩ, trả lời. </small>

<b><small>Học ở lớp: </small></b>

<small>- Nghe giảng. </small>

<small>- Trả lời câu hỏi của giảng viên </small>

<small>- Đặt câu hỏi về vấn đề liên quan bài học. </small>

<b><small>Học ở nhà: </small></b>

<small>- Ôn lại lý thuyết, làm bài tập. </small>

<small>- Đọc tài liệu, tìm hiểu nội dung bài mới. A1 A2 A3 </small>

<small>CLO1 CLO6 </small>

<b>3-4 </b>

CHƯƠNG 2

<b>CƠ BẢN VỀ APACHE SPARK </b>

− Tổng quan về Apache Hadoop và Spark − Apache Hadoop − Apache Spark

− Sự khác biệt giữa Apache Hadoop và Spark

− Các tính năng của Spark − Kiến trúc của Spark

<b><small>Dạy: </small></b>

<small>- Giảng bài kết hợp chiếu slide. </small>

<small>- Đặt câu hỏi, sinh viên suy nghĩ, trả lời. </small>

<b><small>Học ở lớp: </small></b>

<small>- Nghe giảng. </small>

<small>- Trả lời câu hỏi của giảng viên </small>

<small>- Đặt câu hỏi về vấn đề liên quan bài học. </small>

<b><small>Học ở nhà: </small></b>

<small>- Ôn lại lý thuyết, làm bài tập. </small>

<small>- Đọc tài liệu, tìm hiểu nội dung bài mới. A1 A2 A3 </small>

<small>CLO2 CLO6 </small>

<b>5-6 </b>

<b>CHƯƠNG 3 </b>

<b>MƠ HÌNH LẬP TRÌNH TRONG SPARK </b>

− Spark RDD (Resilient Distributed Dataset) là gì? − Chuyển đổi dữ liệu và các

thao tác với RDD

− Lập trình cơ bản với Spark − MapReduce

− Các thao tác khác − Tạo RDD từ file

− Giới thiệu bộ thư viện của Spark

<small>- Trả lời câu hỏi của giảng viên </small>

<small>- Đặt câu hỏi về vấn đề liên quan bài học. </small>

<b><small>Học ở nhà: </small></b>

<small>- Ôn lại lý thuyết, làm bài tập. </small>

<small>- Đọc tài liệu, tìm hiểu nội dung bài mới. A1 A2 A3 </small>

<small>CLO2 CLO3 CLO6 </small>

</div><span class="text_page_counter">Trang 4</span><div class="page_container" data-page="4">

<b>7 Kiểm tra giữa kỳ </b>

<b>8-9 </b>

<b>CHƯƠNG 4 SPARK SQL </b>

− Spark SQL là gì? − DataFrame − Dataset − Data Catalog

− Gộp và nối dữ liệu trong Spark SQL

<small>- Trả lời câu hỏi của giảng viên </small>

<small>- Đặt câu hỏi về vấn đề liên quan bài học. </small>

<b><small>Học ở nhà: </small></b>

<small>- Ôn lại lý thuyết, làm bài tập. </small>

<small>- Đọc tài liệu, tìm hiểu nội dung bài mới.</small>

<small>A1 A3 </small>

<small>CLO2 CLO4 CLO6 </small>

− Thiết lập dataset − Làm việc với biểu đồ

<small>- Trả lời câu hỏi của giảng viên </small>

<small>- Đặt câu hỏi về vấn đề liên quan bài học. </small>

<b><small>Học ở nhà: </small></b>

<small>- Ôn lại lý thuyết, làm bài tập. </small>

<small>- Đọc tài liệu, tìm hiểu nội dung bài mới.</small>

<small>A1 A3 </small>

<small>CLO2 CLO5 CLO6 </small>

<b>8. Học liệu </b>

<b>Bảng 8.1. Sách, giáo trình, tài liệu tham khảo </b>

<b>XB </b>

<b>Tên sách, giáo trình, tên bài báo, văn bản </b>

<b>NXB, tên tạp chí/ nơi ban hành VB Giáo trình chính </b>

1 ^{Rajanarayanan}

Thottuvaikkatumana <b>^{2016 Apache Spark 2 for Beginners}</b> ^{Packt Publishing}

<b>Sách, giáo trình tham khảo </b>

1

Holden Karau, Andy Konwinski, Patrick Wendell, Matei Zaharia

2015 ^{Learning Spark: Lightning-Fast}

Big Data Analysis ^{O'Reilly Media}

<b>Bảng 8.2. Danh mục địa chỉ web hữu ích cho HP </b>

<b>Ngày cập nhật </b>

<b>9. Cơ sở vật chất phục vụ giảng dạy </b>

<b>Bảng 9.1. Cơ sở vật chất giảng dạy của HP T</b>

<b>T </b>

<b>Tên giảng đường, cơ sở TH </b>

<b>Danh mục trang thiết bị, phần mềm </b>

<b>chính phục vụ TN,TH ^{Phục vụ cho}nội dung Bài học </b>

<small>Thiết bị, phần mềm Số lượng </small>

<i>1 Phòng học lý thuyết Bảng, máy chiếu, phấn 01 05 chương </i>

<b> Đà Nẵng, ngày 02 tháng 01 năm 2022 </b>

</div>