课程介绍

大数据在不论在研究还是工程领域都是热点之一，算法是大数据管理与计算的核心主题。本课程试图简要介绍大数据计算中涉及到的基本算法设计方法。适用于大数据研究与开发人员，也适用于数据科学爱好者。

大数据算法这门课程旨在通过讲授一些大数据上基本算法设计思想，包括概率算法、I/O有效算法和并行算法，让听课的同学们接触到和传统算法课程不一样的算法设计与分析思路，并且以最新的研究成果为导向，让参与这门课程学习的同学了解大数据算法的前沿知识。通过这门课程的学习，同学可以掌握大数据算法设计的基本思想，并通过本门课程的作业，掌握大数据算法设计与分析的技术。

课程大纲

考核标准

课程评分标准
本课程的综合成绩由以下几部分构成，满分为100分。总分≧60分，为课程合格；≧85分，为课程优秀
1、单元练习
单元练习，通常会与每周学习内容同步发布（也有可能延后几天），以帮助大家回顾课程中的基本知识点。主要形式为客观题，提交后系统自动给出评分。
2、互评作业
互评作业包括 答题阶段 和 互评阶段，都需要大家认真完成。
【答题阶段】：
互评作业通常会与每周学习内容同步发布（也有可能延后几天）。发布之后即进入答题阶段。这一阶段请大家认真回答并注意保存答案、及时提交，在答题截止时间之前可以随时对答案进行修改。
【互评阶段】：
在答题截止时间之后，自动进入互评阶段，这时不能再修改自己的答案，但可以看到参考答案和其他同学的答案，这一阶段需要对至少3名同学的答案进行评分。互评截止时间后，取所有评分的平均值作为该次作业的最终成绩。
   请大家注意，完成答题但没有完成评价任务同样不能获得互评作业分。
3、线下期末考试
授课临近结束，可报名参加线下期末考试。
4、“翻转课堂”加分
根据课程实际运行情况组织形式多样的“翻转课堂”。协助组织、参与、课堂表现优异的学员，可在综合成绩上获得额外加分。

以上四部分综合而得的分数为的综合成绩。
学分学习者综合成绩通过所在学校教务处规定（各校慕课学分政策，请咨询所在学校教务处），“好大学在线”可向学员所在学校教务处申请学分认证。

教材教参

《算法导论(第三版)》（作者：Thomas H.Cormen / Charles E.Leiserson / Ronald L.Rivest / Clifford Stein；译者：殷建平 / 徐云 / 王刚 / 刘晓光 / 苏明 / 邹恒明 / 王宏志 ）一书如下的章节：第1-3章，第5章，第9章，第11章，第12章，第18章，第22-25章和第34-35章。
《概率与计算》（作者：Michael Mitzenmacher；译者：史道齐）一书的如下章节：第1-5章