课程大纲：形式科学 - 计算机科学 - 数据库 - 数据仓库

第1周：课程介绍与基础概念

  • 主题：数据库与数据仓库简介
  • 学习目标：
    1. 理解数据管理和存储的基本概念
    2. 识别不同类型的数据模型（关系型、非关系型等）
  • 阅读/资源：
  • 教学方法：讲座、概念讲解
  • 评估：小测验

第2周：关系数据库

  • 主题：SQL语言与关系模型
  • 学习目标：
    1. 学习SQL查询基础
    2. 设计简单的关系数据库表
  • 阅读/资源：
    • Oracle SQL教程
    • PostgreSQL官方文档
  • 教学方法：讲座+实践练习
  • 评估：SQL查询作业

第3周：数据仓库架构

  • 主题：星形/雪花模式与OLAP
  • 学习目标：
    1. 理解数据仓库的目的和设计原则
    2. 学习维度表和事实表的区别
  • 阅读/资源： -《数据仓库：概念与实践》 -Microsoft Power BI入门
  • 教学方法：讲座+小组讨论
  • 评估：数据仓库设计案例分析

第4周：ETL过程与工具

  • 主题：数据抽取、转换与加载
  • 学习目标：
    1. 了解ETL工作流
    2. 掌握至少一种ETL工具（如Talend或Pentaho）
  • 阅读/资源：
    • Talend或Pentaho用户手册
    • ETL最佳实践案例
  • 教学方法：讲座+实践操作
  • 评估：小型ETL项目

第5周：数据仓库性能优化

  • 主题：索引、分区与缓存
  • 学习目标：
    1. 优化查询性能策略
    2. 识别并解决性能瓶颈
  • 阅读/资源： -《数据库系统性能调优》 -MySQL Performance Blog
  • 教学方法：讲座+案例研究
  • 评估：性能优化方案报告

第6周：大数据与NoSQL数据库

  • 主题：Hadoop与NoSQL简介
  • 学习目标：
    1. 简单理解大数据处理框架
    2. 了解NoSQL数据库的特点和应用场景
  • 阅读/资源：
    • Hadoop官方文档
    • MongoDB或Cassandra教程
  • 教学方法：讲座+研讨会
  • 评估：选择性项目：使用Hadoop处理小规模数据

结束课程

  • 主题：总结与未来趋势
  • 学习目标：回顾所学，展望数据仓库未来发展
  • 教学方法：讨论与自我评估
  • 评估：期末项目报告或总结演讲

通过本课程，学生将能理解和应用数据仓库的基本原理和技术，为实际数据分析项目打下坚实的基础。