數(shù)據(jù)倉庫與數(shù)據(jù)挖掘 教學(xué)大綱、授課計劃

數(shù)據(jù)科學(xué)與大數(shù)據(jù)專業(yè)課程教學(xué)大綱數(shù)據(jù)倉庫與數(shù)據(jù)挖掘一、說明（一）課程性質(zhì)本課程以數(shù)據(jù)倉庫和數(shù)據(jù)挖掘為主要內(nèi)容，講述數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念和方法，包括數(shù)據(jù)預(yù)處理、數(shù)據(jù)倉庫與聯(lián)機分析處理、數(shù)據(jù)倉庫的設(shè)計與開發(fā)、以及數(shù)據(jù)挖掘的主要功能、數(shù)據(jù)挖掘、機器學(xué)習(xí)算法和應(yīng)用，并通過對實際數(shù)據(jù)的分析更加深入地理解常用的數(shù)據(jù)挖掘與機器學(xué)習(xí)模型。培養(yǎng)學(xué)生數(shù)據(jù)分析和處理的能力。該課程的先修課程有概率論與數(shù)理統(tǒng)計、數(shù)據(jù)庫原理和程序設(shè)計等。（二）教學(xué)目的本課程的主要目的是培養(yǎng)學(xué)生的數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本理論分析與應(yīng)用實踐的綜合能力。通過本課程的教學(xué)，使學(xué)生掌握數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的一般原理和處理方法，能使用機器學(xué)習(xí)理論解決數(shù)據(jù)挖掘相關(guān)的問題。（三）教學(xué)內(nèi)容本課程全面而又系統(tǒng)地介紹了倉庫與數(shù)據(jù)挖掘的方法和技術(shù)，反映了當(dāng)前數(shù)據(jù)倉庫與數(shù)據(jù)挖掘研究的最新成果。本課程主要學(xué)習(xí)的內(nèi)容包括Python數(shù)據(jù)分析與可視化基礎(chǔ)、認識數(shù)據(jù)、數(shù)據(jù)預(yù)處理、回歸分析、關(guān)聯(lián)規(guī)則挖掘、分類與預(yù)測、聚類分析、神經(jīng)網(wǎng)絡(luò)與機器學(xué)習(xí)基礎(chǔ)、離群點檢測以及Python數(shù)據(jù)挖掘案例分析等內(nèi)容。（四）教學(xué)時數(shù)本課程的教學(xué)時數(shù)為72學(xué)時，理論教學(xué)54學(xué)時，實驗教學(xué)18學(xué)時。（五）教學(xué)方式多媒體機房教學(xué)、案例導(dǎo)向、項目驅(qū)動等教學(xué)方法、啟發(fā)學(xué)生對學(xué)科知識的把握理解和實際操作能力。課程教學(xué)方法的改革以調(diào)動學(xué)生的積極性為核心。除講授、提問、學(xué)生分析、討論等常用的方法外，結(jié)合管理課程的特點，適應(yīng)本科生培養(yǎng)的要求，探索并完善以參與式、體驗式、交互式和模擬教學(xué)等實踐教學(xué)為基本形式的多種方法。并建立紙質(zhì)、聲音、電子、網(wǎng)絡(luò)等多種媒體構(gòu)成的立體化教學(xué)載體。本課程的教學(xué)方式主要采用課堂講授和實驗操作，包括：課堂講授、多媒體教學(xué)、實驗操作、算法分析與設(shè)計、習(xí)題解析、課堂討論、批改作業(yè)、課外輔導(dǎo)等多種形式相結(jié)合，保證學(xué)生掌握數(shù)據(jù)挖掘與機器學(xué)習(xí)的基本知識，理解算法的實現(xiàn)，培養(yǎng)學(xué)生的自學(xué)能力、分析問題和解決問題的能力。教學(xué)方法：采用啟發(fā)式教學(xué)和探究式教學(xué)，以學(xué)生為主體，鼓勵學(xué)生自己針對某種數(shù)據(jù)挖掘與機器學(xué)習(xí)算法進行分析和研究，培養(yǎng)學(xué)生的自學(xué)能力。教學(xué)手段：充分利用電子教案、CAI課件和網(wǎng)絡(luò)教學(xué)平臺等多種教學(xué)手段和資源?？荚嚟h(huán)節(jié)：兩次課堂小測驗；學(xué)期末學(xué)生分為若干小組，每個小組研究討論并實現(xiàn)某一前沿的數(shù)據(jù)挖掘算法或者實現(xiàn)實際的數(shù)據(jù)挖掘案例，以報告的形式進行講解，最后提交一份課程學(xué)術(shù)報告。二、本文理論部分第一章緒論教學(xué)要點：1.理解和掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的基本概念、數(shù)據(jù)倉庫的定義、組成以及數(shù)據(jù)挖掘的過程、數(shù)據(jù)挖掘的主要任務(wù)以及數(shù)據(jù)挖掘使用的主要技術(shù)。2.了解數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的應(yīng)用和面臨的問題。3.對數(shù)據(jù)挖掘能夠解決的問題和解決問題思路有清晰的認識。4.熟練應(yīng)用Jupyternotebook的開發(fā)環(huán)境。教學(xué)時數(shù)：2學(xué)時。教學(xué)內(nèi)容：數(shù)據(jù)倉庫簡介1.了解數(shù)據(jù)倉庫的定義和特點。數(shù)據(jù)倉庫與操作型數(shù)據(jù)庫的關(guān)系1.熟練掌握數(shù)據(jù)倉庫與數(shù)據(jù)庫的區(qū)別。第三節(jié)數(shù)據(jù)倉庫的組成1.掌握數(shù)據(jù)倉庫系統(tǒng)的組成。第四節(jié)數(shù)據(jù)倉庫的應(yīng)用1.了解數(shù)據(jù)倉庫的應(yīng)用場景。第五節(jié)基于Hadoop/Hive的數(shù)據(jù)倉庫技術(shù)了解基于Hadoop/Hive的數(shù)據(jù)倉庫技術(shù)。第六節(jié)數(shù)據(jù)挖掘的主要任務(wù)和數(shù)據(jù)源理解數(shù)據(jù)挖掘中的主要問題，任務(wù)和數(shù)據(jù)源。第七節(jié)數(shù)據(jù)挖掘與機器學(xué)習(xí)常用的建模工具1.了解數(shù)據(jù)挖掘的商用和開源工具。第八節(jié)利用Python進行數(shù)據(jù)挖掘1.掌握Python數(shù)據(jù)挖掘的常用類庫。2.熟悉JupyterNotebook的使用方法。第九節(jié)數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別與聯(lián)系1.掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的區(qū)別及聯(lián)系考核要點：掌握數(shù)據(jù)倉庫與數(shù)據(jù)挖掘的定義和功能，理解數(shù)據(jù)挖掘在何種數(shù)據(jù)上進行,數(shù)據(jù)挖掘可以挖掘什么類型的模式，掌握初級的數(shù)據(jù)倉庫技術(shù)。第二章認識數(shù)據(jù)教學(xué)要點：1.理解和掌握數(shù)據(jù)對象和屬性類型，數(shù)據(jù)的基本統(tǒng)計描述，掌握度量數(shù)據(jù)相似性和相異性的方法。2.了解數(shù)據(jù)可視化的方法。教學(xué)時數(shù)：2學(xué)時。教學(xué)內(nèi)容：第一節(jié)數(shù)據(jù)對象與屬性類型1.熟練掌握數(shù)據(jù)的屬性類型。第二節(jié)數(shù)據(jù)的基本統(tǒng)計描述1.熟練掌握中心趨勢度量的方法、度量分散程度的方法、數(shù)據(jù)基本統(tǒng)計描述圖形顯示的方法。第三節(jié)數(shù)據(jù)可視化1.了解數(shù)據(jù)可視化的方法。第四節(jié)度量數(shù)據(jù)的相似性和相異性1.熟練掌握度量數(shù)據(jù)相似性和相異性的方法?？己艘c：了解數(shù)據(jù)的屬性類型，理解數(shù)據(jù)的基本統(tǒng)計描述,掌握度量數(shù)據(jù)相似性和相異性的方法。第三章數(shù)據(jù)預(yù)處理教學(xué)要點：1.了解數(shù)據(jù)預(yù)處理的目的和意義。2.掌握如何對數(shù)據(jù)進行清理。3.掌握如何對不同數(shù)據(jù)源的數(shù)據(jù)進行合并。4.掌握如何對數(shù)據(jù)進行變換，使之適合建模的需要。5.掌握如何對數(shù)據(jù)進行消減，使得在消減后的數(shù)據(jù)集上挖掘更有效。6.掌握利用Python進行數(shù)據(jù)預(yù)處理的方法。教學(xué)時數(shù)4學(xué)時。教學(xué)內(nèi)容：數(shù)據(jù)預(yù)處理概述了解為什么要對數(shù)據(jù)預(yù)處理。數(shù)據(jù)的質(zhì)量要求數(shù)據(jù)清理理解缺失值、噪音數(shù)據(jù)的處理方法。利用Python進行數(shù)據(jù)清理的方法。第三節(jié)數(shù)據(jù)集成理解數(shù)據(jù)集成的方法。利用Python進行數(shù)據(jù)合并。第四節(jié)數(shù)據(jù)變換與數(shù)據(jù)離散化1.了解數(shù)值數(shù)據(jù)的離散化和概念分層產(chǎn)生。2.熟練掌握數(shù)據(jù)變換和數(shù)據(jù)離散化的方法。第五節(jié)數(shù)據(jù)歸約1.了解維歸約：可以檢測并刪除不相關(guān)、弱相關(guān)或冗余的屬性或維。2.理解數(shù)據(jù)壓縮：使用編碼機制壓縮數(shù)據(jù)集。3.理解數(shù)值壓縮：用替代的、較小的數(shù)據(jù)表示替換或估計數(shù)據(jù)，如參數(shù)模型（只需要存放模型參數(shù)，而不是實際數(shù)據(jù)）或非參數(shù)方法，如聚類、選樣和使用直方圖?？己艘c：理解數(shù)據(jù)清理、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)變換于數(shù)據(jù)離散化的方法,掌握數(shù)據(jù)預(yù)處理的基本方法。第四章數(shù)據(jù)倉庫與聯(lián)機分析處理教學(xué)要點：1.掌握數(shù)據(jù)倉庫的體系。2.掌握多維數(shù)據(jù)模型與OLAP。3.掌握數(shù)據(jù)倉庫的維度建模。4.了解數(shù)據(jù)倉庫的發(fā)展。教學(xué)時數(shù)：4學(xué)時。教學(xué)內(nèi)容：第一節(jié)數(shù)據(jù)倉庫的體系1.理解數(shù)據(jù)倉庫的體系結(jié)構(gòu)。2.理解數(shù)據(jù)倉庫中的ETL、數(shù)據(jù)集市和元數(shù)據(jù)。第二節(jié)多維數(shù)據(jù)模型與OLAP1.掌握多維數(shù)據(jù)模型的概念。2.理解OLAP的含義和基本操作。3.掌握多維數(shù)據(jù)建模的實現(xiàn)過程。第三節(jié)數(shù)據(jù)倉庫的維度建模1.理解數(shù)據(jù)倉庫的維度建模。2.理解星型模型和雪花模型。第四節(jié)數(shù)據(jù)倉庫的發(fā)展了解動態(tài)數(shù)據(jù)倉庫。了解數(shù)據(jù)中心和數(shù)據(jù)中臺?？己艘c：掌握數(shù)據(jù)倉庫體系、OLAP及維度建模。第五章數(shù)據(jù)倉庫設(shè)計與開發(fā)教學(xué)要點：1.掌握數(shù)據(jù)倉庫設(shè)計的過程。2.掌握基于Hive的數(shù)據(jù)倉庫實現(xiàn)教學(xué)時數(shù)：4學(xué)時。教學(xué)內(nèi)容：第一節(jié)數(shù)據(jù)倉庫設(shè)計概述1.了解數(shù)據(jù)倉庫設(shè)計的特點。2.掌握數(shù)據(jù)倉庫的構(gòu)建模式。第二節(jié)數(shù)據(jù)倉庫設(shè)計1.掌握數(shù)據(jù)倉庫規(guī)劃、需求分析及概念設(shè)計。2.理解數(shù)據(jù)倉庫邏輯模型設(shè)計。3.理解數(shù)據(jù)倉庫物理設(shè)計。4.了解數(shù)據(jù)倉庫的部署與維護。第三節(jié)基于Hive的數(shù)據(jù)倉庫實現(xiàn)1.理解Hive數(shù)據(jù)倉庫和數(shù)據(jù)庫比較。2.掌握數(shù)據(jù)倉庫的常用操作。3.掌握利用Hive建立數(shù)據(jù)倉庫?？己艘c：掌握數(shù)據(jù)倉庫的設(shè)計過程與方法，利用Hive進行數(shù)據(jù)倉庫設(shè)計開發(fā)。第六章回歸分析教學(xué)要點：1.掌握回歸分析原理。2.掌握一元線性回歸分析。3.掌握多元線性回歸分析。4.掌握邏輯回歸。5.了解其他回歸分析。教學(xué)時數(shù)：4學(xué)時。教學(xué)內(nèi)容：第一節(jié)回歸分析概述1.理解回歸分析的定義與分類。2.理解回歸分析的過程。第二節(jié)一元線性回歸分析1.掌握一元線性回歸方法。2.理解一元線性回歸模型的參數(shù)估計。3.理解一元線性回歸模型的誤差方差估計。4.掌握利用Python進行一元線性回歸。第三節(jié)多元線性回歸1.理解多元線性回歸模型。2.理解多元線性模型的參數(shù)估計。3.了解多元線性回歸的假設(shè)檢驗及其評價。4.掌握利用Python進行多元線性回歸。第四節(jié)邏輯回歸理解Logistic回歸模型。掌握利用Python進行Logistic回歸?？己艘c：掌握回歸的定義，各類回歸的原理及Python實現(xiàn)。第七章關(guān)聯(lián)規(guī)則挖掘教學(xué)要點：1.了解關(guān)聯(lián)規(guī)則的基本思想、概念和意義。2.了解關(guān)聯(lián)規(guī)則挖掘的應(yīng)用背景；掌握常用的關(guān)聯(lián)規(guī)則算法。3.掌握利用Python實現(xiàn)關(guān)聯(lián)規(guī)則分析。4.了解其它方法的內(nèi)容、了解關(guān)聯(lián)規(guī)則挖掘的研究動態(tài)。教學(xué)時數(shù)： 4學(xué)時。教學(xué)內(nèi)容：第一節(jié)關(guān)聯(lián)規(guī)則分析概述1.了解購物籃分析。2.熟練掌握頻繁項集、閉項集和關(guān)聯(lián)規(guī)則的概念。3.理解頻繁模式挖掘的路線圖。第二節(jié)頻繁項集挖掘方法1.掌握Apriori算法：使用候選項集找頻繁項集。2.掌握由頻繁項集產(chǎn)生關(guān)聯(lián)規(guī)則的方法。3.理解提高Apriori算法有效性的方法。4.掌握挖掘頻繁項集的模式增長方法。第三節(jié)關(guān)聯(lián)規(guī)則評估方法1.了解強關(guān)聯(lián)規(guī)則不一定是有趣的。2.使用提升度進行相關(guān)分析。考核要點：了解頻繁項集、閉項集和關(guān)聯(lián)規(guī)則的概念，理解模式評估方法,掌握Apriori算法和挖掘頻繁項集的模式增長方法。 第八章分類教學(xué)要點：1.了解分類及預(yù)測的基本思想、概念和意義。2.掌握常用的分類及預(yù)測算法（或模型）。3.了解分類及預(yù)測挖掘的研究動態(tài)。4.掌握利用Python實現(xiàn)各種分類算法的方法。教學(xué)時數(shù)： 12學(xué)時。教學(xué)內(nèi)容：第一節(jié)基本概念1.了解分類和預(yù)測的定義。第二節(jié)決策樹規(guī)約1.理解決策樹歸納的概念。2.掌握屬性選擇度量的方法。3.理解樹剪枝。4.決策樹的Python實現(xiàn)。第三節(jié)K近鄰算法1.K近鄰算法原理。2.Python算法實現(xiàn)。第四節(jié)支持向量機1.SVM算法原理。2.Python算法實現(xiàn)。第五節(jié)貝葉斯分類1.理解貝葉斯定理。2.掌握樸素貝葉斯分類算法。3.樸素貝葉斯算法的Python實現(xiàn)。第六節(jié)模型評估與選擇1.分類器性能的度量。2.模型選擇。3.利用Python實現(xiàn)模型的評估與選擇。第七節(jié)組合分類組合方法簡介。袋裝。提升和AdaBoost。隨機森林?？己艘c：了解分類的概念，理解評估分類器性能的度量方法,掌握決策樹分類算法、SVM、貝葉斯分類算法、模型評估與選擇、組合分類及利用Python實現(xiàn)分類的方法。第九章聚類教學(xué)要點：1.了解如何計算由各種屬性和不同的類型來表示的對象之間的相異度。2.掌握K-Means聚類、層次聚類、基于密度的聚類和其他常用方法。3.掌握利用sklearn實現(xiàn)聚類的方法。教學(xué)時數(shù)： 10學(xué)時。教學(xué)內(nèi)容：第一節(jié)聚類分析的概念1.理解什么是聚類分析。2.了解對聚類分析的要求。3.掌握基本的聚類方法。 第二節(jié)K-Means聚類掌握典型的劃分方法：K-Means和K-Medoids。掌握利用sklearn實現(xiàn)K-means聚類。第三節(jié)層次方法1.理解凝聚的和分裂的層次聚類。2.掌握簇間的距離度量。3.分裂和凝聚的層次聚類算法。4.算法實現(xiàn)。第四節(jié)基于密度的方法1.算法原理。2.掌握DBSCAN算法。3.掌握算法的Python實現(xiàn)。第五節(jié)其他聚類算法1.了解STING算法。2.了解COBWEB算法。3.掌握模糊聚類算法。第六節(jié)聚類評估1.估計聚類趨勢。2.學(xué)習(xí)確定簇數(shù)的方法。3.測定聚類質(zhì)量?？己艘c：了解聚類的概念，掌握k-Means和k-Medoids算法、層次方法和基于密度的方法等典型算法及其Python的實現(xiàn)方法。第十章神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)教學(xué)要點：1.了解理解神經(jīng)網(wǎng)絡(luò)與深度學(xué)習(xí)的原理。2.掌握感知機與BP神經(jīng)網(wǎng)絡(luò)的原理。3.了解深度學(xué)習(xí)基礎(chǔ)。教學(xué)時數(shù)： 2學(xué)時。教學(xué)內(nèi)容：第一節(jié)神經(jīng)網(wǎng)絡(luò)基礎(chǔ)1.理解神經(jīng)元模型。2.理解感知機與多層網(wǎng)絡(luò)。 第二節(jié)BP神經(jīng)網(wǎng)絡(luò)理解多層前饋神經(jīng)網(wǎng)絡(luò)。理解后向傳播算法。了解BP神經(jīng)網(wǎng)絡(luò)應(yīng)用。第三節(jié)深度學(xué)習(xí)1.理解深度學(xué)習(xí)基本原理。2.了解常用的深度學(xué)習(xí)算法?？己艘c：了解神經(jīng)網(wǎng)絡(luò)的概念，掌握感知機模型和BP神經(jīng)網(wǎng)絡(luò)、了解深度學(xué)習(xí)算法。第十一章離群點檢測教學(xué)要點：1.了解離群點的概念與檢測方法。2.掌握sklearn中的異常值檢測方法。教學(xué)時數(shù)： 2學(xué)時。教學(xué)內(nèi)容：第一節(jié)離群點概述1.理解離群點的概念和類型。2.理解離群點檢測的挑戰(zhàn)。 第二節(jié)離群點檢測1.理解基于統(tǒng)計學(xué)的離群點檢測方法。2.理解基于臨近性的離群點檢測方法。3.理解基于聚類的離群點檢測方法。4.理解基于分類的離群點檢測方法。第三節(jié)sklearn中的異常值檢測方法1.了解利用Python進行異常值檢測的方法?？己艘c：了解離群點的概念、類型以及離群點檢測的常用方法，掌握sklearn中的異常值檢測方法。第十二章文本和時序數(shù)據(jù)挖掘教學(xué)要點：1.掌握文本數(shù)據(jù)挖掘的過程和基本方法。2.掌握時序數(shù)據(jù)挖掘主要方法。教學(xué)時數(shù)： 4學(xué)時。教學(xué)內(nèi)容：第一節(jié)文本數(shù)據(jù)挖掘1.理解文本數(shù)據(jù)挖掘的任務(wù)。 第二節(jié)文本分析與挖掘的主要方法1.理解文本挖掘預(yù)處理的方法。2.理解文本表征、文本分類、聚類與文本可視化方法。第三節(jié)時序數(shù)據(jù)挖掘1.掌握時間序列平穩(wěn)性與隨機性判定方法。2.掌握時序數(shù)據(jù)的典型分析挖掘模型，主要包括自回歸滑動平均模型、差分整合移動平均自回歸模型和季節(jié)性差分自回歸移動平均模型?？己艘c：掌握文本挖掘的主要任務(wù)和基本方法，時序數(shù)據(jù)預(yù)測的主要模型。第十三章數(shù)據(jù)挖掘案例教學(xué)要點：1.掌握數(shù)據(jù)挖掘的分析與實現(xiàn)。2.掌握利用sklearn進行綜合數(shù)據(jù)挖掘。教學(xué)時數(shù)： 4學(xué)時。教學(xué)內(nèi)容：1.良/惡性乳腺腫瘤預(yù)測2.泰坦尼克號乘客生還預(yù)測3.圖像的聚類分割考核要點：掌握利用Python進行數(shù)據(jù)挖掘與機器學(xué)習(xí)的實現(xiàn)過程。本課程使用教具和現(xiàn)代教育技術(shù)的指導(dǎo)性意見本課程教材力求內(nèi)容新穎，應(yīng)采用多樣化的方式進行教學(xué)，讓學(xué)生在理論與實踐相結(jié)合的基礎(chǔ)上，對課程所要求的實際操作能力有進一步的提高。充分利用多媒體等現(xiàn)代化教學(xué)手段，整體優(yōu)化教學(xué)過程和教學(xué)內(nèi)容，調(diào)動學(xué)生學(xué)習(xí)積極性；布置實際操作任務(wù)給學(xué)生上機操作并及時指導(dǎo)。實驗部分基本要求實驗是數(shù)據(jù)倉庫與數(shù)據(jù)挖掘課程教學(xué)中不可分割的重要組成部分。實驗課程設(shè)計的思想是幫助學(xué)生理解和掌握數(shù)據(jù)倉庫和數(shù)據(jù)挖掘的基本概念、算法、技術(shù)和原理，熟練掌握利用Hive進行數(shù)據(jù)倉庫設(shè)計，利用Python進行數(shù)據(jù)挖掘和機器學(xué)習(xí)的使用方法，通過適當(dāng)?shù)木幊烫岣邔W(xué)生的編程能力以及實踐動手能力，提高學(xué)生對課程的學(xué)習(xí)興趣，加強創(chuàng)新精神與綜合素質(zhì)的培養(yǎng)。實踐課程課時：18學(xué)時課程思政內(nèi)容1.培養(yǎng)學(xué)生民族認同感，樹立遠大職業(yè)理想。梳理國產(chǎn)操作系統(tǒng)的發(fā)展歷史與現(xiàn)狀，包括華為、中興等國產(chǎn)企業(yè)在全球市場的崛起，在操作系統(tǒng)領(lǐng)域的新架構(gòu)，向?qū)W生展示中國的信息技術(shù)領(lǐng)域成就，增強使命感與榮譽感；通過華為孟晚舟事件、美國的芯片壟斷—引出：民族認同感。黨的十八屆五中全會通過的“十三五”規(guī)劃《建議》，明確提出實施網(wǎng)絡(luò)強國戰(zhàn)略以及與之密切相關(guān)的“互聯(lián)網(wǎng)+”行動計劃。國家正著力實現(xiàn)關(guān)鍵技術(shù)自主可控，為維護國家安全、網(wǎng)絡(luò)安全提供技術(shù)保障。中國信息化需求巨大，但在一些關(guān)鍵技術(shù)領(lǐng)域如操作系統(tǒng)、芯片技術(shù)、CPU技術(shù)等方面，還難以做到自主可控，對國家安全造成威脅。引導(dǎo)學(xué)生明確：建設(shè)網(wǎng)絡(luò)強國，不僅僅是靠網(wǎng)絡(luò)技術(shù)，還要有軟件技術(shù)等