淺析對大數據挖掘技術與高職院校汽車類專業課程融合

張芽

摘 要：隨著大數據時代的到來，有效挖掘海量數據背后潛在模式成為研究熱點。我國高職院校汽車類專業課程涉及大量故障及維護實踐數據，傳統授課方式單一，未有效挖掘利用這些數據背后潛在模式為課程服務，課程缺乏創新。本文通過對大數據挖掘技術和汽車類專業課程融合探討，提出大數據挖掘技術與高職院校汽車類專業課程融合的新教學模式和方法，利用大數據挖掘技術充分挖掘海量汽車類專業相關數據背后隱藏的有效模式，并對理論與實踐授課階段進行指導，旨在推動大數據挖掘技術在高職院校汽車類課程教學工作中發揮更大作用。

關鍵詞：大數據挖掘技術 高職院校 汽車類專業 指導

Analysis on the Integration of Big Data Mining Technology and Automobile Professional Courses in Higher Vocational Colleges

Zhang Ya

Abstract：With the advent of the era of big data， effectively mining potential patterns behind massive data has become a research hotspot. The automobile professional courses of higher vocational colleges in China involve a large amount of fault and maintenance practice data. The traditional teaching method is single， and the potential patterns behind these data are not effectively exploited to serve the courses， and the courses lack innovation. This paper discusses the integration of big data mining technology and automotive professional courses， and proposes a new teaching model and method that integrates big data mining technology with automotive professional courses in higher vocational colleges， and uses big data mining technology to fully mine massive automotive professional related data. The hidden effective model and the guidance of the theory and practice teaching stage are aimed at promoting big data mining technology to play a greater role in the teaching of automobile courses in higher vocational colleges.

Key words：big data mining technology， higher vocational colleges， automobile majors， guidance

1 大數據挖掘技術背景

大數據背景下，面對各行業海量結構化數據挖掘問題，以Hadoop、Spark、Storm為支撐的分布式數據挖掘平臺受到越來越多關注。其中，以分布式文件系統（Hadoop Distributed File System，HDFS）為數據存儲，以MapReduce為分布式計算框架的數據挖掘技術在云計算、海量數據離線分析、實時流數據挖掘等實際場景得到廣泛應用。

汽車實踐類課程與大數據挖掘技術有效融合一直是高職院校課程改革的重難點，汽車類的多數課程在實踐環節中涉及大量的汽車維護與保養以及故障診斷等參數數據，但存在的問題是，在教學實踐過程中，并沒有有效挖掘利用這些數據作為課程教學的參考。為此，我們需要應用大數據挖掘技術，如決策樹、支持向量機（Support Vector Machine，SVM）、人工神經網絡（Artificial Neural Networks，ANN） 等對這些數據挖掘，將大數據挖掘技術充分融入到高職院校汽車類專業課程，提高數據利用率，為課程授課提供參考和依據，從而最大程度的降低人工汽車維修與保養成本，為汽車類專業課程改革提供方向。

2 大數據挖掘技術與課程融合現狀及存在的問題

2.1 發展現狀

近年來，國家不斷加大對大數據、人工智能、區塊鏈等技術的政策扶持力度，各大企業紛紛成立大數據研究基地，各高校結合自身專業實際成立大數據挖掘研究院等。大數據挖掘技術目前主要應用在流量預測、廣告點擊預測、用戶行為分析等場景，對于高職院校汽車類專業課程而言，受課程特殊性要求，大數據挖掘技術一直以來沒有與課程相融合，授課方式采用傳統講授與實踐相結合的模式。大量專業課程相關實踐參數數據沒有發揮其真正價值和意義，課程缺乏創新和信息化技術融入。

2.2 存在的問題

2.2.1 專業課程實踐數據利用率低

高職院校汽車類專業課程包括動手實踐環節，該環節存在大量汽車維修與保養等相關數據。長期以來，積累的海量汽車維修數據并未得到重視，背后隱藏的有用信息未被有效挖掘并加以利用。受傳統講授式授課方式影響，理論加實踐的教學模式缺乏創新性，課堂效果不佳，學生積極性不高。大數據挖掘技術與課程融合的缺失使得課程信息化程度較低，加之對現有有效數據的挖掘分析不足，使得專業課程實踐數據得不到有效利用。

2.2.2 大數據挖掘技術復雜度高

大數據挖掘技術覆蓋面廣，技術含量高，涉及數學、生物、計算機、現代密碼學等學科知識，包含機器學習、大數據、數據挖掘、云計算等內容，需要同時具備相關知識。尤其在當前大數據時代背景下，海量數據挖掘不能單純依靠傳統的邏輯回歸、決策樹、SVM等數據挖掘方法，而應該同時具備Hadoop、Spark等分布式數據挖掘理論與方法。技術的復雜性對從業者要求較高，加之當前高職院校專業大數據挖掘人才不足，使得該技術很難與專業課程相融合。

2.2.3 專業師資力量不足

高職院校缺乏對大數據挖掘相關的課程設置，這就導致了具備大數據知識技能的人才儲備不足，很難有足夠的專業師資力量去講授類似的課程，大數據與汽車專業的融合難度間接性的提高了很多。此外，我們還必須認識到，大數據的挖掘技術復雜程度比較高，對學校的相關人才的技術熟練度有著更高表尊的要求，凡此種種，使得很多院校不具備開設汽車與大數據融合類課程的條件。我們人才庫的薄弱力量目下已經成為了掣肘我們汽車專業發展的重要因素，需要我們的高校予以重視。

3 汽車類專業課程授課現狀

高職院校中，汽車類專業課程普遍采用理論講授與實踐相結合的傳統上課模式。具體來說，理論課堂主要意在講解與汽車相關的基礎理論知識，讓學生對汽車專業的基本概念和原理進行學習，擁有扎實的理論基礎;實踐課程主要是以分組方式按照多對一模式在老師的帶領之下進行動手實踐，意在鍛煉學生的實踐操作能力。在實踐課程中，由于受到學校硬件設備的限制，學生的實踐操作時間不夠產，使得部分知識僅停留在理論階段，不能通過大量的實踐操作將理論與實踐相結合，更談不上對知識的創新和擴展。反之，在理論課程環節，專業教師講授的新理論和新方法較少，主要針對傳統理論的講授，學生學到的知識不能夠從容的應對從業后面臨的新型汽車技術，對于汽車新科技帶來的一系列問題，無法熟練地進行解決。

4 大數據挖掘技術與汽車類專業課程融合

針對目前高職院校汽車類專業課程現狀，本文提出大數據挖掘技術與汽車類專業課程融合的新授課模式。在課程準備階段，整合相關數據，以現有汽車故障診斷及保養實踐數據為基礎，利用HDFS存儲海量數據，離線階段使用MapReduce分布式計算框架對海量汽車數據進行分析挖掘，在線階段使用Spark Streaming或Storm分布式計算框架對汽車運行過程產生的數據實時分析，不斷更新模型。并將模型與實際現狀相結合，通過課程標準建設、老師上課環節等方法，應用到課程建設及授課過程當中。

4.1 課堂與實踐相結合

大數據挖掘技術與汽車類專業課程的融合依然需要基礎理論授課和實踐環節，在課程創新過程中，采用傳統講授式上課模式為學生講解汽車維護與保養基礎理論知識。通過課堂理論學習，使學生了解基本概念和工作原理，在掌握基本知識的基礎上進行相對應的實踐操作。多元化的課程學習體系，讓學生可以通過實物觀摩來強化對課堂知識的理解和記憶，進而擴展知識的廣度，為后續大數據技術在課堂的融入提供堅實的基礎。

4.2 大數據挖掘技術與教學融合

大數據挖掘技術與專業課程融合能夠解決傳統授課模式單一性問題，提高課堂和實踐效果，激發學生學習興趣。對海量汽車維修與保養實踐數據挖掘分析得到的有效模式可以為授課提供參考和借鑒，有效模式的強大預測功能能夠在實踐環節根據實時數據流做出科學預測，為教學和技術落地提供技術支撐，具有重要意義。

4.2.1 數據準備與模型訓練

良好的數據預處理是數據挖掘的關鍵一步，汽車類專業課程實踐環節收集到的汽車數據需要進行數據清洗，主要包括缺失數據、冗余屬性、離散化等過程。清洗完成后，將數據存放在預先搭建好的HDFS中，并選擇合適數據挖掘方法進行模型訓練，根據訓練目標分為回歸問題和分類問題，訓練過程通過對學習率和數據增強調整使模型達到最優。

4.2.2 理論教學過程融入大數據挖掘

課堂基礎知識講授過程融入大數據挖掘成果，有利于激發學生學習興趣，活躍課堂氛圍，是對傳統授課方式的創新。

授課過程中，老師根據課程具體內容安排，提前完成對應授課內容相關數據挖掘模型訓練，并在課堂知識點講解過程穿插演示數據挖掘成果，并對相關原理進行簡單介紹，從而加深學生對知識理解和記憶，激發學生對課程和技術學習熱情。

4.2.3 實踐課程融入大數據挖掘

實踐課程是理論知識擴展的重要一環，汽車類專業課程的實踐環節根據大數據挖掘技術融入目標不同可分為離線挖掘和在線挖掘階段。

離線挖掘階段，老師在實踐課堂引導學生完成對現有海量數據清洗、數據挖掘算法選取、模型訓練和部署。汽車維護與保養內容實踐時，一方面引導學生通過課堂知識解決實際問題，加強學生動手能力，另一方面，利用數據挖掘模型對實際問題進行評估預測，為汽車維護和保養結論提供預測和結果指導。

在線挖掘階段，該過程需預先完成針對特定分類或回歸問題數據挖掘模型訓練，并將模型與汽車硬件結合。實踐場景下，通過實時產生的流數據對模型更新，并為汽車運行過程各部件維護進行智能化告警，為安全駕駛提供保障。該階段實踐，能夠最大程度提高學生應用知識能力，達到學以致用的目標。

4.2.4 引入校企合作新模式

汽車類專業課程注重實踐，結合大數據挖掘技術，合理開展校企合作模式有利于學校提供具有專業知識人才，企業提供接近于真實場景環境和具備大數據挖掘工程化經驗人才，兩者的有效結合可以相互彌補不足。學校通過安排學生到企業工程實訓和定期實習等方法提升學生就業技能，企業人才定期到學校為學生授課等方式讓學生了解更多企業專業知識，提升和擴展學生知識范圍。

4.2.5 建立大數據挖掘技術實踐基地

大數據挖掘技術與汽車類專業課程完全融合不能僅依靠課堂授課，高職院校應當結合自身實際，建立大數據挖掘技術實踐基地，為學生提供場技術實踐場地和實驗室。在課余時間，老師指導學生系統學習大數據挖掘技術理論并實踐與專業課程融合，從而培養學生動手能力和學習興趣，提高學生創新思維能力。

5 總結

本文通過對大數據挖掘技術和高職院校汽車類專業課程分析，探討了大數據挖掘技術與汽車類專業課程融合問題。針對汽車類專業課程目前存在的問題，本文提出了汽車類專業課程與大數據挖掘技術有效融合的幾種方式方法，可以提高汽車類專業課程教學效果，激發學生學習興趣，為高職院校汽車類課程信息化建設和改革提供思路和借鑒。

參考文獻：

[1]趙好好.大數據挖掘在高職院校智慧校園建設中的應用[J].信息記錄材料，2020，21（04）：105-106.

[2]張明輝.基于大數據在高職院校教學中的應用研究[J].數字技術與應用，2020，38（01）：24-25.

[3]龐英智.大數據挖掘在高職院校智慧校園建設中的應用情況分析[J].現代經濟信息，2019（20）：356+359.

[4]呂明，徐暢，徐杏玉.大數據背景下高職院校學生綜合素質教育管理平臺功能挖掘研究——以常州信息職業技術學院為例[J].泰州職業技術學院學報，2019，19（03）：18-21.

[5]米保全.數據挖掘技術在高職院校教學管理中的應用[J].軟件導刊，2018，17（08）：178-181.