大数据技术专业人才培养方案
(专业代码:510205)
一、 专业名称及代码
大数据与应用(610215)。
二、 入学要求
普通高级中学毕业、中等职业学校毕业。
三、基本修业年限
三年。
四、职业面向
所属专业大类(代码) |
所属专业类 (代码) |
对应行业 (代码) |
主要职业类 (代码) |
主要岗位群 或技术领域举例 |
职业资格证书和职业技能等级证书举例 |
电子信息大类(61) |
计算机类(6102) |
软件和信息技术服务业(65) |
大数据工程技术人员(2-02-10-11); 云计算工程技术人员(2-02-10-12) |
大数据运维工程师; 大数据ETL工程师; 大数据分析工程; 大数据可视化工程师; 大数据应用开发工程师 |
数据分析师; 大数据技术工程师 |
五、培养目标
本专业培养德、智、体、美、劳全面发展,具备大数据技术基本理论、方法与技能,能熟练进行信息收集、应用开发等任务,能在相关生产、管理、服务等领域从事大数据平台部署与运维、信息系统建设与实施等工作的高素质技术技能人才。
六、人才培养规格和素质要求
本专业毕业生应在素质、知识和能力达到以下要求:
(一)素质
1. 坚定拥护中共共产党领导和我国社会主义制度,在习近平新时代中共特色社会主义思想指引下,践行社会主义核心价值观,具有深厚的爱国情感和中华民族自豪感。
2. 崇尚宪法、遵纪守法、崇德向善、诚实守信、尊重生命、热爱劳动,履行道德准则和行为规范,具有社会责任感和社会参与意识。
3. 具有信息素养、工匠精神、安全意识和创新思维。
4. 勇于奋斗、乐观向上,具有自我管理能力、职业生涯规划意识,有较强的集体意识和团队合作精神。
5. 具有健康的体魄、心理和健全的人格,掌握基本运动知识和1-2项运动技能,养成良好的健身与卫生习惯、以及良好的行为习惯。
6. 具有一定的审美和人文素养。
(二)知识
1. 掌握必备的思想政治理论、科学文化基础知识和中华优秀传统文化知识。
2. 熟悉与本专业相关的法律法规以及环境保护、安全消防、文明生产等知识。
3. 掌握面向对象程序设计的基本理论知识。
4. 掌握扎实的计算机基本理论与技术、常用数据挖掘算法;
5. 掌握当前使用最广泛的数据挖掘编程语言python;
6. 掌握数据库设计与应用的技术和方法。
7. 掌握主流的 Hadoop处理技术,包括 MapReduce、Hive、HBase 等;
8. 掌握大数据可视化技术。
(三)能力
1. 具有探究学习、终身学习、分析问题和解决问题的能力。
2. 具有良好的语言、文字表达能力和沟通能力。
3. 具有良好的团队合作与抗压能力。
4. 具有阅读并正确理解软件需求分析报告和项目建设方案的能力。
5. 具有计算机软硬件系统安装、调试、维护的实践能力。
6. 具有简单算法的分析与设计能力;
7. 具有数据库设计、应用与管理能力。
8. 具备数据的处理、抽取、清洗、转换等能力;
9. 具有大数据Hadoop平台搭建和基于Hadoop平台软件应用能力;
10.具有能根据用户需求展现大数据分析结果的能力;
11.具有初步大数据应用开发能力。
七、培养特色
本专业围绕着“紧密结合专业人才培养目标,紧密结合地方社会需求,紧密结合计算机新技术发展”的理念,采取开放办学模式,实现高校、企业和社会教育资源的优势互补,坚持“理论学习+工程实践+新技术应用”的应用型人才培养模式,注重多学科的交叉与融合,注重实践和创新能力的培养,聚焦大数据系统运维、数据分析及其产品开发等紧缺人才的培养。
八、主要课程和特色课程
1.主要课程:C程序设计; Linux基础;Python程序设计;Java程序设计;MySQL数据库;Hadoop技术与应用;JavaEE应用开发;Spark;数据仓库与数据挖掘技术;大数据应用开发;大数据可视化技术。
2.特色课程:大数据可视化技术;数据仓库与数据挖掘;大数据应用开发;Spark。
专业(技能)课程主要教学内容
序号 |
课程名称 |
主要教学内容 |
1 |
C程序设计 |
C语言的语言基础;算法设计流程;C语言语句及程序控制结构;C语言的函数、数组、指针、结构体、链表等数据结构的基本算法;C语言的结构化程序设计 |
2 |
Linux基础 |
了解和掌握Linux系统的基本概念、原理及应用技术;掌握Linux各个系统的版本及其优劣;Linux运行级别的基本知识、Shell的基本概念;目录操作命令和文件操作命令;Linux日常管理和维护。 |
3 |
Python程序设计 |
掌握Python 编程所必须了解的基本概念,matplotlib、NumPy和Pygal等Python库和工具介绍,以及列表、字典、if语句、类、文件与异常、代码测试等内容。 |
4 |
Java程序设计 |
掌握面向对象程序设计;数组;类的设计;继承;多态;抽象类;接口;图形用户界面程序设计。 |
5 |
MySQL数据库 |
数据库和数据表;数据表查询;视图;T-SQL程序设计;索引与数据完整性;存储过程和触发器;数据管理;数据库安全管理;开发数据库管理系统。 |
6 |
Hadoop技术与应用 |
Hadoop产生背景、Hadoop在大数据、云计算中的位置和关系;分布式文件系统DFS概念、原理、使用;MapReduce环境搭建、应用开发;Hadoop集群的搭建、监控、管理;Zookeeper体系结构、集群安装;HBase基础知识,面向列的实时分布式数据库;Hbase集群及其管理;Hive数据仓库基础知识;项目应用案例 |
7 |
JavaEE应用开发 |
Servlet;JSP;JDBC;Filter;Listener;SSM框架开发。 |
8 |
Spark |
Spark概述;Scala基础;Spark编程;Spark SQL:结构化数据文件处理;Spark Streaming:实时计算框架;Spark GraphX:图计算框架。 |
9 |
数据仓库与数据挖掘 |
数据仓库的定义、特点;数据仓库的体系结构和联机分析;数据仓库的数据组织、数据预处理与规划管理;数据仓库规划、设计、管理的基本方法;数据挖掘的基本概念及与数据仓库的关系;聚类分析、分类发现和关联规则等数据挖掘算法的使用 |
10 |
大数据应用开发 |
大数据开发概述、应用场景;大数据开发流程、开发平台搭建;大数据开发套件Flume、Sqoop、Kafka工具使用,数据采集、存储、处理、分析计算;数据服务引擎使用。 |
11 |
大数据可视化技术 |
数据可视化的作用、分类、发展、挑战;数据可视化基础、感知、数据、框架、原则、工具;时间数据、比例数据、关系数据、文本数据、复杂数据可视化技术;数据可视化交互;大数据案例应用; |
九、教学条件
(一)师资队伍
1.队伍结构
大数据专业专任教师10人,在校学生人数25人;学生数与本专业专任教师数比例为2.5:1,双师教师9人,占专业教师比例90%,专任教师队伍中高级职称3人,中级6人。
2.专任教师
本专业专任教师具有高校教师资格和大数据领域有关证书;有理想信念、有道德情操、有扎实学识、有仁爱之心;具有计算机相关专业本科及以上学历,有扎实的大数据技术相关理论功底和实践能力;具有信息化教学能力,能够开展课程教学改革和科学研究;累计不少于6个月的企业实践经历。
3.专业带头人
本专业带头人具有副高职称,能较好地把握国内外大数据产业、专业发展,能够主动联系行业企业,了解行业企业对本专业人才的实际需求,教学设计、专业研究能力强,组织开展教科研工作能力强,在本区域有一定的影响力。
4.兼职教师
兼职教师从大数据应用相关机构聘任,具备良好的思想政治素质、职业道德和工匠精神,具有扎实的大数据应用开发专业知识和丰富的实际工作经验,具有中级及以上相关技术职称,承担专业课程教学、实习实训指导和学生职业发展规划指导等专业教学任务。
(二)教学设施
1.专业教室
学院配有标准多媒体理论课教室,配备了黑(白)板、多媒体计算机、投影设备、音响设备,实现了互联网接入并具有网络安全防护措施。安装应急照明装置并保持良好状态,符合紧急疏散要求、标志明显、保持逃生通道畅通无阻。
2.校内实验实训室
(1)计算机中心实验室
计算机中心实验室配有407台计算机及多媒体教学设备。主要承担《计算机应用基础》、《C语言程序设计》、《数据结构》、《Java程序设计》、《Python程序设计》等课程。
(2)软件技术实训室
软件技术实训室配有43台计算机及多媒体教学设备。主要承担《MySQL数据库》、《JavaEE应用开发》、《JavaEE课程设计》、《网络数据库技术》、《Java程序设计》等课程。
(3)大数据实验室(筹)
大数据实验室现有西普阳光大数据应用实验平台。主要承担《大数据可视化》、《Hadoop技术与应用》、《Spark》、《数据仓库与数据挖掘》、《大数据应用开发》等课程。
3.校外实训基地
本专业有校外实训基地2个,能够提供开展信息系统开发,大数据开发、运维、技术支持等相关实训活动及实习岗位,实训设施齐备,可接纳一定规模的学生安排顶岗实习;配备相应数量的指导教师对学生实习进行指导和管理;有保证实习生日常工作、学习、生活的规章制度,有安全、保险保障。
(三)教学资源
1.教材选用
按照国家规定选用优质教材,禁止不合格的教材进入课堂。有专业教师、行业专家和教研人员等参与的教材选用机构,完善教材选用制度,经过规范程序择优选用教材。
2.图书文献配备
图书文献配备能满足人才培养、专业建设、教科研等工作的需要,方便师生查询、借阅。其中专业类图书文献主要包括:行业政策法规资料,有关职业标准,有关大数据的技术、标准、方法、操作规范以及实务案例类图书等。
3.数字资源配备
建设和配置了专业相关的一定数量的多媒体素材(图形/图像、音频、视频和动画)、教学课件、数字化教学案例库、虚拟仿真软件、数字教材等专业教学资源库,种类丰富、形式多样、使用便捷、动态更新,能满足教学需求。
十、质量保障
学院和系部已建立专业建设和教学质量诊断与改进机制,健全专业教学质量监控管理制度,完善了课堂教学、教学评价、实习实训、毕业设计以及专业调研、人才培养方案更新、资源建设等方面质量标准建设,通过教学实施、过程监控、质量评价和持续改进,达成人才培养规格。
十一、毕业要求
1. 学分要求:修完人才培养方案规定的有关课程及环节,毕业要求的最低学分为150学分。其中,公共必修课程29学分,公共选修课程13学分,专业必修课程50学分,专业选修课程10学分,实践环节42学分,劳动教育6学分。
2. 毕业条件:思想政治合格,在规定的年限内修满规定的最低学分,所得学分的结构符合要求。通过毕业设计(论文)答辩,且不违反学校学籍管理的有关规定。
十二、成绩考核
1.理论课考试采用闭卷笔试、上机操作考试、开卷考试或撰写论文、报告等方式进行,按百分制评定成绩,成绩不及格者不得学分。
2.实践教学成绩考核,以专业技术应用能力考核为主,采取院内考核与行业考试相结合,按合格与不合格两级评定成绩。
3.凡以毕业论文或毕业设计形式完成综合实训的,论文(设计)选题必须以技术应用为主,独立开发。完成后均须进行正式的毕业论文答辩,按学院统一制定的“毕业论文(设计)答辩评分标准”评定成绩。
4.以上各类考试或考核,成绩不及格者均不能获得学分。
5. 学生获取符合人才培养方案要求的国家或企业行业机构承认的、且有影响力的资格证书,或者参加校级以上专业技能竞赛取得优异成绩的,可奖励学分用于置换相关课程和学分。
十三、全学程时间安排
全学程总周数为120周,每学期20周,各学期周数安排如下:
第一学期入学教育及军训2周、课堂教学14周、考试2周、机动2周;
第二学期课堂教学16周、考试2周、机动2周;
第三学期课堂教学14周、实训教学2周、考试2周、机动2周;
第四学期课堂教学11周、实训教学5周、考试2周、机动2周、毕业实习2周在假期进行;
第五学期课堂教学6周、实训教学2周、毕业设计8周、考试2周、机动2周、毕业实习5周在假期进行;
第六学期毕业实习17周、毕业设计1周、机动1周、毕业教育1周。
十四、课程设置及其学分分配表(见表1)
十五、课程体系、课程类别及其学分、学时分配表(见表2)
十六、课各学年教学进度表(见表3)
课程设置、学分分配及周学时分配表
大数据技术与应用 表1
课程类别 |
课程编号 |
课程名称 |
课性质程 |
学时分配 |
学 分 |
考核方式 |
开课学期及其 周学时分配 |
理 论 |
实 践 |
学 时 |
一 |
二 |
三 |
四 |
五 |
六 |
公共基础课程 |
公共 基础 必修 课程 |
20130101201 |
入学教育与军事理论 |
必修 |
32 |
0 |
32 |
2 |
考查 |
2 |
|
|
|
|
|
20130102201 |
军事技能 |
必修 |
0 |
48 |
48 |
2 |
考查 |
2 |
|
|
|
|
|
20090301201 |
大学生心理健康教育 |
必修 |
32 |
0 |
32 |
2 |
考试 |
2 |
|
|
|
|
|
20070101301 |
思想道德修养与法律基础 |
必修 |
48 |
0 |
48 |
3 |
考试 |
3 |
|
|
|
|
|
20070105401 |
毛泽东思想和中国特色社会主义理论体系概论 |
必修 |
48 |
16 |
64 |
4 |
考试 |
|
|
4 |
|
|
|
20070106101 |
形势与政策 |
必修 |
40 |
0 |
40 |
1 |
考试 |
0.5 |
0.5 |
0.5 |
0.5 |
0.5 |
|
20070103101 |
铸牢中华民族共同体意识 |
必修 |
16 |
0 |
16 |
1 |
考试 |
|
1 |
|
|
|
|
20110101201 |
体育1 |
必修 |
18 |
18 |
36 |
2 |
考试 |
2 |
|
|
|
|
|
20110103201 |
体育2 |
必修 |
18 |
18 |
36 |
2 |
考试 |
|
2 |
|
|
|
|
20110105201 |
体育3 |
必修 |
18 |
18 |
36 |
2 |
考试 |
|
|
2 |
|
|
|
20120101101 |
大学生职业生涯规划 |
必修 |
8 |
8 |
16 |
1 |
考试 |
1 |
|
|
|
|
|
20120102101 |
就业指导与创业教育 |
必修 |
8 |
8 |
16 |
1 |
考试 |
|
|
|
1 |
|
|
20090203301 |
专科基础英语1 |
必修 |
64 |
0 |
64 |
4 |
考试 |
4 |
|
|
|
|
|
20090204301 |
专科基础英语2 |
必修 |
64 |
0 |
64 |
4 |
考试 |
|
4 |
|
|
|
|
小计 |
382 |
134 |
516 |
31 |
|
15.5 |
6.5 |
6.5 |
1.5 |
0.5 |
0 |
公共 基础 选修 课程 |
|
数学类课程选课列表 |
限定选修 |
128 |
0 |
128 |
8 |
考试 |
4 |
4 |
|
|
|
|
|
美育教育类课程选课列表 |
限定选修 |
16 |
0 |
16 |
1 |
考查 |
|
1 |
|
|
|
|
|
党史国史类课程选课列表 |
限定选修 |
16 |
0 |
16 |
1 |
考查 |
|
|
1 |
|
|
|
|
大学语文类课程选课列表 |
限定选修 |
16 |
0 |
16 |
1 |
考察 |
|
|
1 |
|
|
|
|
创新创业教育类课程选课列表 |
限定选修 |
16 |
0 |
16 |
1 |
考查 |
|
|
|
|
1 |
|
|
中国传统文化类课程选课列表 |
限定选修 |
16 |
0 |
16 |
1 |
考查 |
|
|
|
|
1 |
|
小计 |
208 |
0 |
208 |
13 |
|
4 |
5 |
2 |
0 |
2 |
0 |
说明:限定选修课总学分不低于13学分。 |
公共基础课合计 |
590 |
134 |
724 |
42 |
|
19.5 |
11.5 |
8.5 |
1.5 |
2 |
0 |
专业(技能)课程 |
专业 (技能)基础 课程 |
20050101301 |
计算机应用基础 |
必修 |
24 |
24 |
48 |
3 |
考试 |
3 |
|
|
|
|
|
20050102401 |
C程序设计 |
必修 |
32 |
32 |
64 |
4 |
考试 |
4 |
|
|
|
|
|
20050301101 |
大数据与云计算概论 |
必修 |
16 |
0 |
16 |
1 |
考查 |
1 |
|
|
|
|
|
20050201301 |
网络基础 |
必修 |
48 |
0 |
48 |
3 |
考试 |
|
3 |
|
|
|
|
20050202301 |
Linux基础 |
必修 |
24 |
24 |
48 |
3 |
考试 |
|
4 |
|
|
|
|
20050109401 |
Python程序设计 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
4 |
|
|
|
|
小计 |
176 |
112 |
288 |
18 |
|
8 |
11 |
3 |
0 |
0 |
0 |
专业 (技能) 课程 |
20050124401 |
Java程序设计 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
4 |
|
|
|
20050106401 |
MySQL数据库 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
4 |
|
|
|
20050302401 |
Hadoop技术与应用 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
4 |
|
|
20050127401 |
JavaEE应用开发 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
4 |
|
|
20050303401 |
Spark |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
4 |
|
|
20050304401 |
数据仓库与数据挖掘技术 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
4 |
|
|
20050305401 |
大数据应用开发 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
|
4 |
|
20050306401 |
大数据可视化技术 |
必修 |
32 |
32 |
64 |
4 |
考试 |
|
|
|
|
4 |
|
小计 |
256 |
256 |
512 |
32 |
|
0 |
0 |
8 |
16 |
8 |
0 |
专业 (技能)拓展 课程 |
|
从计算机技术与信息管理系专业选修课列表中选择 |
选修 |
80 |
80 |
160 |
10 |
|
|
4 |
4 |
2 |
|
|
小计 |
80 |
80 |
160 |
10 |
|
0 |
4 |
4 |
2 |
0 |
0 |
说明:专业拓展课总学分不低于10学分。 |
专业 (技能)实践 课程 |
20050301201 |
Java课程设计 |
必修 |
0 |
48 |
48 |
2 |
考查 |
|
|
3 |
|
|
|
20050307201 |
Hadoop实训 |
必修 |
0 |
48 |
48 |
2 |
考查 |
|
|
|
3 |
|
|
20050308101 |
数据挖掘课程设计 |
必修 |
0 |
24 |
24 |
1 |
考查 |
|
|
|
1.5 |
|
|
20050132201 |
JavaEE课程设计 |
必修 |
0 |
48 |
48 |
2 |
考查 |
|
|
|
3 |
|
|
20050309101 |
大数据综合实训 |
必修 |
0 |
48 |
48 |
2 |
考查 |
|
|
|
|
3 |
|
小计 |
0 |
216 |
216 |
9 |
|
0 |
0 |
3 |
7.5 |
3 |
0 |
综合 实践 课程 |
20050213241 |
顶岗实习 |
必修 |
0 |
576 |
576 |
24 |
考查 |
|
|
|
|
|
25.5 |
20050214091 |
毕业设计 |
必修 |
0 |
216 |
216 |
9 |
考查 |
|
|
|
|
12 |
1.5 |
小计 |
0 |
792 |
792 |
33 |
0 |
0 |
0 |
0 |
0 |
12 |
27 |
说明:毕业设计第5学期安排8周,第6学期安排1周。毕业实习校外顶岗实习6个月(24周),其中第四学期暑假进行2周,第五学期寒假进行5周,第六学期进行17周。 |
专业课合计 |
512 |
1456 |
1968 |
102 |
|
8 |
15 |
18 |
25.5 |
23 |
27 |
劳动教育 |
劳动 教育 |
20050401201 |
生活劳动教育 |
必修 |
6 |
24 |
30 |
1.25 |
考查 |
2 |
|
|
|
|
|
20050402201 |
专业生产劳动教育 |
必修 |
6 |
24 |
30 |
1.25 |
考查 |
|
2 |
|
|
|
|
20050403201 |
专业生产劳动教育2 |
必修 |
6 |
24 |
30 |
1.25 |
考查 |
|
|
2 |
|
|
|
20050404201 |
服务性劳动教育 |
必修 |
6 |
24 |
30 |
1.25 |
考查 |
|
|
|
2 |
|
|
20050405201 |
服务性劳动教育2 |
必修 |
0 |
24 |
24 |
1 |
考查 |
|
|
|
|
1.5 |
|
小计 |
24 |
120 |
144 |
6 |
|
2 |
2 |
2 |
2 |
1.5 |
0 |
说明:按计算机技术与信息管理系劳动教育实施及考核方案执行。 |
总计 |
1126 |
1710 |
2836 |
150 |
|
29.5 |
28.5 |
28.5 |
29 |
26.5 |
27 |
课程体系、课程类别及其学分、学时分配表
大数据技术与应用 表2
课程体系 |
课程类别 |
学分、学时分配 |
总学分 |
理论学分 |
实践学分 |
总学时 |
理论学时 |
实践学时 |
公共基础课程 |
必修课程 |
29 |
23 |
6 |
516 |
382 |
134 |
选修课程 |
13 |
12 |
1 |
208 |
192 |
16 |
小计 |
42 |
35 |
7 |
724 |
574 |
150 |
专业(技能)课程 |
必修课程 |
92 |
27 |
65 |
1808 |
432 |
1376 |
选修课程 |
10 |
5 |
5 |
160 |
80 |
80 |
小计 |
102 |
32 |
70 |
1968 |
512 |
1456 |
劳动教育 |
必修课程 |
6 |
1 |
5 |
144 |
24 |
120 |
小计 |
5 |
1 |
5 |
144 |
24 |
120 |
总计 |
150 |
68 |
82 |
2836 |
1110 |
1726 |
公共基础课程学时占总学时比例 |
25.53% |
选修课程学时占总学时比例 |
12.98% |
实践教学学时占总学时比例 |
60.86% |