系部新闻
系部新闻
首页 >> 系部新闻 >> 正文
大数据技术专业人才培养方案
作者:发布日期:2022-05-09点击数:

大数据技术专业人才培养方案

一、专业名称(专业代码)

大数据技术(510205)。

二、入学要求

普通高中毕业生/高中同等学历学生。

三、基本修业年限

三年。

四、职业面向

(一)职业面向

本专业主要面向“互联网+”新兴产业,软件、大数据相关企事业单位IT相关部门从事数据采集、数据加工、数据分析、数据挖掘、数据可视化、大数据环境部署与管理、数据运维、软件开发等岗位。

大数据技术专业职业面向

所属专业大类

(代码)

所属专业类

(代码)

对应行业

(代码)

主要职业类别

(代码)

主要岗位群或技术领域举例

电子信息大类

计算机类

(610)

互联网数据服务服务

信息系统运行维护工程技术

人员(2-02-10)

大数据研发工程师/大数据应用工程师

(51)

(5102)

(2-02-10)

软件设计师

(二)职业岗位

岗位名称

工作内容

典型工作任务

能力要求

大数据运维工程师

大数据平台的部署和维护,并编写相关的实施文档和操作手册。

典型任务1:数据分析产品的部署和维护;

典型任务2:持续优化集群服务性能与架构;

典型任务3:及时响应和处理大数据平台的异常问题。

1.具备熟练使用Linux系统的能力;

2.具备使用Shell、Java和Python编程的能力;

3.具备MySQL数据库软件的使用能力;

4.掌握分布式系统原理;

5.具备部署Hadoop、HBase、Hive和Spark等大数据软件的能力。

大数据分析工程师

根据业务需求建设数据仓库,并对数据进行抽取、清洗、调度和分析操作。

典型任务1:数据仓库的设计和搭建;

典型任务2:网络日志的采集、清洗和整合;

典型任务3:用户的行为分析。

大数据平台研发工程师

为海量数据和大规模业务系统提供可靠的基础设施。

典型任务1:完成系统需求分析和架构设计;

典型任务2:功能模块的编写和测试。

(三)职业核心能力

1.熟悉Hadoop体系软件,能独立提取分析所需数据;

2.掌握Hive软件,能独立完成数据仓库的设计;

3.掌握Python等脚本语言做数据处理;

4.对数据驱动业务有深入理解,有较强的逻辑分析能力和独立思考能力;

5.数据与业务方面有足够的敏感性,能从海量数据提炼核心结果,并用简洁而清晰的方式呈现数据分析背后的商业逻辑和相关洞察,有出色的结构化思维能力;

6.可以独立完成数据分析报告,有良好的分析报告书写能力。

五、培养目标

大数据技术专业培养思想政治坚定、德技并修、全面发展,适应软件开发企业和互联网公司需求的技能型人才。具有较强的实战能力和过硬的心理素质抗压能力,团队协作能力和沟通能力,学习能力,具有必备的大数据技术与应用专业基本理论知识和专门知识,掌握从事本专业领域实际工作的基本能力和基本技能。掌握Java、Python和大数据相关技术,具备大数据平台的搭建和维护、数据的清洗和分析、Shell脚本的编写等能力。培养适应大数据技术与应用专业生产、建设、管理、服务第一线需要的德、智、体、美、技全面发展的,面向互联网、金融、医疗、制造等领域的高素质劳动者和专业技术技能人才。

六、培养规格

本专业毕业生应在素质、知识和能力等方面达到以下要求:

(一)素质

1.坚定拥护中国共产党领导和我国社会主义制度,在习近平新时代中国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、遵法守纪、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.具有质量意识、环保意识、安全意识、信息素养、工匠精神、创新思维;

4.勇于奋斗、乐观向上,具有自我管理能力、职业生涯规划的意识,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,能够形成1-2项艺术特长或爱好;

(二)知识

1.本专业必需的文化基础知识;

2.计算机的基本原理和操作知识;

3.相关的国家法律、法规知识,计算机操作规范及有关技术规定的知识;

4.掌握Linux操作系统知识;

5.掌握Mysql数据库CRUD知识;

6.掌握Java语言、Python语言和面向对象的知识;

7.掌握Hadoop计算框架的知识;

8.掌握HBase数据库的知识;

9.掌握Spark对海量数据进行快速内存计算的知识;

10.掌握Hive、Sqoop等工具进行数据ETL的知识;

11.掌握Flume、Kafka等数据采集框架的知识。

(三)能力

1.熟练使用Linux操作系统的能力

2.熟悉运用Mysql数据库CRUD;

3.熟练使用Hadoop分析海量离线数据;

4.熟练使用HBase数据库进行数据存储的能力;

5.熟练使用Spark对海量数据进行快速内存计算;

6.熟练使用Hive、Sqoop等工具进行数据ETL的能力;

7.熟练使用Flume、Kafka进行数据采集的能力;

七、课程设置及学时安排

(一)课程设置

本专业课程主要包括公共基础课程和专业课程。

1.公共基础课程

根据党和国家有关文件规定,将思想政治理论、中华优秀传统文化、体育、军事理论与军训、大学生职业发展与就业指导、心理健康教育、大学英语、创新创业教育、健康教育等列入公共基础必修课;并将党史国史、劳动教育、美育课程、生态文明教育等列入选修课。

2.专业课程

专业课程包括专业基础课程、专业核心课程、专业拓展课程,并涵盖有关实践性教学环节。

(1) 专业基础课程

专业基础课程设置5门,包括:计算机应用基础、高等数学、Linux基础及应用、Java程序设计、Linux网络及安全。

(2) 专业核心课程

专业课程设置7门,包括:MySQL数据库应用开发、Hadoop大数据开发、Python程序设计、大数据平台搭建项目实践、NoSQL数据库应用、数据清洗与分析、数据分析项目实践。

(3) 专业方向课

专业方向课程4门包括:web前端开发基础、Linux服务器配置与安全管理、服务器运维技术、职业素质。

3.专业核心课程主要教学内容

大数据技术专业核心课程主要教学内容


序号

专业核心课程名称

主要教学内容


1

MySQL 数据库应用开发

本课程结合企业实际开发的需要,重点介绍 MySQL 的安装与配置,创建数据库、数据表、索引、以及对存放在数据库中的数据进行添加、删除、修改和查询操作。


2

Hadoop 大数据开发

本课程介绍 Hadoop 的安装部署,以及 Hdfs、MapReduce 的运行原理,最终要能熟练开发 MapReduce 程序分析计算数据,熟悉HDFS、Yarn 等 hadoop 组件。


3

Python 程序设计

该课程主要讲授Python基础语法、数据类型、分支结构、循环结构、内置函数以、科学计算库和面向对象编程等内容。学完本门课程后,使学生具备使用Python读写文本文件、操作数据库、进行数据基础处理的能力。


4

NoSQL 数据库应用

该课程主要讲授Hive的安装、HiveQL的编写、Zookeeper的原理、HBase的架构和JavaAPI、Sqoop和Flume工具的使用等内容。学完本门课程后,使学生掌握数据仓库的知识,具备搭建离线数据分析平台的能力。

5

数据清洗与分析

该课程主要讲授数据从获取、清洗到可视化分析的全过程。学完本门课程后,使学生具备使用Python爬虫技术进行数据采集、通过Python工具进行数据迁移、使用ECharts实现数据可视化的能力。

(二)学时安排

1.教学总体安排和时间分配

大数据技术专业教学总体安排和时间分配(单位:周)

学年

军训

毕业教育

教学

技能培训

毕业实习

考 试

假 期

合计

第1学期

第2学期

暑假

寒假

2


24

12


1

1

8

4

52



22

16


1

1

8

4

52


1

28


12





41

合计

2

1

74

28

12

4

24

145

2.课程设置与学时分配

序号

类别

门数

总学时

理论学时

实践学时

学分

1

公共基础课

10

655

416

239

30

2

专业基础课

5

348

208

140

27

3

专业核心课

7

720

360

360

40

4

专业拓展课

4

288

144

144

8

5

公共选修课

6

105

96

9

6

6

技能培训、毕业实习


1080

0

1080

36

合计

32

3196

1224

1972

147

实践教学占总学时比例

62%

3.大数据技术专业教学计划进程表

大数据技术专业教学计划进程表

类别

课 程

按学期分配

学时与学分

第一学年

第二学年

第三

学年

考试

考查

总计

讲授

实验

实习

学分

1学期

2学期

3学期

4学期

5-6

学期

2周

17周

18周

19周

17周

2周

34周

1

军事理论与军训


1

148

36

112

2

2




2

思想道德修养和法律基础

1


51

42

9

3

3




3

毛泽东思想与中国特色社会主义理论体系概论

2


72

60

12

4


4



4

形势与政策


1-4

32

32

0

1

2*4/

2*4/

2*4/

2*4/

5

大学生心理健康教育


1

34

34

0

2

2




6

体育


1-2

70

4

66

4

2

2



7

大学生职业发展与就业指导


1、4

36

28

8

2

/2*9



/2*9

8

大学英语


1-2

140

124

16

8

4

4



9

创新创业教育


4

34

26

8

2




2

10

健康教育


3

38

30

8

2



2


小计

655

416

239

30

15

12

3

4

1

计算机应用基础

1


68

34

34

5

4




2

高等数学

1


68

68


5

4

2



3

Linux基础及应用

1


68

34

34

5

4




4

Java程序设计

2


72

36

36

6


4



5

Linux网络及安全

2


72

36

36

6


4



小计

348

208

140

27

12

10

0

0

1

MySQL数据库应用开发

2


72

36

36

4


4



2

Hadoop大数据开发

3


140

70

70

7



14*10/


3

Python程序设计

3


126

63

63

7



/14*9


4

大数据平台搭建项目实践

3


76

38

38

4



4


5

NoSQL数据库应用

4


126

63

63

7




14*9/

6

数据清洗与分析

4


112

56

56

7




/14*8

7

数据分析项目实践

4


68

34

34

4




4

小计

720

360

360

40

0

4

18

18

1

Web前端开发基础


3

76

38

38

2



4


2

Linux服务器配置与安全管理


3

76

38

38

2



4


3

服务器运维技术


4

68

34

34

2




4

4

职业素质


4

68

34

34

2




4

小计

288

144

144

8

0

0

8

8

1

生态文明


1

8

8


0.5

/2*4/




2

党史国史


2

18

18


1


2*9



3

美育


3

8

8


0.5



/2*4


4

大学语文


1

34

34


2

2




5

中华优秀传统文化


2

18

18


1


/2*9



6

劳动教育


1

19

10

9

1

1




小计

105

96

9

6

3

2

1

0

必修课合计

1723

984

739

97


27

32

21

22



选修课合计

393

240

153

14


3

2

9

8



技能培训、毕业实习

1080

0

1080

36








总计

3196

1224

1972

147


30

32

30

30



八、成绩考核与评价

学生学习评价体系包括课程评价、综合评价两大部分。其中:课程评价包括过程评价、课程理论考试、课程技能考试;综合评价围绕本专业多门课程知识和技能掌握情况开展,包括综合理论考试、综合技能考试、实习评价、毕业考试(考核)等。

(一)课程评价

1.过程评价。包括课堂考勤、学习态度、职业道德、课堂提问、课堂小测验等。过程评价占课程总成绩的 20%。

2.课程理论考试。课程理论考试在教学过程结束后进行,由学校统一安排时间进行。考试成绩占课程总成绩80%。

3.课程技能考试。有操作技能要求的课程实施技能考试,考试结合课程特点和教学内容要求采取灵活方式安排进行,可随项目训练同步实施评价,也可在课程教学结束后集中安排考试。课程技能考试成绩单列。

(二)综合评价

1.综合理论考试。包括专业基础综合知识、专业综合知识,原则上对接执业助理医师准入考试要求。其中,专业基础综合知识考试在第3学期开学前进行;专业综合知识考试在第4学期毕业实习岗前技能训练考核周集中进行,结合实习岗位要求确定考试范围。以《专业综合理论》课程成绩记入成绩档案。

2.综合技能考试。综合技能考试指实习岗前综合技能考试,在第4学期毕业实习岗前技能训练考核周集中进行。考试选取部分职业基础课程和职业技术课程,采取必考项目+抽考项目进行,成绩按照百分制折算。以《实习岗前综合技能考试》课程成绩记入成绩档案。

3.实习评价。实习评价主要是实习结束综合考核。

实习结束综合考核:实习结束综合考核分为实习综合表现和实习专业能力两部分,根据各出科考核(岗位实习考核)成绩分别进行总评,成绩分合格与不合格2个等级。

4.毕业考试。按照大数据技术专业要求考核学生综合分析、解决实际问题的能力,安排在第6学期毕业结束实习后。学生修完教学计划规定的全部课程,课程评价和综合评价成绩合格者,准予毕业,颁发毕业证书。

九、教学基本条件

(一)师资队伍

1.队伍结构

大数据技术专业现有专兼职教师 24 人。其中,专职 17 人,都是双师型教师;副高级及以上职称教师5人,占20.8

;中级以上职称16人,占66.7

;具有硕士学位以上的教师4人,占16.7

。专兼职教师队伍的职称、年龄,形成合理的梯队结构。

2.专业带头人

大数据技术专业有带头人 3 人,为副高及以上职称,能够较好地把握国内外行业、专业发展,能广泛联系行业企业,了解行 业企业对本专业人才的需求实际,教学设计、专业研究能力强, 组织开展教科研工作能力强,在本区域或本领域具有一定的专业影响力。

(二)教学设施

教学设施主要包括能够满足正常的课程教学、实习实训所需的专业教室、校内实训室和校外实训基地等。

1.专业教室条件

教室均配备有黑(白)板、多媒体计算机、投影设备、音响设备,校园无限网接入,并实施网络安全防护措施;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.校内实训室

根据课程设置配备相关校内实验实训室,有专职实验管理人员;校内实训室在非上课时间有计划地对学生开放。

(三)教学资源

教学资源主要包括能够满足学生专业学习、教师专业教学研究和教学实施所需的教材、图书文献及数字教学资源等。

1.教材选用基本要求

按照国家规定选用优质教材,禁止不合格的教材进入课堂。学校建立有专业教师、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.图书文献配备基本要求

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。专业类图书文献主要包括:涵盖基础医学及临床医学各学科、卫生法规、执业(助理) 医师考试辅导等临床医学专业相关图书和一定数量的国内外专业期刊;要有满足本专业师生需要的电子图书、期刊、在线文献检索等电子阅览资源和设备。

3.数字教学资源配置基本要求

建设、配备与本专业有关的音视频素材、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,应种类丰富、形式多样、使用便捷、动态更新,能满足教学要求。

十、质量保障

1.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。课堂教学的监控内容为:教学文件、教学日志、课堂教学、考试考察等,主要通过常规教学检查、随机督导听课、学生座谈、教学日志检查、教学文件(教学计划、教案、课件)抽查、试卷检查、成绩分析等方式,并结合老师评学、学生评教等活动对课堂教学情况进行监管。顶岗实习的监控内容为:实习大纲、进度安排、实习带教、出科考核等,按照订单培养合作协议,学校与实习单位共抓共管学生实习管理。实习单位负责实习学生的日常管理与实习考核,学校安排专任实习班主任顶岗实习进行检查和管理,保证实习质量。

2.完善教学管理机制,加强日常教学组织运行与管理,定期开展课程建设水平和教学质量诊断与改进,建立健全巡课、听课、评教、评学等制度,建立与医疗机构联动的实践教学环节督导制度,严明教学纪律,强化教学组织功能,定期开展公开课、示范课等教研活动。

3.建立毕业生跟踪反馈机制及社会评价机制,并对生源情况、在校生学业水平、毕业生就业情况等进行分析,定期评价人才培养质量和培养目标达成情况。

4.专业教研组织充分利用评价分析结果有效改进专业教学,持续提高人才培养质量。