计算机类专业(大数据技术与应用)人才培养方案wordWord格式.docx
《计算机类专业(大数据技术与应用)人才培养方案wordWord格式.docx》由会员分享,可在线阅读,更多相关《计算机类专业(大数据技术与应用)人才培养方案wordWord格式.docx(12页珍藏版)》请在冰豆网上搜索。
售企业
大数据产品建设与开发、大数据
项目需求分析、设计、业务建模。
大数据产品工程师
大数据售前工程师
互联网、金融、IT、制造业、零售企业
数据集成工作的开发、测试与调优、大数据产品测试,测试报告
编写。
大数据运维工程师
大数据平台搭建,维护,调优,
管理,监控。
数据挖掘工程师
常规数据报告的制定与信息挖掘、根据公司战略需要进行数据
建模。
数据分析师
数据采集及数据处理工作、对数
据进行整理规划,编写数据说明文档、明确客户方的业务体系。
四、人才培养规格
(一)综合素质
1.思想政治素质:
掌握马克思主义科学的世界观、人生观和价值观。
有坚定跟着共产党走中国特色社会主义道路的信心和决心,有热爱祖国、服务人民的理想信念。
具有社会责任感,能积极践行社会主义核心价值观,拥有能够支撑职业和人生发展的思想政治素质。
2.职业素质:
具有良好的职业态度和职业道德修养,具有正确的择业观和创业观。
坚持职业操守,爱岗敬业、诚实守信、办事公道、服务群众、奉献社会;
具备从事职业活动所必需的基本能
word文档可自由复制编辑
力和管理素质;
脚踏实地、严谨求实、勇于创新。
3.人文素养与科学素质:
具有融合传统文化精华
、当代中西文化潮流的宽阔视野;
文理交融的
科学思维能力和科学精神;
具有健康、高雅、勤勉的生活工作情趣;
具有适应社会核心价值体系的审美立场和方法能力;
奠定个性鲜明、善于合作的个人成长成才的素质基础。
4.身心素质:
具有一定的体育运动和生理卫生知识,养成良好的锻炼身体、讲究卫生的习惯,掌握一定的运动技能,达到国家规定的体育健康标准;
具有坚韧不拔的毅力、积极乐观的态度、良好的人际关系、健全的人格品质。
(二)职业能力
本专业主要学习常用数据挖掘编程语言(R语言和Python)、数据库应用技术、Java程序设计、
Linux操作系统、Hadoop大数据存储与运算、Hadoop大数据存储与运算、大数据查询与处理、Spark大数据快速运算、Oozie大数据工作流,具备大数据开发与数据挖掘的实际工作能力,具有创新意识及进一步发展专业技能的良好基础。
本专业毕业生应获得以下几方面的知识和技能:
1.具有比较扎实的计算机基本理论与技术、数据挖掘的常用算法;
2.掌握当前使用最广泛的数据挖掘编程语言python;
3.熟悉SQL的计算与存储过程调优,并具有严密的逻辑分析能力;
4.具备数据的处理、抽取、清洗、转换等能力;
5.掌握主流的Hadoop处理技术,包括MapReduce、Hive、Hbase等;
6.逻辑思维能力强,具备较强的文档编写和良好的沟通表达能力。
(三)职业拓展能力1.对大数据基础架构和平台有深刻理解
;
2.熟悉Hadoop集群构建,能进行相应的部署及配置;
3.熟悉主流应用服务器的架构体系以及各种中间件技术。
五、毕业标准
学生按专业人才培养方案要求修完规定的课程,考核合格,达到毕业最低总学分和《国家学生体质健康标准》相关要求,获得本专业要求的证书,准予毕业,颁发毕业证书。
(一)学分要求本专业按学年学分制安排课程,学生最低要求修满总学
分124学分。
必修课要求修满94学分,占总学分的75.81%。
其中:
基本素质课要求修满21学分,占总学分的16.94%;
职业能力课要求修满73学分,占总学分的58.87%。
选修课要求
修满30学分,占总学分的24.19%。
基本素质课要求修满20学分,占总学分的16.13%;
职业能力课要求修满10学分,占总学分的8.06%。
(二)证书要求
1.获得以下英语证书之一
(1)广东省英语教学指导委员会颁发的高级职业英语证书;
(2)全国大学英语四、六级考试委员会颁发的全国大学生英语四级或六级考试证书;
2.获得以下专业或职业资格认证证书之一
(1)广东省嵌入式软件公共技术中心组织的嵌入式Linux软件开发工程师职业资格认证证书;
(2)国家劳动和社会保障部职业技能鉴定中心和广东省LINUX公共服务技术支持中心的“全国计算机高新技术Linux系统管理模块管理员级”职业资格认证证书;
(3)通过国家人事部“计算机技术与软件专业技术资格(水平)考试”中计算机程序员初级资格考试,获取相应的“程序员”技术资格证书;
六、职业能力核心课程
1.Python编程与数据挖掘基础课程能力目标:
了解数据挖掘技术、Pyth
on编程及数据可视化。
课程主要内容:
数据挖掘、建模工具以及Python开发环境的搭建;
Python的基础知识,包括操作符、流程控制、数据结构、文件读写等内容;
Python面向对象的特性进行介绍,包括函数、类与对象等基本概念;
数据分析与挖掘,以及其中具体的方法及对应的功能;
Python可视化模块:
Matplotlib和Bokeh。
2.Hadoop大数据存储与运算
课程能力目标:
了解Hadoop的架构、原理、Hadoop集群配置及安装(JDK、SSH),熟悉Hadoop
IDE开发环境配置(Eclipse配置)和HadoopJavaAPI编程实例、具备Hadoop编程开发能力。
Hadoop简介、架构、原理、Hadoop集群配置及安装(JDK、SSH)、HadoopIDE
开发环境配置(Eclipse配置)、HadoopJavaAPI编程实例、HadoopJavaAPI编程实例、Hadoop
命令(hadoopfs,hadoopjob,Hadoopjar)、Hadoop基础编程(Mapper、Reducer、Driver)、
Hadoop高级编程(FileInputFormat、Combiner、Partitioner、FileOutputFormat)、Hadoop案例
—基于KNN的鸢尾花类别预测(算法实现及Hadoop编程)、Hadoop实例—基于KMeans的客户价值分析(算法实现及Hadoop编程)。
3.Hbase大数据快速读写
熟悉HBase集群安装配置、掌握HBase架构与数据模型、实现基于HBase的冠字号查询系统。
HBase简介、HBase集群安装配置(Zookeeper简介、Zookeeper安装配置、配置文件解读)、HBase架构与数据模型(组件原理功能、Rowkey设计、Schema设计)、HBas命令行
(hbaseshell)、HBase开发环境配置、JavaAPI操作HBase删/建表、HBase增删改查、HBase与HadoopMapreduce交互(HBasetoHDFS,HDFStoHBase,HBasetoHBase)、基于HBase的冠字号查询系统(案例背景、架构、数据处理、案例实现)。
4.大数据查询与处理
熟悉Pig架构与原理、PigLatin运行环境、Pig数据类型,Hive与Pig区别,
掌握Pig安装、配置,熟悉PigLatin数据加载/输出、数据转换、数据存储。
课程主要内容:
P
ig简介、架构与原理、PigLatin运行环境,Pig数据类型、Hive与Pig区
别、Pig安装、配置、Pig运行模式、Pig基本指令,PigLatin数据加载/输出、数据转换、数据存储,Pig内置函数、自定义函数(UDF),使用Hcatalog、Hive与Pig交互,Pig案例---SOGO案例。
5.Spark大数据快速运算
掌握Spark安装配置,了解其原理与架构,掌握Spark常用编程技术,实现基于SparkALS的电影推荐系统。
Spark简介(Spark简介、应用场景)、Spark安装配置(如何兼容Hadoop、
HBase集群)、Spark原理与架构(组件功能、RDD原理)、Spark编程(Scala及编程简介、Spark
Transformation/Action编程)、SparkIntellijIDEA开发环境配置、基于SparkALS电影推荐系统(案例背景、系统架构、SparkShell实现、系统业务逻辑实现)。
6.Oozie大数据工作流
了解Oozie工作原理,熟悉Oozie环境配置及页面监控、OozieWorkflow配置。
Oozie工作原理、Oozie环境配置及页面监控、OozieWorkflow配置(Hadoop
MR工作流、Hive工作流、Pig工作流、Spark工作流)、定时任务配置。
7.顶岗实习课程能力目标:
经过顶岗实习,进一步巩固学生所学的数据库应用技术、数据挖掘编程语言、
Hadoop大数据存储与运算、Hbase大数据快速读写、大数据查询与处理、Spark大数据快速运算、
Oozie大数据工作流等学科知识,提高学生的实际工作能力和技能,为今后的工作打下基础。
课程主要内容:
结合所学的数据库应用技术、数据挖掘编程语言、Hadoop大数据存储与运算、
Hbase大数据快速读写、大数据查询与处理、Spark大数据快速运算、Oozie大数据工作流等学科知识进行顶岗实习,实习课程的主要内容包括:
常用数据挖掘算法的实际应用,数据平台的运营管理和安全维护,保障数据的存档、保密工作;
搭建基于Hadoop/Spark/Shark的大数据平台,大数据采集、清洗、整合等。
七、实践教学条件
(一)校内实训室大数据工程实训教学平台(H8),是将云存储资源、服务器资源和网络资源整合
,然后通过Vmware
等虚拟化搭建私有云平台,在私有云平台上搭建统一的数据挖掘平台和基于Hadoop的大数据分析平台。
大数据工程教学实训平台的建设能让学生既掌握必要的理论基础,又能将大数据分析理论和方法用于解决实际问题。
该大数据教学平台也能解决教学过程中实验环节非常薄弱,造成学生缺少数据挖掘实践经验、缺乏实践应用能力等问题。
基于Hadoop实战项目,在大数据实战环境中,通过动手实操,让学员在短时间内掌握使用平台开发Hadoop程序,以完成高效的大数据存储、清洗和分析。
大数据工程