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

《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