年级大数据技术与应用专业人才培养方案.docx

1、年级大数据技术与应用专业人才培养方案附件： 2017年大数据技术与及用人才培养方案一、培养目标本专业培养适应生产、建设、服务和管理第一线需要的，德、智、体、美等方面全面发展的，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、移动开发与架构、软件开发、云计算技术等前沿技术，旨在培养适应新形势下新兴的“互联网+”专业，具有良好职业道德和敬业精神的高素质技能型专门人才。二、学制及招生对象（一）学制：三年（二）招生对象：高中毕业生和中职毕业生三、人才培养规格（一）职业

2、面向、预期工作岗位名称1.主要岗位本专业大数据基础类岗位：大数据文档编写、大数据采集清洗与转换；大数据技术类岗位：大数据系统搭建与运维、海量数据库管理、大数据软件开发、大数据可视化、大数据分析；2.相关岗位大数据销售服务类岗位：大数据营销、大数据呼叫、大数据售后服务。3.进阶岗位大数据技术公司管理岗位和高级技术岗位（二）起薪标准4500元/月（三）人才质量标准1.知识要求毕业生应具有大数据技术与应用专业必要的基础理论知识，掌握从事本专业领域实际工作的基本能力和基本技能；具备适应生产、管理、服务一线岗位需要的工作能力，具备良好的职业道德与素养。掌握本专业培养目标所要求的基础理论知识、专业知识和技

3、能；具备一定的英语知识，能够借助工具书阅读理解本专业所使用的常用计算机英语，包括技术性文档和资料；掌握计算机方面的专业基础知识，能适应信息化建设；掌握Linux平台下大数据平台搭建，数据库系统搭建、优化、管理等方面的专业技能；掌握大数据技术与应用专业基本的专业技能，能满足大数据岗位的基本素质。2.能力要求通过三年的学习，学生应具备从事本专业领域相关工作的能力。1 熟练操作办公自动化软件；2 具备计算机组装、计算机软硬件故障的判断与定位以及故障排除的能力。3 具备办公自动化设备维护的能力；具备数据库系统管理维护的能力；4 具备非结构化数据处理能力；5 具备数据仓库管理基本能力；6 具备OOP程序

4、设计能力；7 具备Web应用开发能力；8 具备Linux Server、Hadoop项目管理维护的能力；9 具备数据挖掘、数据清洗、数据可视化的处理能力。3.素质要求政治思想素质：热爱祖国，拥护党的基本路线。遵纪守法，善于独立思考，勇于创新的精神。具备良好的职业道德与素养。文化素质：具有一定的文化素质修养，诚实守信、礼貌待人、为人谦逊的文明习惯；具有自尊自强、爱岗敬业、勤奋好学、追求进步的品格；具备良好的人际交往与勾通和工作协调能力。 业务素质：掌握大数据技术与应用专业的基础理论知识；掌握计算机组装与维护、办公自动化软件操作、办公自动化设备维护、计算机网络系统维护及管理、关系型/非关系型数据库

5、系统维护及管理、Windows/Linux服务器系统配置管理等方面、各类大数据平台搭建管理维护的专业技能的能力。 （四）职业岗位资格证书至少取得下列证书之一：1 计算机等级证书 软考证书（五）发展空间1.学历提升完成三年高职阶段的学习、实习和实训后并且成绩合格，可参加专升本考试2.职业资格证提升职业资格证书可由中级向高级层次提升。3.其他根据个人发展情况，可向高级管理人才和高级技术人才方向发展。四、职业核心能力分析表一：大数据技术与应用专业职业核心能力分析表序号核心能力能力要素支撑课程（含实训课）能力要求1基础能力文字与语言表达能力大学语文1口头语言表达能力2一般计划、总结、技术文件的撰写能力

6、数学计算能力高数、线性代数、概率论与数理统计1 矢量代数运算与应用的基本能力2 微积分和微分方程运算的基本能力3 概率论与数理统计的基本能力4 线性代数的运算基本能力英语能力大学英语专业英语1普通英文资料阅读能力2能借助词典翻译本专业资料的基本能力身体素质与运动技能体育1 力量、速度、耐力、灵敏性、柔韧性素质2 常见球类运动技能3 田径、体操、游泳的基本技能2专业核心能力Linux系统应用能力Linux操作系统Linux操作系统大数据挖掘技术能力数据仓库技术与数据挖掘技术数据仓库技术与数据挖掘技术Hadoop运维系统开发能力Hadoop平台部署与运维Hadoop平台部署与运维相关知识数据可视化

7、设计与开发能力数据可视化设计与开发数据可视化设计与开发3素质拓展能力创新力科技创新驱动科技创新相关要素知识心理健康心理健康教育心理健康教育相关知识管理能力管理学协调、组织、共事能力就业、创业指导大学生就业、创业指导了解就业、创业相关知识五、课程体系结构和专业核心课程（一）课程体系结构大数据技术与应用专业课程体系（二）专业核心课程简介（含课程主要内容、授课方式、考核方式等）1. JAVA程序设计Java语言是大数据专业的一门重要基础课程，是跨平台的程序设计语言，它是中间件厂商、系统集成商的首选语言。是一门以Java语言及相关程序设计技术为主要教学内容的专业必修课程，主要介绍Struts2、Spr

8、ing、Hibernate以及它们相互整合的应用。课程的主要内容包括：Struts2框架技术、Spring框架技术、Hibernate框架技术、SSH2整合技术以及项目开发，是后续课程Android开发、Java Web 应用开发 、面向服务的架构设计的基础课程。通过本课程的学习，让学生完全有能力利用Java开发桌面级的应用及C/S模式的应用。本课程主要通过对Java技术的讲解，让学生了解和熟悉Java编程的知识和技能，在课程的学习过程中，强调学生计算机编程习惯的养成。本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。2. Linux操作系统本课程旨在培养

9、学生安装、管理和搭建Linux服务器的能力。学习完本课程，学生将能担任起一个公司的Linux服务器管理员的职责，熟练掌握常用命令的使用、系统的配置与管理、vi编辑器的使用、SHELL脚本编程和网络服务器的配置，为学生基于Linux操作系统的后续专业课程的学习奠定基础。本课程采用以项目为驱动任务为导向的项目化教学方式，旨在充分体现基于工作工程的教学理念，课程注重培养学生应用SHELL脚本解决实际问题的能力。3Hadoop平台部署与运维Hadoop海量数据处理技术，是一个基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。本课程将学习Hadoop

10、两大核心模块MapReduce和HDFS的工作原理，让学生熟练完成Hadoop的安装、配置和管理。能够独立的编写MapReduce程序，并提交Hadoop处理，并可监控作业运行情况和使用资源，最后能够熟练的对HDFS中的文件进行管理。本课程主要采用课堂教学，配合课后的课程设计，使学生能基本掌握Hadoop的相关原理、应用及操作。4数据仓库与数据挖掘技术本课程以数据仓库与数据挖掘的基本概念和基本方法为主要内容，以方法的应用为主线，系统叙述数据仓库和数据挖掘的有关概念和基础知识，使学生尽快掌握建立数据仓库的原理和方法,从理论上掌握数据仓库、OLAP联机分析的基本概念、原理、主要算法及应用系统解决方

11、案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用。程序设计 Python是大数据技术与应用专业必修课，是一门程序设计课程，有一定的理论性和很强的应用性。对于训练学生掌握程序设计技术，熟悉上机操作和程序调试技术都有重要作用。本课程培养学生应用框图表达算法的能力及用Python基础知识编写简单程序的能力。本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。6. 数据可视化设计与开发数据可视化设计与开发是一门理论性和实践性都很强的课程，要求学生掌握Excel数据可视化、Excel数据可视化应用、大数据预测分析

12、、支撑大数据的技术、数据引导可视化、Tableau可视化初步、Tableau地图与预测分析和Tableau分享与发布等内容。本课程使用案例驱动模式教学，使用过程考核学生的基本能力。六、课程设置及时间分配1. 大数据技术与应用专业教学环节总周数分配表内容学期课内教学周数集中实训周数复习考试军事训练入学教育社会实践顶岗实习毕业教育机动合计一15121120二1711120三1711120四1711120五18220六181120合计6542436171202.教学计划进程表课程性质序号课程名称课程编码学分教学学时按学期周学课时分配考核方式课程学时实训学时一二三四五、六所在学期15周17周17周17

13、周36周考试考查文化基础课程1形势与政策0610011161111顶岗实习1-42贵州省情061002118123思想道德修养与法律基础061003360414毛泽东思想和中国特色社会义理论体系概论061005464425大学体育061013711222221-46职业生涯规划061009232217创新创业基础及就业指导232248大学生心理健康教育232239军事理论教育2362110大学英语06100844211高等数学06100444112大学语文06100724113计算机基础441小计38专业群基础课程1C语言程序设计460412互联网+导论230213计算机网络6102634数据

14、结构与算法468425MySQL数据库468436计算机应用数学46842小计24专业课程1JAVA程序设计610268622Linux操作系统610268633Python程序设计46868444Hadoop平台部署与运维46834435数据仓库与数据挖掘技术46834446数据可视化设计与开发46834447深度学习与人工智能468448Spark技术46844小计34合计9624242222课内周学时课内总学时3.实践教学计划表序号实践项目开设学期学时（周）主要内容及要求实训基地、教室考核方式及要求学分1军训与入学教育12军事基本队形队列训练以及学校规章制度的教育本校过程考核22顶岗实习

15、5、636上岗前的培训和取证或根据订单式培养方向，进行职业岗位技能培训相关企业生产第一线企业与学校综合评价483毕业教育61建立步入社会的信心，学习一定的社会知识本校过程考核4概论实践21（第19周）根据概论课的要求进行社会实践校外过程考核15社会实践1、3、41（第19周）培养学生的社会沟通能力和社会服务能力校外过程考核36劳作教育1培养学生的劳作能力 本校过程考核1554.专业选修课课程性质序号课程名称课程编码学分教学学时按学期周学课时分配考核方式课程学时实训学时一二三四五、六15周17周17周17周36周考试考查专业选修课计算机大类1大数据营销234242大数据系统测试234223云计算

16、基础架构平台构建与应用234234大数据文档编写23421注：（一）学分设置要求1.根据学分制要求，各专业每周按24课时计，每学期计24学分，六个学期总计学分数应为144学分，该学分包括必修课学分+公共选修课学分，其中，各专业的公共选修课学分统一要求不少于8学分。2. 各专业毕业最低学分为144学分。3.理论课和理实一体化课程一般以16学时为1学分，课内实验实训及上机等随理论课计算学分。4.社会实践每周按1学分计算，总计为3学分；顶岗实习和毕业教育总计为48个学分。5.入学教育、军训每周按1学分计算，总计为2学分；劳作教育每学期按学分计算，总计为1个学分。 （二）课程具体要求 1.前四学期，每

17、学期按18周计,原则上每周按24课时，教学时数共计1728课时。2.基础课按25%计算，共计约432课时。3.选修课按14%计算，共计约242课时，其中公共选修课与专业选修课各占7%。4.学分按学时除以16进行换算。5.思想道德修养与法律基础计3学分，毛泽东思想和中国特色社会主义理论体系概论计3+1学分（其中含1学分社会实践），第二学期第19周为概论课实践。6.形势与政策要求每个学期开设16学时（共64学时），每周开1学时，本门课共计1学分。7.省情开设18学时，本门课共计1学分。8.大学体育开设112学时，第一至第四学期开设周2学时，本门课程共计7学分。9.军事理论教育开设36学时，本门课共

18、计2学分。10.高等数学、计算机基础课程开设说明：各系根据专业需求进行开设。11.大学语文、高等数学、大学英语三门课程，各系根据具体情况按第一学期开设周4学时或第一、二学期各开设周2学时，每门课计4学分。12.大学生心理健康教育各系根据具体情况可以在第二或第三学期开设，每周2学时，计2学分。13.创新创业基础及就业指导计2学分，在第四学期开设，每周2学时。14.职业生涯规划计2学分，在第一学期开设，每周2学时。 15.劳动课是每个学生必修的选修课，分在校的四个学期开出，计1学分，由教务处、学生处统一安排。此学分未修满，必修重修。16.公共选修课由基础教学部、各系、团委安排课程，教务处统一排课。

19、原则上每门公选课每周安排2节，8周，计1学分。 17.素质拓展课不再由系部安排，可以作为公选课开出。18.专业选修课不在作为限选课程，每个专业需开出4门及以上的专业选修课，每门专业选修课计2学分，各专业专业选修课学分不低于6学分。七、方案制订（修订）说明1.方案编制依据：本计划以教育部关于加强高职高专教育人才培养工作的意见、关于以就业为导向，深化高等职业教育改革的若干意见和关于制订高职高专教育专业教学计划的原则意见等文件为依据，并结合本专业目前的实际情况编写。 2.方案的特点：本计划把社会主义核心价值体系贯彻到人才培养方案中，重视培养学生的诚实品质、敬业精神和责任意识，以“以服务为宗旨、以就业为导向”为指导设计学生的知识、能力、素质结构和人才培养方案，以培养高素质技能型人才为目标构建课程和教学内容体系，部分课程采用了项目化课程教学。3.实践教学时数与理论教学时数之比为： 4.实行学分制，其修业年限按照贵州轻工职业技术学院学分制相关规定执行。5.学分说明：本专业毕业的最低学分为144学分。其中：劳动课1学分必修，公选课不得低于8学分。 6.本专业其他情况说明：学生在规定修业年限内按照教学计划修满最低学分，其中专业必修课必须修满学分，合格准予毕业。