大数据技术与应用专业培养方案Word文档格式.docx
《大数据技术与应用专业培养方案Word文档格式.docx》由会员分享，可在线阅读，更多相关《大数据技术与应用专业培养方案Word文档格式.docx（22页珍藏版）》请在冰点文库上搜索。
大数据架构工程师
1、大数据核心产品设计规划，包括系统架构、技术选型、关键技术研发；
2、大数据新计算框架的选型，技术难题攻关，系统重构优化，根据业务规划及技术制定设计方案
3、大数据监控、运维系统等的构架设计，详细设计，核心功能代码编写，如Hadoop、Maperduce、Stirm等数据存储架构平台、计算框架、数据展示系统设计与搭建
1、具有严密的数学思维、突出的分析归纳能力和数据分析能力；
2、精通Linux操作系统，至少熟练使用Python、Scala、C++等语言中的一种编程；
3、熟悉Hadoop、Hbase、Spark工作原理，熟悉分布式计算实施过程中的问题；
4、精通常见的数据存储相关技术，包括Hdfs、HBase、Hive、MySQL、Redis、Mongodb等；
5、负责大数据平台的性能参数调整和优化；
6、根据业务需求，编制各类分析图表、撰写项目分析文档和报告。
大数据部署
大数据平台开发工程师
1、基于MySQL、Redis、Kafka、Hadoop、Hive搭建开发
大数据分析平台的后台服务，支持数据接入、统计、分析
业务；
2、构建基于Spark/Storm的实时数据处理平台，支撑上层业务使用，如：
数据监控、日报展现、统计分析、业务方调用等；
3、构建基于Hive的即席查询数据统计分析平台；
4、负责数据平台的设计、开发、维护与优化。
1、熟悉Linux的Shell命令，灵活运用Shell做文本处理和系统操作；
2、熟悉分布式计算各种范式，分布式算法实现，有较好的分布式架构设计能力；
3、能够使用SQL操作复杂的数据模型并有SQL优化的经验；
4、熟练掌握Golang、Scala语言，至少精通Python、Perl、Bashshell
脚本语言中的一种，并具有海量数据ETL加工处理经验，从事分布式数据存储与计算平台应用开发；
5、熟练搭建Hadoop集群环境，熟悉Hdfs文件系统，熟练编写MapReduce程序；
6、熟悉Hadoop、Hbase、Hive的原理，并能够管理、配置、运维。
大数据运维工程师
1、参与项目技术平台安装部署、日常运行维护与故障处理、大数据组件补丁升级管理；
2、平台的自动化部署、运维、监控、告警处理，收集Hadoop
的各项metrics指标，确保集群的正常运行；
3、针对Hadoop生态系统的批量部署场景进行运维调优；
4、负责任务调度平台配置及运维管理。
1、具有较强的数据仓库模型设计和ETL设计能力；
2、熟悉Hadoop平台的运维、调优，保障线上集群的稳定可靠；
3、熟练编写Linux下的Shell脚本，能开发相关安全管理工具；
4、能够利用开源软件搭建云服务，并进行相关测试。
大数据分析处理
大数据分析工程师
1、实现数据挖掘算法，并结合核心算法做程序开发；
2、使用数据挖掘、统计分析工具，提供数据决策分析
1、基于Hadoop、Spark的大数据分析和处理；
2、熟悉Python、Scala、Java中的一门以上开发语言，熟悉MySQL、Oralce数据库，对主流分布式存储和运算有一定的了解；
3、熟练使用SPSS、SAS或其它数据挖掘软件，具备数据建模和数据分析理论知识，熟悉常用数据结构和数据处理算法。
大数据可视化工程师
1、负责大数据系统设计和开发工作，如个性化推荐系统、
精准营销、用户画像等数据产品的设计和开发工作；
2、配合需求人员，完成功能模块，支撑日常业务数据需求，负责系统优化、问题跟进并及时解决。
1、有较强编程能力，熟悉C/C++和Python，设计搭建大数据平台；
2、较强逻辑思维能力及软件、算法实现能力，进行抽取、清洗、加工等数据处理；
3、能够设计基于云架构的数据仓库模型，基于大数据平台进行研发、运维、管理等；
4、熟悉数据库、应用服务器和相关开发语言。
良好的数据库设计能力和SQL编写能力。
表2大数据技术与应用专业人才能力结构与要求
职业能力项目
职业能力要求
专业课程
通识能力
计算机基础
操作能力
Windows操作系统、office办公软件应用能力
计算机基本软件应用能力。
《计算机应用基础》
计算机网络
组建能力
理解网络的原理及基本组成；
掌握如何构建
简单的网络；
学会分析网络地址；
了解现实生活中使用的
网络设备。
《计算机网络基础》
基础程序
语言设计能力
掌握C语言的基本语法。
《C语言程序设计》
大数据
基础能力
了解大数据技术的理论知识、应用前景和最
新发展动态；
了解业内常用的大数据处理工具。
《大数据基础》
岗位能力
面向对象
编程能力
掌握Java程序设计的基本语法、Java面向对
象编程思想；
运用Java平台开发Web应用程
序；
熟悉JSP，Servlet，JavaBean，JDBC等
技术。
《Java程序设计》
《Java程序设计实训》
《JavaWeb程序设计》
《Javaweb应用开发实训》
数据库
管理能力
使用MySQL创建、查询和管理数据库
《MySQL数据库原理及应用》
大数据系统
开发能力
大数据平台综合部署，包括业务需求分析、
集群环境设置、框架选择、服务器环境部署
等能力、性能测试、Hadoop与其他系统的集
成等；
Spark的部署，进行计算业务模块的开发；
大数据系统性能提升，包括数据读写优化、
并发处理优化、数据存储优化、数据查询优
化等，以及大数据系统安全维护。
《Linux操作系统》
《云计算架构技术与实践》
《Hadoop与大数据挖掘》
《Spark大数据处理技术》
《大数据系统开发实训》
大数据分析
处理能力
掌握数据采集、清洗、处理的原理和技能；
熟练使用数据统计分析软件，进行数据分析
利用可视化工具建立数据可视化方案。
《Python网络爬虫实战》
《概率论与数理统计》
《数据可视化技术》
表3大数据技术与应用专业职业能力证书考核安排
序号
证书名称
备注
1
全国计算机等级考试
选试
2
相关职业能力证书
3
英语应用能力考试
六、课程设置、时间分配、教学进程及实践性教学（见表4、表5、表6）
本专业总课时为2840节，其中理论课时926节，占总课时的32.6%，实践课时1914节，占总学时的67.4%。
表4大数据技术与应用专业教学计划进程表
课程类别
课程名称
学分
总课时
开课学期与课时
第一学年
第二学年
第三学年
合计
理论
实践
一
二
三
四
五
六
公共必修课
思想道德修养与法律基础
48
32
16
√
毛泽东思想和中国特色社会主义理论体系概论
4
64
高的数学
60
大学英语
8
124
94
30
5
体育
126
6
大学语文及应用文写作
7
大学生职业规划与就业指导
38
22
形势与政策（讲座形式）
80
9
大学生心理健康教育
10
安全教育
11
健康教育
公共必修课小计
34
620
384
236
12
专业基础课
计算机应用基础
90
13
大数据基础
36
24
14
计算机网络基础
15
C语言程序设计
96
概率论与数理统计
17
Linux操作系统
专业基础课小计
28
634
260
174
18
专业核心课
MySQL数据库原理及应用
19
云计算架构技术与实践
20
Java程序设计
58
21
Python网络爬虫实践
JavaWeb程序设计
23
Spark大数据处理技术
Hadoop与大数据挖掘
112
82
25
数据可视化技术
专业核心课小计
39
624
250
374
26
专业技能实训
大数据系统开发实例
52
27
大数据分析挖掘实训
大数据综合项目实训
29
Java程序设计实训
JavaWeb应用开发实例
专业技能实例小计
182
31
IT认证
综合实践
军事教育
78
33
社会实践
顶岗实习
520
35
毕业设计
综合实践小计
832
素质拓展课程
拓展课一
37
拓展课二
拓展课三
素质拓展课程小计
138
2840
926
1914
150
578
484
538
608
表5大数据技术与应用专业全学程时间安排
学年
教学
复习考试
学期周数合计
二
三
总计
87
假期进行
120
表6大数据主要实训课程教学环节一览表
实训课程名称
主要内容及要求
大数据系统开发
技术实训（上）
本课程详细讲解了大数据生态体系的各个模块的功能和开发技术。
包括Hadoop体系中的HDFS，Hbase进行数据操作，MapReduce进行数据开发，YARN进行资源配置，Hive完成数据仓库，Pig进行数据分析，理解其基本原理，并通过实验掌握其操作和编程开发。
技术实训（下）
包括Oozie完成工作流设计，Zookeeper完成分布式进程协调，Sqoop完成数据传输，Flume完成日志收集等模块，最后介绍Spark生态体系，及其Scala基础和SparkSQL开发。
理解其基本原理，并通过实验掌握其操作和编程开发。
大数据采集实训
课程包括网络爬虫基本理论知识的介绍，深入剖析网络爬虫进行数据采集的过程和策略，如何抓取不同类型的数据和文档内容，以及爬取过程中的优化。
通过一种常见工具完成对指定任务的爬取，并存储本地系统中。
数据仓库实训
课程通过介绍数据ETL过程、数据汇总过程、关键绩效指标分析、报表与即席查询、OLAP分析、数据挖掘等方法，使学员学到数据处理的思路与能力方法；
通过介绍数据质量及元数据管理，使学员了解数据应用的本质，并将其有效运用于数据集市及数据仓库解决方案中。
数据统计及分析
掌握分析推断的统计技术，熟练使用数据软件（Python）来分析数据，利用Excel制作分析图表，具备良好的数据呈现技能。
对数据分析报告的撰写有一定程度的掌握，便于在工作中实际操作。
数据可视化
本课程从数据可视化的发展，理解数据和可视化的作用入手，介绍可视化工具和设计的方法。
具体结合Tableau和D3.js的工具，让学生掌握可视化的组件，以及各种组合成为的可视化图表。
并结合不同类型的数据和场景，介绍各中设计方法和最佳实践，学生如何产生的合适的可视化内容。
最后结合案例，理解可视化在各个领域的实际应用。
企业大数据技术
实训
课程全面讲解代表性大数据平台的产品，包括大数据计算服务MaxCompute，分析型数据库AnalyticDB，表格存储TableStore和大数据开发平台DataIDE，以及典型的大数据应用产品。
包括每个产品的使用场景，技术特点，以及实际操作实验。
大数据综合项目
提供电商大数据、通信大数据、农业大数据、交通大数据、电力大数据、政务大数据、金融大数据、医疗大数据等八个完整的项目案例。
还会不断更新引入新的实训案例。
七、课程主要内容简表
课程课程名称
课程性质
主要内容
计算机网络技术
必修
1/1、掌握计算机网络概念，网络四层结构与协议、设备与操作系统
2/2、掌握局域网组网方法，互联网法律法规应用
1、1、掌握C语言的和基本操作
2、2、掌握C语言程序设计的基本方法和基本技能
关系型数据库概论
必修
1、掌握关系型数据库概论的和基本操作
2、掌握关系型数据库概论的基本方法和基本技能
数据结构
1、掌握常用的基本数据结构
2、了解数据结构的逻辑思想和实现方法
3、掌握程序设计方法、程序设计风格
Linux操作系统应用
1、掌握运用Linux安装、环境的配置
2、掌握Linux系统管理，Linux网络管理
网页设计（HTML/CSS）
/1、掌握Web网站的基本知识
22、掌握HTML/CSS的相关知识，并运用
SQLServer数据库应用
1、1、掌握SQLServer2005的基本操作
2/2、运用SQL语言进行程序设计
云存储技术
1、掌握本课程主要讲解云存储基础知识
2、掌握云存储整体架构的设计与搭建，通过集群应用、网格技术或分布式文件系统等功能，将网络中大量不同类型的存储设备通过应用软件集合起来协同工作，共同对外提供数据存储和业务访问
组网技术与网络管理
1、了解组建一个计算机网络的各个环节
1、掌握组建网络和进行网络管理所需要的各种专业技术知识
大数据平台综合技术
1、掌握大数据平台综合技术的基础知识
2、掌握大数据平台综合技术的传输介质、设计与施工、测试及标准等。
ASP.NET基础
1、掌握ASP.NET语法、基本概念和基本知识
2、掌握ASP.NET结构和功能
2、能使用ASP.NET制作动态网站项目开发技术
ASP.NET项目开发
1、能够运用动态网站开发技术，完成像网上商城购物系统后台设计的开发；
3、2、能够完成完成比较综合的动态网站项目的开发
PHP程序设计
1、掌握PHP程序设计的理论知识
2、掌握PHP程序设计的基本方法和基本技能
软件工程
1/1、掌握软件工程的基础知识
2、能够把软件工程相关知识运用于项目开发中，生产相关的文档
精通Javascript+Jquery
1、掌握Javascript+Jquery的基本理论知识；
2、运用Javascript+Jquery来设计出较综合的应用程序
大数据分析与开发
1、了解大数据概念，掌握大数据产生和应用，大数据的作用
2、掌握大数据关键技术、处理模块；
分布式编程、开发等
PHP企业级应用开发
1、运用PHP语言来设计出较综合的应用程序
升级会员 