大数据技术专业（510205）培养方案
一、专业名称及代码
（一）专业名称：大数据技术
（二）专业代码：510205
二、入学要求
高中阶段教育毕业生或具有同等学力者。
三、修业年限
学制为3年。学生在校修读年限为3-5年。
四、职业面向
（一）职业面向
表1 职业面向一览表
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) |
主要岗位类别或技术领域 |
职业资格证书和 技能等级证书 |
电子与信息大类 (61) |
计算机类 (6102) |
互联网和相关服务(64) 软件和信息技术服务 (65) |
大数据工程技术人员(2-02-10-11) 计算机软件工程技术人(2-02-10-03) 信息和通信工程 技术人员（2-02-10） |
大数据平台搭建与运维、大数据采集、数据预处理、大数据可视化展示、Web前端开发、软件开发 |
大数据平台运维（1+X证书）、大数据应用开发（1+X证书）、大数据分析与应用、Web前端开发职业技能等级证书 |
（二）职业能力分析及要求
表2 岗位能力分析表
序号 |
岗位名称 |
岗位类别 |
岗位任务描述 |
岗位核心能力要求 |
初始岗位 |
发展岗位 |
1 |
数据采集/ 网络爬虫工程师 |
数据采集 |
网络爬虫 |
参与爬虫项目的架构设计、研发、编程工作，改进和提升爬虫效率；设计爬虫策略和防屏蔽规则，提升网页抓取的效率和质量；负责后台爬虫数据的分布式存储设计以及代码实现；负责网页采集任务的分析及采集方案设计；负责分布式爬虫策略持续优化。 |
熟悉掌握多线程、网络编程，精通网页抓取原理及技术的实现细节；熟悉基于规则的网页信息抽取，精通正则表达式；从结构化的和非结构化的数据中获取信息，对网页数据抓取、信息提取、去重、清洗有一定经验；了解分布式计算和储存技术以及相关原理；热爱互联网，对搜索技术和探索未知领域有浓厚兴趣。 |
2 |
大数据运维工程师 |
平台维护 |
平台架设 |
负责和参与公司大数据基础架构平台的运维，保障数据平台服务的稳定性和可用性；负责和参与运维系统及平台的建设；负责优化运维流程提升运维效率；处理各类异常和故障，确保系统平台的稳定运行；深入研究大数据业务相关运维技术，持续优化集群服务架构；参与设计大数据自动化运维、监控、故障处理工具。 |
熟悉 Hadoop、Hive、Kafka、Hbase、Yarn、Storm等原理及运维方式，有大数据平台开发经验者优先；熟悉 Linux操作系统，熟悉Java和Python 语言，熟悉Hive 语法及常见命令脚本；具备故障排查能力、技术敏感度和风险识别能力。 |
3 |
大数据可视化工程师 |
简单数据可视化 |
集成项目可视化 |
负责公司产品的数据可视化项目，与设计师合作，展示数据之美；负责数据可视化产品的视觉设计，参与大数据分析产品策划工作；利用图形化的工具及手段将相关数据展示应用；依据交互设计模式，对数据和展现交互行为设计开发。 |
具有网页前端展现能力，掌握CSS、HTML、JavaScript、D3.js等技术；熟悉jQuery， UI图表类库，熟悉不同浏览器在可视化上的差异；具有良好的美感，对数据可视化设计有较深的认识，有创意和想法；熟悉Python 语言的数据可视化设计能力。 |
4 |
大数据分析工程师 |
算法使用 |
算法设计 |
通过大数据平台分析生产运营数据，完成统计与预测的工作；分析数据，挖掘数据特征及潜在的关联，为运营提供参考依据；行业数据的整理、统计与分析，负责从数据的角度给出决策建议。 |
熟练使用 Linux 操作系统；熟悉Python 工具进行数据分析、处理、基础建模；熟悉MySQL数据库技术；熟悉 NoSQL数据库技术；具有数据分析的基本理论知识；理解数据挖掘、机器学习、自然语言处理等领域大型项目研发经验。 |
五、培养目标与培养规格
（一）培养目标
本专业培养思想政治坚定、德技并修，在德、智、体、美、劳等方面全面发展，具有一定的科学文化水平、良好的职业道德和工匠精神，掌握大数据应用程序开发、数据可视化展示、大数据平台搭建、大数据平台运维等专业技术技能，具备认知能力、合作能力、创新能力、职业能力等支撑终身发展、适应时代要求的关键能力，具有较强的就业创业能力，面向大数据分析、数据仓库管理、应用开发等领域，能够从事大数据平台搭建与运维、数据采集、数据加工、数据分析、数据可视化等工作的高素质技术型人才。
（二）培养规格
1. 素质
（1）思想品德素质：具有法律意识和职业道德修养；具有责任心和社会责任感；具有合作精神和团队精神，在项目实践中具有良好的质量、安全、服务和环保意识。
（2）文化素质：具备较好的人文素养与情怀。
（3）专业素质：具有从事本专业工作所需的数学知识；具有计算机科学与技术学科的基础理论和专业知识；能参与计算机应用系统和大数据应用系统的产品设计开发、建设和应用维护等项目中。
（4）身心素质：具有良好的心理素质和身体素质。热爱祖国，拥护中国共产党的领导，树立科学的世界观、人生观和价值观；具有法律意识，自觉遵纪守法；热爱本专业、注重职业道德修养；具有诚信意识和团队精神；具有一定的工程意识和效益意识。
表3 素质与相关课程对应关系
素质 |
对应课程 |
素质1 |
思想道德与法治、毛泽东思想与中国特色社会主义理论体系概论、大学生安全教育、就业指导与创业教育、专业见习、社会实践 、顶岗实习毕业设计。 |
素质2 |
四史教育、思想道德与法治、大学语文、音乐鉴赏、美术鉴赏、书法、形势与政策、大学生心理健康教育。 |
素质3 |
高等数学、概率论与数理统计、线性代数、信息技术、Python程序设计基础、大数据导论、Web前端开发技术、数据库应用技术、Python统计分析、Linux操作系统、Python高级程序设计、数据结构、计算机网络技术、信息安全技术、数据预处理（含数据清洗）、数据可视化技术、大数据分析、NoSQL数据库应用、Hadoop应用技术、Spark应用技术、大数据学科前沿技术。 |
素质4 |
大学生心理健康教育、大学生安全教育、思想道德与法治、体育、毛泽东思想与中国特色社会主义理论体系概论、就业指导与创业教育、职业生涯规划、入学教育、军训、军事理论。 |
2. 知识
毕业生应具有该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。
（1）通识知识：具有人文社科、信息交流、法律与环境、社会与公共安全等知识。
（2）自然科学知识：具有从事专业相关的项目工作所需的数学、电子技术等基础知识。
（3）学科基础知识：具有扎实的计算机基础知识、信息处理方法、统计分析、软件开发等相关学科的基本理论和基本知识。
（4）专业知识：熟悉大数据技术领域的基本理论和基本知识，熟练掌握Python程序设计、数据分析与方法等专业知识。
（5）项目与管理知识：具有基本的项目实施与管理知识；掌握大数据技术的基本思维方法和工程设计方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态。
（6）工具性知识：掌握相关大数据文献检索、行业资料查询及运用现代信息技术获取相关知识的基本方法。
表4 知识与相关课程对应关系表
知识 |
对应课程 |
知识1 |
思想道德与法治、毛泽东思想与中国特色社会主义理论体系概论、形势与政策、大学生心理健康教育、大学生安全教育、就业指导与创业教育、职业生涯规划、大学英语、大学语文、体育、音乐鉴赏、美术鉴赏、书法、应用文写作、四史教育。 |
知识2 |
高等数学、概率论与数理统计、线性代数、轨道交通概论、机械制图、信息技术。 |
知识3 |
Python程序设计基础、大数据导论、Web前端开发技术、数据库应用技术、Python统计分析、Linux操作系统、Python高级程序设计、 计算机组成原理、计算机科学导论、数据结构、面向对象程序设计语言、计算机网络技术、算法分析与设计、单片机原理及应用、Python Web应用技术、软件工程基础、信息安全技术、区块链原理及应用、Python图像处理技术。 |
知识4 |
数据采集（含爬虫）、数据预处理（含数据清洗）、数据可视化技术、大数据分析、NoSQL数据库应用、Hadoop应用技术、Spark应用技术、大数据学科前沿技术、智能科学与技术导论、数据挖掘、机器学习、神经网络、深度学习项目实训、铁路运营大数据分析、乘客大数据分析、时空数据分析、社会网络分析技术、轨道大数据项目实训、大数据金融管理思维、R语言与数据分析、证券大数据分析、金融数据分析、大数据财务分析、金融数据系统项目规划、物联网传感器技术、物联网通信技术、智能终端应用技术、物联网大数据处理技术、物联网大数据项目实训。 |
知识5 |
智能科学与技术导论、机器学习、神经网络、深度学习项目实训、铁路运营大数据分析、乘客大数据分析、时空数据分析、社会网络分析技术、证券大数据分析、金融数据分析、大数据财务分析、金融数据系统项目规划、大数据金融管理思维。 |
知识6 |
信息技术、大数据导论、数据采集（含爬虫）、数据预处理（含数据清洗）、数据可视化技术、大数据分析、NoSQL数据库应用。 |
3．能力
（1）学习能力：能够熟练阅读英文的专业科技文献，具备运用英语进行阅读的能力，而且具备运用各种线下和线上资源，学习计算机科学与技术领域的、与数据行业相关技术的能力。
（2）分析和解决问题的能力：具有大数据行业领域一定的科学研究能力、大数据相关软件产品的应用、开发能力、大数据分析、设计、部署以及维护和管理能力。
（3）创新能力：具备较强的创新意识和从事大数据领域科学研究的基本能力，具有应用大数据的相关理论、方法和关键技术，将大数据技术与行业专业系统相结合，完成创新型的大数据应用运用并提供整体解决方案的能力。
（4）程序设计与实现能力：掌握结构化程序设计和面向对象程序设计的基本思想、方法和技巧，具备高级语言编程解决行业应用实际问题的能力。
（5）数据预处理、分析与应用能力：掌握数据预处理、数据清洗、融合、数据分析等关键技术。具备利用各种大数据行业工具，对行业海量数据和信息进行处理的能力,具备为大数据可视化展示、为大数据应用开发等任务提供技术基础、为大数据行业应用项目提供支撑的能力。
（6）项目管理能力：了解相关的技术标准，具有数据处理、分析和应用、呈现等技术应用技能，具备大数据项目文档的编制和组织与管理能力。
（7）合作与沟通能力：具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力。
表5 能力与相关课程对应关系表
能力 |
对应课程 |
能力1 |
大学英语、大数据导论、计算机组成原理、计算机科学导论、计算机网络技术、软件工程基础、信息安全技术、大数据学科前沿技术、智能科学与技术导论、物联网传感器技术、物联网通信技术。 |
能力2 |
数据库应用技术、数据结构、算法分析与设计、区块链原理及应用、Python图像处理技术、NoSQL数据库应用。 |
能力3 |
Linux操作系统、单片机原理及应用、数据挖掘、机器学习、神经网络、大数据金融管理思维、智能终端应用技术。 |
能力4 |
Python程序设计基础、Web前端开发技术、Python高级程序设计、面向对象程序设计语言、Python Web应用技术。 |
能力5 |
Python统计分析、数据采集（含爬虫）、数据预处理（含数据清洗）、数据可视化技术、大数据分析、Hadoop应用技术、Spark应用技术、铁路运营大数据分析、乘客大数据分析、时空数据分析、社会网络分析技术、R语言与数据分析、证券大数据分析、金融数据分析、大数据财务分析。 |
能力6 |
数据采集（含爬虫）、数据预处理（含数据清洗）、数据可视化技术、大数据分析、数据库应用技术、NoSQL数据库应用； 金融数据系统项目规划、物联网大数据项目实训。 |
能力7 |
Web前端开发技术、深度学习项目实训、金融数据系统项目规划。 |
六、课程设置及要求
（一）公共基础课程
公共基础课程有思想道德修养与法律基础、毛泽东思想和中国特色社会主义理论体系概论、形势与政策、大学生心理健康教育、大学生安全教育、就业指导与创业教育、职业生涯规划、大学英语、大学语文、高等数学、概率论与数理统计、线性代数、信息技术、体育，选修课有音乐鉴赏、美术鉴赏、书法、应用文写作、四史教育、城市轨道交通概论、机械制图。
（二）专业（技能）课程
专业基础课必修课：数据采集、数据预处理、数据可视化技术、大数据分析、NoSQL数据库应用、Hadoop应用技术、Spark应用技术七门课，专业基础选修课有24学分（12门课程），从中选择6学分。
专业课必修课：Python程序设计基础、大数据导论、Web前端开发技术、数据库应用技术、Python统计分析、Linux操作系统、Python高级程序设计七门课，专业选修课有44学分（22门课程），从中选择6学分。
实践教学课程：包括（1）入学教育、军训、军事理论；（2）认知见习；（3）专业实习；（4）社会实践，顶岗实习；（5）顶岗实习毕业设计（设计报告）；（6）大学生创新创业实践；（7）IT行业创新创业专题；（8）大数据平台搭建项目实训；（9）证书培训；（10）轨道大数据分析项目方案设计。
1. 主要专业基础课程
（1）Python程序设计基础
课程目标：
通过本课程的学习，掌握Python安装、调试、语法、编程思想等的基本知识，使学生具备编写程序的基础能力。
主要内容：
Python应用环境搭建、Python 基础知识、组合数据结构（List、Tuple、Dict、Set）、函数、面向对象编程、异常处理、包和模块、文件基础等。
教学要求：
要求学生能够搭建Python应用环境，掌握Python的编程知识和程序设计思想，能够使用Python语言进行一般的应用程序的开发。
本课程为必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末成绩(60%) 两项构成，考核成绩记入学生学籍档案。
（2）数据库应用技术
课程目标:
通过本课程的学习，掌握MySQL数据库管理和维护的各种技术，使学生具备数据库工程师专业水平的能力。
主要内容：
MySQL的基础知识、创建和删除数据库、利用SQL语句创建表、对数据进行增加、删除、修改和查询，对数据库进行数据预处理、日常数据维护，为大数据处理提供数据存储支持。
教学要求：
要求学生掌握创建MySQL数据库、掌握用SQL语句操作MySQL数据库的方法。
本课程为必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末成绩(60%) 两项构成（含有实训项目内容），考核成绩记入学生学籍档案。
（3）Python统计分析
课程目标：
通过本课程的学习，掌握 Python 库的安装方法及常用Numpy、Pandas、Matplotlib 库的基本知识，使学生具备使用 Python 的进行数据统计分析的能力。
主要内容：
Python数据分析需要用到的Jupyter、Notebook、Nunpy、Pandas等环境的安装；能够利用Python进行数据统计、综合指标分析、时间序列分析、抽样调查、回归分析等。
教学要求：
要求学生掌握利用Python语言及Python相关模块，实现数据的统计分析。
本课程为必修课。课程考核方式为考查，采用百分制，由平时成绩(40%) 和期末成绩(60%) 两项构成（含有实训内容），考核成绩记入学生学籍档案。
（4）Python高级程序设计
课程目标：
通过本课程的学习，使学生掌握Python高级程序设计的技术方法，具备编写功能较强的应用程序的能力，培养学生的逻辑思维、计算思维和数据统计能力。
主要内容：
Python数据库访问、网络编程、图形用户界面、多线程、多媒体技术、Python Web编程、Python运维基础、Python计算、Python图形展示、数据安全技术等。
教学要求：
要求学生利用Python进行应用程序的设计，能够访问数据库、搭建利用第三方库进行各种应用系统的开发的环境，实现一定应用功能的系统设计。
本课程为必修课。课程考核方式为考查，采用百分制，由平时实训成绩构成，考核成绩记入学生学籍档案。
2. 专业课程
（1）数据采集（含爬虫）
课程目标：
通过本课程教学，使学生对互联网大数据采集技术有一个全面的了解，掌握基本的信息内容采集、提取和分析方法，并且具备一定的针对具体信息采集需求的实际运用和解决能力。
主要内容：
互联网大数据采集技术与实现概况；Web服务器的应用架构以及HTTP、Robots、HTML页面编码等相关协议和规范；各种文件格式及存储；普通网络爬虫技术、动态页面采集方法、主题爬虫技术、Deep Web爬虫、微博信息采集、Web信息提取以及反爬虫技术。
教学要求：
要求学生掌握网络页面爬取数据的技术，并将爬取的数据存储到一定格式的文件和数据库中。
本课程为必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末（含有实训项目内容）成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（2）数据预处理（含数据清洗）
课程目标：
通过本课程的学习，使学生了解原始数据存储的主要缺陷；理解数据预处理的作用和工作任务；掌握数据清洗的主要任务与常用方法；掌握数据仓库中的数据集成、Kettle工具的使用，数据清洗、数据转换、数据迁移和数据加载的主要内容和常用方法。
主要内容：
ETL工具、Kettle工具的使用，数据抽取的方法，数据清洗和检验，数据变换，数据归约等。
教学要求：
本课程为必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末（含有实训项目内容）成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（3）数据可视化技术
课程目标：
通过本课程的学习，使学生理解数据可视化的一些基本概念；了解数据可视化所涉及的技术基础；掌握常用的可视化工具；通过项目设计与制作，综合培养学生的运用课程知识能力、系统分析与设计能力、团队合作能力，加深学生对课程知识的理解和掌握，掌握Python的可视化设计方法。
主要内容：
主要讲授内容：数据可视化技术及工具简介、数据地读取和处理、Matplotlib数据可视化基础、seaborn绘制进阶图形、pyecharts交互式图形地绘制、大数据可视化项目实战。
教学要求：
本课程为必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末（含有实训项目内容）成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（4）大数据分析
课程目标：
通过本课程的学习使学生能够使用合适的工具（Python）及完成每个项目的实验内容，按时提交实验报告。独立完成综合实验：选取问题、确定目标、获取数据、数据分析、数据可视化、撰写实验报告。
主要内容：
数据挖掘概述；数据特征分析与预处理；关联规则挖掘；分类算法；聚类算法；异常检测。
教学要求：
必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和期末（含有实训项目内容）成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（5）NoSQL数据库应用
课程目标：
通过本课程的学习使学生能够掌握NoSQL数据库系统的概念、结构、功能；掌握NoSQL数据库系统设计的原理、方法和技术；掌握NoSQL数据库的优化、可靠性、安全性等知识；掌握设计NoSQL数据库系统的方法，为学生后继课程及实践打下基础。培养学生良好的NoSQL数据库程序设计风格和严密的逻辑思维，提高NoSQL数据库程序设计与实现能力、创新思维和创新能力。
主要内容：
NoSQL数据库的基本概念；基本原理；NoSQL数据库的分类；Hbase 的基本原理；Hbase 的基本组件；Hbase 的管理与编程；MongoDB 数据库原理及Python访问MongoDB；其他常用非关系型数据库技术。
教学要求：
必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和实训成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（6）Hadoop应用技术
课程目标：
通过本课程的学习，掌握 Hadoop架构、原理；Hadoop集群配置及安装；Hadoop IDE开发环境配置；Hadoop的常用命令；MapReduce框架、Hive架构以及Hive的安装、配置及常用命令的基本知识，使学生具备Hive开发的能力。
主要内容：
Hadoop大数据技术概述；Hadoop环境设置；HDFS；YARN；MapReduce；HBase、Hive、pig；Flume；Zookeeper；Ambari;mahout。
教学要求：
必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和实训成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（7）Spark应用技术
课程目标：通过本课程的学习，学生能够掌握Spark大数据快速运算的具体方法的基本知识，使学生具备Spark进行分布式数据处理的能力。
主要内容：
Spark简介；安装；运行架构；RDD的设计与运行原理；部署模式；RDD编程；键值对RDD；数据读写；Spark SQL；Spark Streaming。
教学要求：
必修课。课程考核方式为考试，采用百分制，由平时成绩(40%) 和实训成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
（三）实践教学课程
1. 入学教育、军训、军事理论
课程目标：通过严格的军事训练使学生掌握基本军事技能，提高学生的政治觉悟，激发爱国热情，培养艰苦奋斗、刻苦耐劳的坚强毅力和集体主义精神，增强国防观念和组织纪律性，养成良好的学风和生活作风。
主要内容：
共同条令、队列动作、轻武器射击、战术、格斗基础、紧急集合、行军拉练、中国国防、军事思想、国际战略环境、军事高技术、信息化战争。
教学要求：
必修课。课程考核方式为考查，采用百分制，由军训成绩构成，考核成绩记入学生学籍档案。
2. 认知见习
见习目标：
通过本门课程的学习，使学生加深对理论知识的理解，了解大数据工程行业前景，了解大数据技术运用方法和流程，了解企业信息化现状，提高对计算机技术在企业管理及生产过程中应用的重要性的认识，学习大数据技术在企业管理及生产过程控制中应用的方法和技巧，从而培养学生分析与解决问题的能力、初步形成个人职业规划。
主要内容：
校内指导教师讲解实习大纲、实习计划的内容，明确实习任务和要求。并对学生进行安全、保密、劳动纪律等有关内容的教育，做好学生的思想教育工作，确保学生的人身安全；校外公司工程技术人员做专题报告，讲解大数据技术的运用流程、开发方法及进行典型案例分析，企业介绍大数据行业前景、学生与企业共同进行职业规划并组织学生参观等。
教学要求：
必修课。课程考核方式为考查，采用百分制，由见习报告成绩构成，考核成绩记入学生学籍档案。
3. 专业实习
实习目标：
通过本门课程的学习，让学生掌握大数据系统的起源及系统特征、大数据系统的架构设计及功能目标设计、大数据系统程序开发、企业大数据案例分析的内容，同时利用真实实训环节以及大数据技术岗位来提升学生对大数据技术的实践能力。
主要内容：
大数据行业发展趋势与人才需求；大数据技术趋势；大数据的特点；大数据的应用领域；大数据基础环境和工具认知；数据可视化展示；Linux操作系统的初步使用体验；大数据入门；计算框架介绍与案例演示。
教学要求：
必修课。课程考核方式为考查，采用百分制，由平时成绩(40%) 和实习报告成绩(60%) 两项构成，也可以实行项目考核方式，考核成绩记入学生学籍档案。
4. 社会实践，顶岗实习
课程目标：通过理论联系实际，巩固所学的知识，提高处理实际问题的能力，为顺利毕业进行做好充分的准备，并为能顺利与社会环境接轨做准备。通过实习，使学生进一步理解和领会所学的基本理论，了解大数据技术发展及应用，较为系统地掌握大数据应用技能，把所学知识与解决实际问题相联系，能够利用大数据技术处理工作中的各种信息，培养学生发现问题、分析问题和解决问题的能力，从而提高学生从事实际工作的能力。
主要内容：进入企业进行专业相关岗位实习。
教学要求：必修课。课程考核方式为考查，采用百分制，成绩由实习工作态度(10%)、实习手册(30%) 和实习报告(60%) 三项构成，考核成绩记入学生学籍档案。
5. 顶岗实习毕业设计（设计报告）
课程目标：专业项目
主要内容：
掌握需求分析、系统设计、模块设计、代码设计、运维手册等项目文档编写，掌握代码编写、程序测试、系统部署，完成专业顶岗实习。
教学要求：
必修课。课程考核方式为考查，采用百分制，成绩由项目书(40%)和软件系统(60%)两项构成，考核成绩记入学生学籍档案。
6. 大学生创新创业实践
课程目标：
通过本门课程的学习，让学生提前参与到真正的创业过程中，理解一家公司到底如何从零到1，结合学校实际和专业特点，瞄准学生成长和发展需求，充分利用现代教育技术手段，使课上课下、线上线下、理论和实际紧密结合，使认知、体验、思考和感悟相统一，使创新创业教育惠及每一名学生。
主要内容：
大学生发挥创造性思维，运用个人所掌握的知识和资源，培养发现问题、分析问题、解决问题的能力，在学校的协助下或凭自身能力组织和运营一个企业，并承担其所带来的风险。
教学要求：
必修课。课程考核方式为考查，采用百分制，成绩由项目设计成绩(40%)和项目实践成绩(60%)两项构成，考核成绩记入学生学籍档案。
7. IT行业创新创业专题
课程目标：
通过本门课程的学习，对大学生创业意识、创业观念和创业能力进行重点培养；有针对性地开设专题讲座,“大学生创业计划大赛”与创业课程同步举行,培养新时代大学生“敢闯会创”的综合素质能力，进一步挖掘和培育“互联网+”创新创业大赛参赛项目，提高参赛项目质量，增强实践育人成效，切实提高大学生创业能力,缓解大学生就业压力,为社会培养高素质人才。
主要内容：
技术与经济发展趋势、IT领域的前沿技术、 IT行业的发展趋势、创新创业选题、项目及商业计划书写作、“互联网+”创新创业的应用领域（互联网+制造业，互联网+现代农业，互联网+信息技术服务，互联网+文化创意服务，互联网+社会服务，互联网+公益创业）等。
教学要求：
必修课。课程考核方式为考查，采用百分制，成绩由项目书(40%) 和项目实践(60%) 两项构成，考核成绩记入学生学籍档案。
8. 大数据平台搭建项目实训
课程目标：
通过本门课程学习，使学生在掌握Hadoop及Spark生态圈的基础上，进一步理解分布式、集群基本概念，完成大数据平台的搭建、管理和监控。提供对大数据平台以指引式方式安装、配置；同时还提供所有组件及服务的稳定运行状态和预警功能，从而达到对大数据平台的简易、高效、安全的进行管理和维护。
主要内容：
搭建大数据应用项目的开发环境，包括Hive、HBase、Pig、Flume、Sqoop、Zookeeper、Spark、Storm等生态系统，用于大数据应用项目开发。
教学要求：
必修课。课程考核方式为考查，采用百分制，由实践成绩构成，考核成绩记入学生学籍档案。
9. 证书培训
课程目标：
通过本门课程培训，学生可以获得以下证书：全国计算机等级考试Java 语言程序设计（二级）；全国计算机等级考试Python 语言程序设计（二级）；全国计算机等级考试MS Office 高级应用（二级）；大数据工程师证书；全国计算机等级考试C 语言程序设计设计（二级）；Web 前端开发职业技能等级证书；大数据平台运维（1+X证书）、大数据应用开发（1+X证书）、大数据分析与应用；程序员（初级）；数据库工程师（中级）。
主要内容：
针对不同证书开展专门课程培训。
教学要求：
必修课。课程考核方式为考查，采用百分制，由平时成绩(40%)和期末成绩(60%)两项构成，也可以凭证书替换考核，考核成绩记入学生学籍档案。
10. 轨道大数据分析项目方案设计
课程目标：
通过本门课程的学习，学生可以进行仿真计算、理论验证以及数据实测等方面的分析，可以进行综合统计分析、全面的了解轨道交通的运行状态，从而可以进行有效的系统维护，提升服务质量。
主要内容：
大数据基本趋势；大数据在解决轨道交通中的优势；轨道大数据未来发展趋势。
教学要求：
必修课。课程考核方式为考查，采用百分制，成绩由项目设计书(40%) 和实践(60%) 两项构成，考核成绩记入学生学籍档案。
七、课程结构比例
本专业总学时为2836学时，其中理论教学时数为1227，占总学时的43.3%；实验教学时数为1609，占总学时的56.7%。
本专业总学分为151.5学分，公共基础课程学分占总学分的29.4%；选修课程学分占总学分的11.9%。
表6 大数据技术专业课程结构比例表
课程平台 |
课程性质 |
学时数 |
占总学时比例 |
学分数 |
占总学分比例 |
公共基础课程平台 |
必修 |
616 |
21.7% |
38.5 |
25.4% |
选修 |
96 |
3.4% |
6 |
4.0% |
专业基础课程平台 |
必修 |
448 |
15.8% |
28 |
18.5% |
选修 |
96 |
3.4% |
6 |
4.0% |
专业课程平台 |
必修 |
384 |
13.5% |
24 |
15.8% |
选修 |
96 |
3.4% |
6 |
4.0% |
集中实践教学平台 |
必修 |
1100 |
38.8% |
43 |
28.4% |
必修课小计 |
2548 |
89.8% |
133.5 |
88.1% |
选修课小计 |
288 |
10.2% |
18 |
11.9% |
总计 |
2836 |
100% |
151.5 |
100% |
九、实施保障
（一）师资队伍
1. 队伍结构
根据技能教学需要，通过校企共建、专兼结合的方式，建有涵盖软件与信息服务技术领域各岗位、各有所长、能持续进行教学改革创新的教学团队，兼职教师占专业教师的比例为10%～20%。
2. 专任教师
具有高校教师资格和本专业领域相关证书；有理想信念、有道德情操、有扎实学识、有仁爱之心；具有相关专业本科及以上学历；具有扎实的本专业相关理论功底和实践能力；具有较强的信息化教学能力，能够开展课程教学改革和科学研究。
3. 专业带头人
原则上应具有副高及以上职称，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实际需求，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。
4. 兼职教师
具有信息技术领域本专业三年以上的工作经验，具备良好的思想政治素质、职业道德，具有扎实的专业知识和丰富的实际工作经验，能承担专业课程教学、实习实训指导和学生职业发展规划指导等教学任务。
（二）教学设施
1. 专业教室基本条件
主要配备电子白板、多媒体计算机、投影设备，互联网接入，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. 校内实训室基本条件
（1）计算机维护实训室
配备服务器（安装常用软件）、投影设备、电子白板、计算机机房、笔记本电脑、维护检测工具、WiFi环境。支持硬盘分区、检测、维护以及各种操作系统安装、应用软件安装等课程的实训。
（2）计算机组成原理实训室
投影设备、电子白板、计算机组成原理实验箱。能够完成寄存器实验、运算器实验、存储器实验以及中断实验等，可进行计算机硬件与软件结合的实验。
（4）软件开发实训室
配备服务器及相关软件及开发工具、投影设备、电子白板、计算机机房等。支持Java、Python语言程序设计、数据结构实训、MySQL数据库实训、Linux/Windows操作系统环境、Java和Python应用项目开发等课程的教学与实训。
（5）大数据分析实验室
支持大数据运维、数据采集与预处理、数据仓库、大数据可视化、Python数据分析、Hadoop大数据分析、Spark大数据分析等。
3. 校外实训基地基本条件
校外实习基地主要以真实的生产任务训练为主，对校内实训基地设备、场所和功能有效补充。校外实习基地不同于校外培训机构，必须具有真实正常的生产活动，规范的公司运作机制，能确实使学生参与到真实的生产的各个环节，使学生体验并实际进行具体的操作，能充分保证学生的校外实训效果。
校外实训基地应提供：真实大数据资源、系统设计、数据分析、数据展示、需求分析及市场调研、软件测试、系统部署运维、售后服务支持等岗位供学生进行实习。
（三）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、图书文献及数字资教学源等。
1. 教材选用基本要求
（1）按照国家规定选用优质的高职高专教材，禁止使用不合格的教材。选用的教材水平要体现课程教学标准基本要求，具有科学性、先进性、系统性，符合认知规律，适宜于本专业的教学。
（2）专业基础课程和专业课程必须选用正式出版教材；拓展课程至少有主要参考教材。
（3）专业课教材应培养学生具有系统的专业知识，了解技术发展前沿和国内外最新成果。
（4）优先选用获得国内外同行专家较高认同的优质原版教材。
（5）优先选先进教学理念的教材。
（6）优先选用近三年出版的教材。专业课教材连续使用三年以上，原则上必须换用新教材(或新修订版本)。应杜绝教材陈旧，做到及时更新。
2. 图书文献配备要求
图书文献配备方便师生查询、借阅，能满足教师人才培养、专业建设、教科研等工作的需要和学生自学等需要。
3. 数字资源配备要求
建设、配备与本专业有关的音频、视频素材、教学课件、数字化教学案例库、微课、慕课、数字教材等专业教学资源，种类丰富、形式多样、使用便捷、动态更新、满足教学需求。
（四）教学方法
在教学过程中，采用“讲—演—练—做—评”五位一体教学模式，以工学结合为切入点，专业课程采用理论实践一体化教学，即将课堂、实验实训室、实际项目场景结合在一起，将理论学习和实际工作过程融为一体。
“讲”，既是讲理论、讲语法，讲思路、讲经验。老师在课堂上把必须、够用的理论知识和解决问题的思路，以及教师在软件开发工作过程中积累的宝贵经验，通过讲授的方式直接快捷地传递给学生，使学生立即“站在巨人的肩上”。
“演”，既演示，教师模拟真实的工作场景和职业氛围，演示给学生看，形象的展示岗位技能和工作要领，步骤和技巧。
“练”，既练习，学生根据老师的讲解和演示，自己动手实现相关程序项目，先“比葫芦画瓢”，体会操作要领，设计步骤，体验专业知识与技能项目实践过程的衔接与联系，避免学生“眼高手低”，逐渐达到举一反三、灵活应用的目的。
“做”，即做项目。根据课堂所学理论、实习实训练习中掌握的技能，设计小项目，能够全面理解项目设计的设计思路、实现的技术方法、完整的过程。
“评”，既是评价，通过学生自评和互评、教师评价等方式，使学生不仅知道“怎么做”，而且知道“做的怎么样，怎么做才是最好的”。
总的来说，通过“讲—演—练—做—评”五位一体教学模式，让学生经过“知晓 -> 试做 -> 习惯养成 -> 行为 -> 激发潜能”的训练过程，完成从学校的学生到社会的职业人的转变。
（五）学习评价
建立科学的评价体系，提高教学评价的科学性和能效性，激发学生的学习兴趣，调动学生学习的主动性。具体设计即以过程性评价与结果性评价相结合的方式，过程性评价包含平时作业、出勤、问答和上机实习任务完成情况，结果性评价即为学期末的学院统一的考试、考查、项目或课程设计的评价，过程性评价和结果性评价所占比例按 4：6设计，过程性评价中作业、考勤、问答和上机任务所占比例按照1：2：1：6设计。在公正、公平、科学、客观的前提下，多元化考核评价为课程的教学活动提供科学、准确、可靠、定量的反馈信息。对实训实践性较强的课程，可以加大结果性评价，实行项目或课程设计的评价方式，通过考核改革方法，提高学习的实用性，同时促进教学改革，有利于培养合格的人才。
（六）质量管理
教学质量管理是为保证培养规格，促使教学效果达到课程计划、教学大纲和教科书所规定的要求，对教学过程和效果进行指导、控制，按照培养目标的要求安排教学活动，并对教学过程的各个阶段和环节进行质量控制的过程。
1. 制定详细的教学工作计划，明确教学工作目标，保证教学工作有计划、有步骤、有条不紊地运转。
2. 加强教师的教学质量和学生的学习质量管理。
3. 组织开展教学研究活动，对教学团队、课程群成员，制定教研工作目标，促进教学工作改革。
4. 深入教学第一线，加强检查指导，建立健全巡课、听课、评教、评学制度，定期开展公开课、示范课等教研活动，及时总结经验，提高教学质量。
5. 建立有效的教学督导制度、与企业联动的实践教学环节督导制度。
6. 建立了毕业生跟踪反馈机制及社会评价机制，并对生源情况、在校学生学习情况、毕业就业情况等进行分析，结合国家和本地人才需求，定期评价人才培养质量和培养目标达成情况。
7. 专业教研室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。
十、毕业要求
毕业要求是学生通过规定年限的学习，须修满专业人才培养方案所规定的学时学分，达到本专业人才培养目标和培养规格的要求。
（一）毕业学分
本专业学生毕业时必须在规定的学时内达到本专业计划的最低151.5学分以上，且所有必修课程考核必须合格，其中必修课程必须达到133.5学分,选修课程至少达到18学分。
（二）证书要求
对接1+X证书制度改革，取得全国计算机等级考试二级证书，或相当水平的证书，可以折合2学分，取得专业相关的中级职业技能证书可认定为4学分，取得专业相关的高级职业技能证书可认定为8学分，取得持证直接上岗的证书，折合16学分。学生可以申请根据认定的学分替代相关课程（与专业非常相关的中级及以上X证书，经专业确认后也可替代专业核心课）。职业资格证书和职业技能证书至少取得一个。
（三）完成毕业设计
完成顶岗实习相关内容的毕业设计，要求结合所学理论、实验实训技术方法，结合岗位实际项目，撰写技术设计报告。
达到以上条件，方可毕业。
执笔： 日期： 2022.5.30
系部审核： 日期：2022.6.10
