当前位置: 首页 > 教学管理 > 人才培养 > 培养方案 > 正文

2017级大数据方向人才培养方案

【来源: | 发布日期:2018-05-15 】

一、培养目标

本专业的人才培养目标是培养德、智、体、美全面发展,具有良好的政治素质与道德修养,掌握统计学完整理论知识体系、具备全面应用分析技能,能够从事大数据有关教学、开发和应用的高层次、复合型技术人才。

本专业学生将掌握面向大数据应用的数学、统计学、计算机科学基础理论和方法,熟练运用各种大数据分析技术和手段;在数据建模、数据管理和分析、统计推断的基本理论、方法和技能方面进行系统学习;同时具备一定的数据预处理能力、大数据系统架构能力,并能自行开展简单的大数据应用开发。本专业学生在系统的专业技术训练基础上,具备广泛的数据应用视野、能够胜任大数据分析挖掘、大数据系统开发等技术领域以及大数据各类应用领域的多层次工作。

二、培养规格

毕业生应获得以下几方面的素质和能力:

1). 掌握马列主义、毛泽东思想与中国特色社会主义基本理论,具有良好的人文社会科学素养、职业道德和心理素质,社会责任感强;

2). 掌握从事本专业工作所需的数学、计算机科学、统计学等学科领域的基础知识;

3). 掌握目前流行的大数据主流技术(采集、存储、挖掘等),了解其特点以及使用的场景,具备一定的数据预处理能力、大数据系统架构能力,并能自行开展简单的大数据应用开发;

4).掌握大数据方向的基本理论和技术,能运用所学知识解决实际问题,具有较高的综合业务素质、较强的创新与实践能力、能够从事数据预处理、大数据应用分析、大数据应用开发、大数据系统研发及数据可视化等工作。

5). 掌握数据科学的基本思维方法和研究方法,具有良好的科学素养,并具备综合运用知识、方法和技术解决交叉学科实际问题的初步能力;

6). 具有终身学习意识,运用现代信息技术手段获取相关信息和新技术、新知识,持续提高自己的能力;

7). 了解数据科学的发展现状和趋势,具有创新意识,并具有理论创新和系统创新的初步能力;

8). 具有一定的组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力;

9). 具备一定的英语水平,能阅读本专业的英语资料文献,有较强的统计书面表达能力;

10). 通过相关体育课程的学习,养成良好的体育锻炼习惯,培养良好的身体素质。

三、专业方向

1.大数据

四、专业能力分析表

能力平台

能力模块

对应课程(含实践课)

1.1价值判断能力

思想道德修养与法律基础、中国近现代史纲要、马克思主义基本原理、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、思想政治理论综合实践、社会责任教育系列讲座

1.2身心调适能力

军事训练、大学体育、大学生心理健康教育

1.3语言表达能力

大学英语

1.4通识能力

大学生科学素养、大学生传统文化素养、大学生艺术素养、大学生德行素养、大学生劳动素养、自然科学类选修课、人文科学类选修课、社会科学类选修课

2.1专业认知能力

准职业人导向训练、职业定位与发展

2.2学科基础能力

高等数学、线性代数、概率论与数理统计、计算机文化基础、大数据导论、高级语言程序设计、面向对象程序设计

2.3专业专基础能力

数据结构、数据库原理与应用、操作系统原理与应用、统计学基础:原理、方法及应用、多元统计分析、时间序列分析、统计数据建模

2.4专业专长能力

Hadoop大数据技术、分布式数据库原理与应用、数据导入与预处理应用、数据仓库与挖掘技术、数据可视化技术、大数据应用开发语言、大数据分析与内存计算、商务智能方法与应用、机器学习

2.5专业应用能力

算法与程序设计综合训练、Hadoop部署实践、数据可视化开发实验、数据预处理实践、企业实习(岗位实习)、毕业论文(设计)

3.1创新创业能力

创新创业实践、VIP创新教学课程(VIP项目)、大学生创新创业训练计划、学科与技能竞赛、课外科技创新

3.2就业能力

求职能力提升训练、职业技能(资格)鉴定、行业认证。

3.3社会实践能力

社会调查、志愿服务、公益活动、勤工助学。

五、学制与学分

学制:标准学制4年

学分:学分:169.5学分,其中集中实践教学环节44.0学分。

六、毕业与学位授予

毕业条件:学生在规定的学习年限内,完成各教学环节学习,修满专业规定的最低学分,准予毕业。

授予学位:工学学士

七、主干学科与相近专业

主干学科:统计学

相近专业:数据科学与大师据技术、计算机科学与技术

八、主要实践性教学环节(含主要专业实验)

实践环节

实践地点

学期安排

时间

考核方式

备注

军事训练

学院操场

1

2周

社会实践(暑期)

企事业单位

2,4,6

6周

公益劳动

校内

3

1周

算法与程序设计综合课程设计

实验室

3

1周

Hadoop部署实践

实验室

5

2周

数据可视化开发实验

实验室

6

2周

数据预处理实践

实验室

6

2周

企业实习(岗位实习)

校、企

7

16周

毕业论文(设计)

校、企

8

12周

合计

44周

九、教学时间安排总表

合计

1

2

3

4

5

6

7

8

周数

课堂教学

13

16

16

16

16

16

2

4

99

复习考试

2

2

2

2

2

2

12

入学教育

(2)

(2)

军事训练

2

2

社会实践

(2)

(2)

(2)

(6)

公益劳动

(1)

(1)

机动

2

2

2

2

2

2

2

2

16

毕业实习

16

16

毕业论文(设计)

12

12

毕业教育

(2)

(2)

总周数

19

20

20

20

20

20

20

18

157(11)

十、课程结构体系及学分、学时分配

能力平台

能力模块

修读

方式

理论教学

实践教学

学分

合计

学时(周)

合计

学分所占百分比(%)

学分

学时

学分

学时(周)

理论

实践

综合能力平台

价值判断能力

17

211

0

5

17

216

10.0

0.0

身心调适能力

必/选

1

16

4.5

144(2周)

5.5

160(2周)

0.6

2.7

语言表达能力

必/选

12.5

206

1

38

13.5

244

7.4

0.6

通识能力

必/选

3.5

27

1

5+1周

4.5

32+1周

2.1

0.6

小计

34

460

6.5

192+1周

40.5

652+1周

20.1

3.8

专业能力平台

专业认知能力

4

61

0

0

4

61

2.4

0.0

学科基础能力

26

414

3

96

29

510

15.3

1.8

专业基础能力

17

272

4

128

21

400

10.0

2.4

专业专长能力

14

224

7

224

21

448

8.3

4.1

专业应用能力

0

0

35

35周

35

35周

0.0

20.6

小计

61

971

49

448+35周

110

1419+35周

36.0

28.9

能力拓展平台

创新创业能力

必/选

7

112

3

3周

10

112+3周

4.1

1.8

就业能力

1

16

0

0

1

16

0.6

0.0

社会实践能力

0

0

8

8周

8

8周

0.0

4.7

小计

8

128

11

11周

19

128+11周

4.7

6.5

总计

103

1559

66.5

640+47周

169.5

2199+47周

60.8

39.2

十一、课程的学时、学分及学期安排表(见附表)

十二、主要课程及简介

1.概率论与数理统计

学时:96;学分:6.0;考核方式:考试。

概率论与数理统计是研究随机现象的一门数学学科,它已广泛地应用于工农业生产和科学技术之中,并与其它数学分支互相渗透或结合,因此,该课程为本专业的重要基础课之一。主要内容:数理统计的基本概念、抽样分布、参数估计、假设检验。

2.多元统计分析

学时:32+16;学分:2.5;考核方式:考试。

多元统计分析是统计学中内容十分丰富、应用范围极为广泛的一个分支。在自然科学和社会科学的许多学科中,研究者都有可能需要分析处理有多个变量的数据的问题。能否从表面上看起来杂乱无章的数据中发现和提炼出规律性的结论,不仅需要对所研究的专业领域有很好的训练,而且要掌握必要的统计分析工具。本课程主要内容包括:多元正态分布;聚类分析;判别分析;主成分分析;因子分析;对应分析;Logistic回归模型、偏最小二乘回归模型等。

3.时间序列分析

学时:32+16;学分:2.5;考核方式:考试。

本课程是一门应用性、操作性极强的课程,强调理论与实践的有机结合。通过本课程的教学,要使学生对时间序列的基本概念、基本原理、基本方法有直观的认识,能熟练应用时间序列分析处理动态数据,培养学生利用时间序列分析对社会经济现象及自然现象作定量分析的能力,掌握时间序列分析的统计思想,以此提高学生解决实际问题的基本素质,逐步了解科学研究的基本思维过程及方法;锻炼学生的动手能力、独立思考能力和团队合作能力。

4. 大数据导论

学时:32; 学分:2; 考核方式:考试。

本课程是大数据专业方向的核心课程。本课程的主要内容包括Hadoop大数据的基本概念、大数据分析基础、大数据挖掘基础、大数据可视化技术基础、大数据存储技术基础、大数据安全技术基础、数据科学基础、大数据与crm等。

5. Hadoop大数据技术

学时:32+32; 学分:3.0;考核方式:考试+考查。

本课程从Hadoop起源开始,介绍了Hadoop的安装和配置,并对Hadoop的组件分别进行了介绍,包括HDFS分布式存储系统,MapReduce计算框架,海量数据库HBase,Hive数据仓库,Pig、ZooKeeper管理系统等知识。

6. 分布式数据库原理及应用

学时:32+32; 学分:3.0;考核方式:考试+考查。

本课程主要介绍分布式数据库的原理和应用,以及当前大数据行业主要的非结构化的数据库,例如以HBase、MongoDB为代表的NoSQL数据库。课程讲述了分布式数据库管理的基础原理,内容包括分布式数据库设计,分布式查询的分解与优化,事务管理,分布式并发控制,分布式数据库管理系统的可靠性,数据复制等分布式数据管理技术的经典内容。介绍了互联网时代大数据技术的分布式数据管理研究的前沿,包括分布式对象数据库管理,P2P数据管理,万维网数据管理,流数据管理和云数据管理等。

7. 数据导入与预处理

学时:32+32; 学分:3.0;考核方式:考试+考查。

课程主要介绍数据清洗、数据集成、数据转换、数据导入等数据预处理工作的基础概念和理论,帮助学生掌握其基本原理、作用、及行业工具应用,了解数据预处理各个阶段工作的基本操作、熟练掌握大数据项目中数据前期处理的相关知识。

本课程是一门实践性与应用性都比较强的课程,学生需要通过实践来深入理解数据采集、数据清洗、数据导入等数据预处理技术的基础概念、理论原理、行业工具和技术应用。通过本课程的学习,学生可以基本掌握数据清洗、数据集成、数据转换、数据载入的原理与技术,能够独立完成数据预处理工作,并具备参与大数据项目中数据前期处理与实施的基本技能。

8. 数据仓库与数据挖掘技术

学时:32+32; 学分:3.0;考核方式:考试+考查。

课程内容包括最新的信息分析技术研究成果,如小波分析、Rough分析、蚁群分析、分形技术、Agent、数据挖掘的进化算法、聚类分析、非结构数据的挖掘、离群数据挖掘,但课程并未详细剖析各个算法,而将介绍重点放在各种算法适合的应用上。

通过本课程的教学,阐述了数据仓库与数据挖掘的基本原理,系统而全面地介绍了数据仓库与数据挖掘的概念、作用、算法和应用举例,并且给出了信息分析所涉及到的若干问题及框架。

9. 数据可视化技术

学时:32+32; 学分:3.0;考核方式:考试+考查。

课程内容包括从人、数据、可视化流程等三个层面阐述数据可视化的基础理论和概念;数据篇则针对实际应用中遇到的不同类型的数据,包括时空数据、地理信息数据、高维非空间数据、层次和网络数据介绍相应的可视化方法;应用篇着重介绍可视化综合应用及实用系统。

通过本课程学习,了解数据可视化分析工具和图表。参与者也将学习如何为各种不同的数据类型和场景选择适当的图表类型,创造有效的仪表板传达组织信息。

10. 商务智能方法与应用

学时:32+32; 学分:3.0;考核方式:考试+考查。

本课程结合专业实际特点,介绍商务智能的基本概念、主要功能、系统架构,以及数据分析和数据管理的主要方法和技术。课程分别介绍了数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法,涵盖多维数据模型的建模、多维分析方法以及各种知识发现方法,通过案例介绍了商务智能系统的应用;还介绍了常用软件系统及其使用方法,并对商务智能对社会的影响和未来发展进行了分析和展望。

通过本课程的学习,在商务智能方法应用上,教会学生能从大量数据中发现隐含的知识,辅助管理人员做出科学决策的方法、系统和应用。

11. 大数据分析与内存计算

学时:32+32; 学分:3.0;考核方式:考试+考查。

课程内容包括Spark的体系结构、工作机制、安装与部署、开发环境搭建、计算模型、Benchmark、BDAS等内容;应用角度讲解了一些简单的、有代表性的案例。

通过本课程学习,了解基于内存计算的大数据分析的SPARK架构的基本知识,掌握Spark的关键技术,并完成Spark体系的安装及部署,可以完成基于内存计算的大数据应用分析。

十三、专业培养的主要措施

1. 实行“平台+模块”的课程结构体系,通过综合能力、专业能力、能力拓展等三大平台分阶段培养学生的能力。一、二年级主要培养学生的综合应用能力、专业认知能力以及专业基础能力,以便学生打好宽广扎实的基础:三、四年级主要进行专业专长能力及专业应用能力的培养,以利于学生按各自的专业方向志趣及特长选择课程学习,从而提高他们的实际动手和操作能力。

2.加强实践性教学环节,培养学生的实际工作能力。一方面以课程实验来弥补课堂教学中的不足,加深学生对理论知识的理解,启发学生深入思考,达到理论联系实际的效果;另一方面开设了综合性课程设计,以提高对学生实践能力的培养;并注重实验的开放性,以进一步培养学生实验技能与创新能力;同时增加了实习、实训、实验等内容在课程中的比例和实习、实训中采取双导师制,加强实践性教学环节,提高学生的综合应用能力和实际工作能力。

3.通过项目实践教学,提高学生就业能力。

4.引入导师制,在二年级,系根据学生专业、成绩、兴趣特长,选派具有讲师以上职称(或硕士以上学历)以上的教师担任学生的专业导师,每个教师指导2-5名学生,以引导学生进行科学认识,激发学生的学习兴趣。

附表:

课程的学时、学分及学期安排表

能力

平台

能力

模块

课程名称

课程

代码

修读方式

学时

学分

考核类型

各学期课程周学时分配

开课

(组织)

单位

合计

理论教学

实验实训

课内实践

第一学年

第二学年

第三学年

第四学年

价值判

断能力

思想道德修养与法律基础

JZ0100001

46

46

2.5

3

思政部

中国近现代史纲要

JZ0100002

32

27

5

2.0

2

旅游与历史文化学院

马克思主义基本原理

JZ0100003

46

46

2.5

3

思政部

毛泽东思想与中国特色社会主义理论体系概论1

JZ0100004

46

46

2.5

3

毛泽东思想与中国特色社会主义理论体系概论2

JZ0100005

46

46

2.5

3

形势与政策1

JZ0100006

1.0

采用专题讲座等形式开课,第1、2学期开设。

形势与政策2

JZ0100007

1.0

思想政治理论综合实践

JZ0100008

2.0

第1至第4学期开设,每学期0.5学分。主要包括参观考察、社会调查、素质拓展等项目。

社会责任教育系列讲座

JZ0100009

1.0

采用专题讲座形式开课,第1学期开设。

旅游与历史文化学院

小计

216

211

5

17

3

3

2

3

3

身心调

适能力

军事训练

SX0100001

(2周)

(2周)

(2.0)

全校各专业必修课程,第1学期开设。

保卫处(武装部)

大学体育1

SX0100002

32

(4)

32

1.0

采用俱乐部制教学形式,第1—4学期开设。

体育学院

大学体育2

SX0100003

32

(4)

32

1.0

大学体育3

SX0100004

32

(4)

32

1.0

大学体育4

SX0100005

32

(4)

32

1.0

大学生心理健康教育

SX0100006

32

16

16

1.5

1

1

音乐与教育学院

小计

160

16

144

5.5

1

1

语言表

达能力

大学英语1

YY0100001

52

44

8

3.0

4

外国语学院

大学英语2

YY0100002

64

54

10

3.5

4

大学英语3

YY0100003

64

54

10

3.5

4

大学英语4

YY0100004

64

54

10

3.5

4

小计

244

206

38

13.5

4

4

4

4

通识能力

大学生科学素养

TS0100001

机电工程学院

大学生传统文化素养

TS0100002

32

27

5

1.5

2

旅游与历史文化学院

大学生艺术素养

TS0100003

1.0

全校非艺术类专业必修课,以专题讲座等形式开课。

美术与设计学院

大学生德行素养

TS0100004

1.0

以专题讲座等形式开课。

思政部

大学生劳动素养

TS0100005

1周

1周

1.0

第3学期开设。

总务后勤管理处

公共选修课1

全校学生必须在公选课平台选修并通过三门,第1-8学期开设。

教务处与相关教学单位

公共选修课2

公共选修课3

小计

32+1周

27

1周

5

4.5

2

专业认知能力

准职业人导向训练1

13

13

1.0

1

企业

准职业人导向训练2

16

16

1.0

1

企业

职业定位与发展一

16

16

1.0

1

企业

职业定位与发展二

16

16

1.0

1

企业

小计

61

61

4.0

1

1

1

1

学科基础能力

高等数学A1

ZJ0100003

78

78

5.0

6

高等数学A2

ZJ0100004

80

80

5.0

5

线性代数

ZJ0100007

48

48

3.0

3

概率论与数理统计

ZJ0100008

96

96

6.0

6

计算机文化基础

48

16

32

2.0

4

大数据导论

32

32

2.0

2

企业

高级语言程序设计

64

32

32

3.0

5

面向对象程序设计

64

32

32

3.0

4

小计

510

414

96

29.0

15

11

9

专业基础能力

数据结构

ZJ0302005

64

48

16

3.5

4

数据库原理与应用

ZJ0302016

64

32

32

3.0

4

统计学基础:原理、方法及应用

64

48

16

3.5

4

操作系统原理与应用

ZJ0302009

64

32

32

3.0

4

多元统计分析

48

32

16

2.5

3

时间序列分析

48

32

16

2.5

3

统计数据建模

64

32

32

3.0

4

小计

416

272

144

21.0

4

8

10

4

专业专长能力

云计算应用开发能力

Hadoop大数据技术

64

32

32

3.0

4

企业

数据导入与预处理应用

64

32

32

3.0

4

企业

分布式数据库原理与应用

64

32

32

3.0

4

企业

数据仓库与挖掘技术

64

32

32

3.0

4

企业

数据可视化技术

64

32

32

3.0

4

企业

大数据应用开发语言

64

32

32

3.0

4

企业

大数据分析与内存计算

64

32

32

3.0

4

企业

商务智能方法与应用

64

32

32

3.0

4

企业

机器学习

64

32

32

3.0

4

企业

小计

448

224

224

21.0

4

8

16

专业应用能力

信息处理能力

算法与程序设计综合训练

ZY0302001

1周

1周

1.0

1周

云计算应用能力

Hadoop部署实践

2周

2周

2.0

2周

企业

数据预处理实践

2周

2周

2.0

2周

企业

数据可视化开发实验

2周

2周

2.0

2周

企业

综合应用能力

企业实习(岗位实习)

ZY0302007

16周

16周

16.0

16周

企业

毕业论文(设计)

ZY0302008

12周

12周

12.0

12周

企业和学校各50%

小计

35周

35周

35.0

创新创

业能力

创新创业实践

32

32

2.0

2

企业

VIP创新教学课程(VIP项目)

80

80

5.0

1

1

1

1

1

企业

大学生创新创业训练计划

3.0

以学生自主参与、教师指导的形式进行。各专业学生最低要求修满3.0学分。若未修满,可以社会实践能力模块学分代替。

相关部门与各教学单位

学科与技能竞赛

课外科技创新

小计

112

112

10.0

1

1

1

3

1

就业能力

求职能力提升训练

16

16

1.0

1

企业

职业技能(资格)鉴定

以学生自主参与、教师指导的形式进行。各专业根据专业实际情况确定。

教务处

小计

16

16

1.0

1

社会实

践能力

社会调查

Sh7201001

8.0

以学生自主参与、教师指导的形式进行。各专业学生最低要求修满8.0学分。若未修满,可以创新创业能力模块学分代替。

校团委

志愿服务

Sh7201002

公益活动

Sh7201003

勤工助学

Sh7201004

小计

8.0

总计

2215+47周

1559

47周

616

169.5

26

23

23

25

24

22

Baidu
sogou