大数据技术与应用专业介绍
专业代码:610215
1.专业背景
近几年来,互联网行业发展风起云涌,而移动互联网、电子商务、物联网以及社交媒体的快速发展更促使我们快速进入了大数据时代。截止到目前,人们日常生活中的数据量已经从TB(1024GB=1TB)级别一跃升到PB(1024TB=1PB)、EB(1024PB=1EB)乃至ZB(1024EB=1ZB)级别,数据将逐渐成为重要的生产因素,人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。大数据时代,专业的大数据人才必将成为人才市场上的香饽饽。当下,大数据从业人员的两个主要趋势是:(1)大数据领域从业人员的薪资将继续增长;(2)大数据人才供不应求。
2.培养目标
本专业培养思想政治坚定、德技并修、全面发展,具有一定的沟通和团队协作能力、良好的职业道德和工匠精神、一定的软件工程职业素养和逻辑思维能力。掌握大数据基本理论、方法与技术技能,面向IT行业或企事业单位从事大数据系统搭建与运维、大数据获取与存储、大数据处理与分析等工作的高素质技术技能人才。毕业3~5年后可以成为大数据研发工程师、大数据架构工程师或大数据挖掘工程师。
表1 培养目标及培养规格
目标 |
规格 |
素质目标 |
1.树立正确的世界观、人生观、价值观,具备良好的人文社会科学素养。 |
2.在工程实践中自觉遵守职业道德和规范,具有法律意识、规则意识和工作责任心。 |
|
3.有健康的体质、良好的心理素质和社会责任感,具有思辨能力。 |
|
4.能够尊重多元观点,与团队成员进行有效的沟通。 |
|
5.具备全局观念,能够胜任团队成员的角色,具有较强的执行力。 |
|
6.具备问题探究和创新意识,了解基本的创新方法。 |
|
知识目标 |
1.具备从事云计算和大数据技术等活动所需的数学等基础科学知识 |
2.具备计算机软、硬件系统的基本理论和基本技能 |
|
3.具备大数据基本理念、基本方法和技能 |
|
4.具备大数据平台搭建与维护及调优的基本知识和技能 |
|
5.具备常用的数据挖掘算法和编程语言的基本知识和技能 |
|
6.具备主流的Hadoop处理技术的基本知识和技能 |
|
7.具有SQL的计算与存储过程调优的基本知识和技能 |
|
8.初步掌握大数据项目管理的基本知识、规范、方法和工具 |
|
能力目标 |
1.能够运用现代信息技术及工具查阅专业文献、获取专业知识,并将其运用于工程实践中的能力 |
2.运用计算机科学解决实际问题的能力 |
|
3.具备数据采集、数据清洗、数据分析、数据可视化以及大数据应用系统软件开发的能力 |
|
4.具有运用大数据知识解决专业领域实际问题的能力 |
|
5.具有严密的逻辑分析能力,具备较强的文档编写和良好的沟通表达能力 |
|
7.具备终身学习的知识基础,通过自主学习方法,提升专业能力 |
|
8.具备制定学习、工作计划,并付诸实践,进行自我管理和评价的能力。 |
3.专业岗位群
根据信息技术行业人才需求,确定大数据技术与应用专业毕业生主要面向IT行业及各企事业单位及政府机关,毕业生主要就业的岗位是大数据运维、大数据分析、大数据可视化、大数据研发、大数据架构、数据仓库、大数据挖掘等岗位。
表2 大数据技术与应用专业专业岗位群
职业岗位 |
主要工作任务 |
职业能力 |
大数据运维 |
大数据平台的搭建和维护 大数据平台的调优 大数据平台的管理和监控 |
熟悉大数据分析模型,具有数据敏感度,能从海量数据中分析挖掘问题; 熟练运用SQL/Excel/Access/PPT等数据可视化工具; 具备大数据分析问题的思路及方法,能够把合理的思路成功应用于实践; 熟悉客户关系管理分析及数据化运维方法; 熟悉大数据平台开发基础技术; 了解数据挖掘算法、数据分析及建模方法; 熟悉数据管理和治理方法。 |
大数据分析 |
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 |
对基于Hadoop、Spark的数据分析和处理有一定的经验; 熟悉一门以上开发语言(Python、Scale、Java)、熟悉主流MySQL、Oracle数据库,对主流分布式存储和运算有一定的了解和项目经验; 熟练使用SPSS、SAS或其它数据挖掘软件,具备一定数据建模和分析理论知识和经验,熟悉常用数据结构和数据处理算法。 |
大数据可视化 |
大数据可视化开发 Web可视化开发 优化数据的展示和设计工作 |
熟悉主流可视化产品,熟练使用Tableau、Echarts、D3等产品,了解开源可视化工具; 了解Oracle、Mysql等传统数据库应用; 熟练使用EXCEL工具; 精通web图形的渲染技术(SVG、Canvas、WebGL等); 精通HTML5、CSS、JQuery、JS等技术。 |
大数据研发 |
大数据产品建设与开发 大数据项目的需求分析与设计 数据库架构设计及数据库详细设计 大数据业务模型的构建 |
具备Linux操作系统基础; 熟悉JAVA/Python开发语言; 精通hadoop生态系统组件,熟悉大数据平台性能监控及调优方法; 精通storm流式数据处理框架技术; 精通spark内存计算框架技术; 熟悉数据处理流程,熟悉大数据平台部署环境及步骤。 |
大数据架构 |
大数据全局技术规划设计 大数据平台的架构设计和开发集成 大数据的数据整合、存储设计和规划 |
精通大数据平台集群部署、组件的特性和整体的调优; 熟悉数据处理流程,并具备大数据项目实战经验; 精通大数据平台开发技术及优化措施; 系统设计、编码能力&快速trouble-shooting的能力; 了解数据科学相关算法(分类、聚类、回归等); 项目实战经验丰富。 |
数据仓库 |
数据仓库需求调研和分析 数据仓库ETL规则和程序的设计和开发 数据仓库、数据集市的数据模型设计 数据的采集、加工、清洗和转换,数据的管控和治理 |
熟悉数据仓库各类模型的建模知识; 数据仓库的分层架构、3NF和多维数据模型设计; 熟悉Hive、DB2、Teradata、Greeenplum原理知识,并且会调优; 熟悉Linus操作系统及JAVA/Python语言; 熟悉数据库原理(例如:PostgreSQL、Mysql、Oracle、DB2、sqlServer等); 熟练使用ETL工具; 熟悉数据仓库的架构。 |
大数据挖掘 |
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 |
熟悉挖掘算法与数据结构; 熟悉常用编程语言及开发场景; 精通数据挖掘常用算法及使用场景; 数据大数据平台及其各组件开发; 熟悉数据处理流程; 熟练应用数据挖掘工具( 、SAS等)。 |
4.专业特色
引入华为大数据平台和课程资源,建立大数据人才培养基地。与浙江华为通信技术有限公司签订合作协议,建成大数据实验室,建立大数据人才培养基地。
微信扫一扫
咨询技校问题
微信扫码
咨询技校问题
①由于各方面不确定的因素,有可能原文内容调整与变化,本网如不能及时更新或与相关部门不一致,请网友以权威部门公布的正式信息为准。
②本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。
③本网转载的文/图等稿件出于非商业性目的,如转载稿涉及版权及个人隐私等问题,请作者在两周内邮件联系。