一、所属学科门类、专业类
学科门类:工学; 专业类:计算机类; 专业代码:080910T
二、培养目标
本专业培养适应经济与社会发展需要,德、智、体、美全面发展,系统掌握数据科学与大数据技术专业的基本理论、基本知识和基本技能,能在数据科学与大数据技术专业及相关领域从事大数据分析、开发、应用、管理、维护等工作的高素质应用型专门人才。
三、培养规格
(一)学制与学位
基本学制4年。
授予学位:工学学士学位。
(二)培养要求
1、通识教育要求
(1)拥护中国共产党的领导,具有良好的道德品质,积极践行社会主义核心价值观;
(2)志存高远、脚踏实地、遵纪守法,追求卓越,具有强烈的社会责任感和使命感;
(3)具有一定的人文素养,较高的文化品位,正确的审美情趣;
(4)具有较强的人际交往能力和社会适应能力;
(5)具有健康的体魄和良好的心理素质。
2、专业教育要求
1)热爱数据科学与大数据技术专业,具有良好的科学素养和强烈的工程意识
(2)掌握数据科学与大数据技术专业的基本理论、基本知识和基本技能,掌握大数据的采集、存储、处理、分析与应用等方法和技术,具备综合运用所学的知识、方法和技术解决复杂的实际问题和对结果进行分析的能力;
(3)熟悉行业相关的法律法规和行业规范;
(4)了解本专业相关的学科前沿及发展动态。
3、创新创业教育要求
(1)具有批判精神和创新意识;
(2)具备初步的数据科学与大数据技术领域技术创新和产品创新的能力。
(3)能够写出合格的创业计划书。
四、课程体系
(一)课程结构及学分构成
总学分:180
课程结构及学分构成如下:
学分 类别 | 学分及所占总学分比例 | 必修与选修学分分布 | 理论与实践学分分布 | ||
必修学分 及所占比例 | 选修学分 及所占比例 | 理论学分 及所占比例 | 实践学分 及所占比例 | ||
通识教育 | 57(31.67%) | 44(77.19%) | 13(22.81%) | 53(92.98%) | 4(7.02%) |
专业教育 | 107(59.44%) | 97(90.65%) | 10(9.35%) | 55(51.40%) | 52(48.60%) |
创新创业教育 | 16 (8.89%) | 8(50.00%) | 8(50.00%) | 12.5(78.13%) | 3.5(21.88%) |
合 计 | 180 | 149(82.78%) | 31(17.22%) | 120.5(66.94%) | 59.5(33.06%) |
(二)课程设置
通识教育、专业教育和创新创业教育课程设置详见教学计划表。
1.专业核心课
专业核心课1:数据结构
通过本课程学习,使学生掌握各种数据结构的特点、存储表示、运算方法,具备设计和实现数据逻辑结构与存储结构的能力,培养学生选用合适的数据结构和编写质量高、风格好的应用程序的能力,养成数据结构设计的专业素质。
专业核心课2:数据库系统原理及应用
通过本课程学习,使学生掌握数据库的基本概念、掌握E-R模型和关系模型、数据库的概念结构设计和逻辑结构设计方法、数据库的规范化理论、SQL语句的编制方法和关系数据库的管理,具备数据库设计、分析、管理和维护的能力,养成数据库系统设计的专业素质。
专业核心课3:Python编程基础
通过本课程学习,使学生掌握Python基本概念、编程思想和程序设计技术,理解面向对象软件设计技术思想,培养学生利用Python编写程序的能力,具备运用Python技术解决实际问题的能力,养成程序设计的专业素质。
专业核心课4:算法设计与分析
通过本课程学习,使学生掌握算法分析与设计的基本理论,理解算法设计的基本技术和主要方法,培养学生对算法复杂性进行正确分析的能力,具备运用算法知识解决实际问题的能力,养成算法设计、分析的专业素质。
专业课程5:数据采集与爬虫技术
通过本课程的学习,使学生掌握数据采集的基本概念,理解数据采集的基本原理,具备设计网络爬虫进行数据采集的能力,养成数据采集的专业素质。
专业核心课6:数据可视化
通过本课程的学习,使学生掌握数据可视化的基本概念,理解数据可视化的基本原理,具备针对不同类型数据进行数据可视化分析的能力,养成数据可视化的专业素质。
专业课程7:Hadoop大数据开发基础
通过本课程的学习,使学生掌握Hadoop大数据开发的基本概念,理解Hadoop大数据开发的基本原理,具备使用Hadoop进行大数据开发的能力,养成大数据开发的专业素质。
专业课程8:Spark大数据技术与应用
通过本课程的学习,使学生掌握Spark的基本概念,理解Spark的设计和运行原理,具备使用Spark进行大数据分析的能力,养成大数据分析的专业素质。
专业课程9:大数据挖掘与应用
通过本课程的学习,使学生掌握大数据挖掘的基本概念,理解大数据挖掘的基本原理,具备运用大数据挖掘常见算法进行大数据挖掘的能力,养成大数据挖掘的专业素质。
2.专业主要(集中)实践教学环节
实践环节名称 | 学时 | 开设学期 | 教学目标 |
数据结构课程设计 | 1W | 2 | 通过本课程设计,使学生掌握各种数据结构的基本操作、存储,加深学生对数据结构的逻辑特性和物理存储、数据结构的选择和应用等内容的理解,学会根据实际问题选用和设计数据结构,同时使学生在程序设计方法、上机操作等基本技能及科学作风等方面受到比较系统和严格的训练。 |
Java语言课程设计 | 1W | 3 | 通过本课程设计,使学生了解应用问题的分析方法和设计解决实际问题的具体过程,掌握应用Java进行程序设计的基本规范和技巧,掌握面向对象编程的设计思想,通过编程掌握调试Java程序的基本技巧、模块化应用程序和测试运行复杂应用程序的基本流程。 |
Python课程设计 | 2W | 4 | 通过本课程设计,使学生掌握Python的基本语句、函数、模块、类以及异常等,能利用所学的Python知识解决实际问题,重点掌握Python数据分析、Python多线程编程、Python网络编程等应用,使用Python实现一个具体的项目,巩固和加深学生对Python语法的理解,培养学生利用Python进行网络编程、多线程编程和数据分析的能力,提高分析问题和解决问题的能力。 |
数据采集综合实训 | 1W | 5 | 通过本综合实训使学生掌握数据采集的基本方法,培养具有使用Python设计网络爬虫进行数据采集的能力。掌握网站分析、数据抓取、数据清洗和数据入库的工作过程。具备使用Python设计网络爬虫爬取网站数据的能力。 |
数据可视化综合实训 | 1W | 6 | 通过本综合实训使学生掌握各种不同类型数据的可视化方法,培养具有使用数据可视化技术在不同领域应用的能力,具备数据可视化设计能力。 |
大数据开发综合实训 | 1W | 7 | 通过本综合实训,使学生掌握大数据系统的架构与应用以及在实际应用中的大规模数据处理技术。使学生能够在了解和掌握大数据处理、分析和挖掘理论的基础上,学会应用大数据处理技术解决现实数据处理、分析和挖掘问题。 |
毕业实习 | 12W | 7-8 | 通过毕业实习,了解大数据系统的设计、开发及应用过程,巩固所学的理论知识,并应用于现场实践,培养学生观察、思考、分析能力。到现场工作实践中锻炼和提高,为毕业后从事各种实际工作打下良好基础。 |
毕业综合训练 | 10W | 7-8 | 通过毕业设计,对学生进行综合运用所学知识去解决实际问题的训练,使学生的工程实践技能水平、独立工作能力有所提高。培养学生综合运用所学的基础理论、专业知识和基本技能,提高分析与解决实际问题的能力;使学生得到大数据工程师所必需的基本训练。 |
合计 | 29W |
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。