大数据技术与应用专业人才培养方案

大数据技术与应用专业(高职) 人才培养方案

一、专业名称、专业代码、所属门类

专业名称：大数据技术与应用

专业代码：610215

所属门类：计算机

二、专业培养目标与就业方向

（一）培养目标

本专业培养适应社会主义建设需要，德、智、体、美、劳全面发展，培养具有勤朴敏信素质的应用型创新人才，具备计算机软件、计算机网络方面的基础理论和大数据技术与应用专业知识，掌握大数据平台架构和基本分析能力，以及梳理大数据应用中的各种典型问题，适应大数据实际工作的基本能力和基本技能，熟悉国家信息产业的政策和法规，适应大数据技术与应用专业设计、开发、操作、维护、营销、服务需要的高级应用型技术与管理人才。（二）就业方向

本专业毕业生可在大数据技术与应用的诸多领域，从事大数据技术与应用、分布式计算、无线传输、实时数据交换、大数据技术与应用的开发、管理、操作、维护、安全等相关岗位的工作。

三、专业培养要求（职业岗位要求）

（一）职业岗位知识要求

1、学好大数据平台架构及搭建、应用开发、海量数据分析及可视化的基础知识；

2、掌握海量数据分布式处理系统的设计和搭建的基本知识；

3、掌握分布式文件存储和分布式数据处理的基本知识；

4、掌握计算机软件工程的开发、应用与管理知识；

5、掌握大规模数据存储、实时计算系统的规划设计的应用知识；

6、掌握大数据技术与应用基本知识和基本技能，了解大数据技术与应用科技发展动态；

7、掌握必需的数据仓库与数据挖掘等知识和专业技能；

8、掌握无线网络技术原理和网络拓扑结构基础理论和关键技术；

9、掌握一门面向对象语言开发简单大数据技术与应用软件

10、掌握信息采集、处理和融合、通讯传输及大数据技术与应用等基本理论和方法。

（二）职业岗位能力要求

1、具备计算机应用的基本能力；

2、具备计算机网络应用的基本能力；

3、具备部署Hive并实现分布式数据库的操作能力；

4、具备软件开发能力；

5、掌握大数据技术与应用关键技术、主要技术标准；

6、具有大数据技术与应用方案设计能力；

7、具有自主学习、自我发展的基本能力，能够适应不断变化的未来大数据技术发展的需求。

（三）职业岗位素质要求

1、具有正确的世界观、人生观和爱国主义、集体主义、社会主义思想；

2、具有良好的职业道德，职业行为合符规范要求；

3、热爱专业，具有良好的敬业精神。

四、学制

三年

五、主要专业课程简介

（1）大数据查询与处理 2学分36学时(实践18学时)

本课程主要讲授大数据通过MapReduce并行处理技术来提高数据的处理速度的具体应用方法。MapReduce的设计初衷是通过大量廉价服务器实现大数据并行处理，对数据一致性要求不高，其突出优势是具有扩展性和可用性，特别适用于海量的结构化、半结构化及非结构化数据的混合处理。

（2）数据可视化技术 2学分36学时(实践18学时)

本课程主要讲授数据视觉表现形式的科学技术研究方法，是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。

(3) 多媒体技术2学分36学时(实践18学时)

讲述多媒体计算机的定义、关键技术、现状及发展趋势；音频信息和视频信息的获取和

处理技术；多媒体数据压缩编码技术及现行编码的国际标准；多媒体计算机硬件和软件系统结构；超文本和超媒体技术；多媒体计算机的应用技术：多媒体电子出版物的创作、多媒体会议系统、多媒体数据库及基于内容检索。

（4）软件工程2学分36学时(实践18学时)

主要介绍软件的设计过程，比如软件的需求分析，软件的概要设计，软件的详细设计，软件测试和软件维护。它对于培养学生的软件素质，提高学生的软件开发能力具有重要的意义。（5）搜索引擎系统应用2学分36学时(实践10学时)

本课程介绍搜索引擎的基础模块、基本框架、基本原理，非结构化Web数据中构建搜索引擎和Web信息管理的技术等内容。

（6）数据采集与处理2学分36学时(实践18学时)

本课程全面系统地讲述了数据采集与处理技术相关的知识，其主要内容包括模拟信号的数字化处理、模拟多路开关、测量放大器、采样/保持器、模/数和数/模转换器等芯片的结构原理及应用等。

（7）数据仓库与数据挖掘4学分72学时(实践36学时)

主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。（8）数据结构4学分72学时(实践18学时)

数据结构是研究计算机处理的数据间的相互关系，它的主要应用方向是数据库内数据的组织方式，包括数据的顺序存储、链式存储、队列、堆栈存储、树结构、数据的排列、查找等。是计算机课程中最基础也是最重要的课程之一。

(9) 社交网络分析2学分36学时(实践18学时)

介绍了基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法，为理解人类各种社交关系的形成、行为特点分析以及信息传播的规律提供的一种可计算的分析方法。

(10) Hadoop 大数据存储与运算 4学分72学时(实践18学时)

本课程了解 Hadoop 的架构、原理、Hadoop 集群配置及安装（JDK、SSH），熟悉 Hadoop IDE 开发环境配置（Eclipse 配置）和 Hadoop Java API 编程实例、具备 Hadoop 编程开

六、集中实践教学环节安排

集中实践教学环节安排