附件：
2017年大数据技术与及用人才培养方案
一、培养目标
本专业培养适应生产、建设、服务和管理第一线需要的，德、智、体、美等方面全面发展的，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、移动开发与架构、软件开发、云计算技术等前沿技术，旨在培养适应新形势下新兴的“互联网+”专业，具有良好职业道德和敬业精神的高素质技能型专门人才。
二、学制及招生对象
（一）学制：三年
（二）招生对象：高中毕业生和中职毕业生
三、人才培养规格
（一）职业面向、预期工作岗位名称 1.主要岗位
本专业大数据基础类岗位：大数据文档编写、大数据采集清洗与转换；
大数据技术类岗位：大数据系统搭建与运维、海量数据库管理、大数据软件开发、大数据可视化、大数据分析；
2.相关岗位
大数据销售服务类岗位：大数据营销、大数据呼叫、大数据售后服务。 3.进阶岗位
大数据技术公司管理岗位和高级技术岗位 （二）起薪标准 4500元/月 （三）人才质量标准 1.知识要求
毕业生应具有大数据技术与应用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 -
①掌握本专业培养目标所要求的基础理论知识、专业知识和技能；
②具备一定的英语知识，能够借助工具书阅读理解本专业所使用的常用计算机英语，包
括技术性文档和资料；
③掌握计算机方面的专业基础知识，能适应信息化建设；
④掌握Linux平台下大数据平台搭建，数据库系统搭建、优化、管理等方面的专业技能； ⑤掌握大数据技术与应用专业基本的专业技能，能满足大数据岗位的基本素质。 2.能力要求
通过三年的学习，学生应具备从事本专业领域相关工作的能力。 ① 熟练操作办公自动化软件；
② 具备计算机组装、计算机软硬件故障的判断与定位以及故障排除的能力。 ③ 具备办公自动化设备维护的能力；具备数据库系统管理维护的能力； ④ 具备非结构化数据处理能力； ⑤ 具备数据仓库管理基本能力； ⑥ 具备OOP程序设计能力； ⑦ 具备Web应用开发能力；
⑧ 具备Linux Server、Hadoop项目管理维护的能力； ⑨ 具备数据挖掘、数据清洗、数据可视化的处理能力。 3.素质要求 ①政治思想素质：
热爱祖国，拥护党的基本路线。遵纪守法，善于独立思考，勇于创新的精神。具备良好的职业道德与素养。
②文化素质：
具有一定的文化素质修养，诚实守信、礼貌待人、为人谦逊的文明习惯；具有自尊自强、爱岗敬业、勤奋好学、追求进步的品格；具备良好的人际交往与勾通和工作协调能力。
③业务素质：
掌握大数据技术与应用专业的基础理论知识；掌握计算机组装与维护、办公自动化软件操作、办公自动化设备维护、计算机网络系统维护及管理、关系型/非关系型数据库系统维护及管理、Windows/Linux服务器系统配置管理等方面、各类大数据平台搭建管理维护的专业技能的能力。
（四）职业岗位资格证书
至少取得下列证书之一：
- 2 -
① 计算机等级证书 ② 软考证书 （五）发展空间
1.学历提升
完成三年高职阶段的学习、实习和实训后并且成绩合格，可参加专升本考试 2.职业资格证提升
职业资格证书可由中级向高级层次提升。 3.其他
根据个人发展情况，可向高级管理人才和高级技术人才方向发展。
四、职业核心能力分析
表一：大数据技术与应用专业职业核心能力分析表
序号 核心能力 能力要素 文字与语言表达能力 支撑课程（含实训课） 大学语文 能力要求 1口头语言表达能力 2一般计划、总结、技术文件的撰写能力 1 基础能力 1 矢量代数运算与应用的基本能力 高数、线性代数、概率2 微积分和微分方程运算的基本能力 数学计算能力 3 概率论与数理统计的基本能力 论与数理统计 4 线性代数的运算基本能力 英语能力 身体素质与运动技能 Linux系统应用能力 力 Hadoop运维系统开发能力 开发能力 创新力 心理健康 大学英语 专业英语 体育 1普通英文资料阅读能力 2能借助词典翻译本专业资料的基本能力 1 力量、速度、耐力、灵敏性、柔韧性素质 2 常见球类运动技能 3 田径、体操、游泳的基本技能 Linux操作系统 数据仓库技术与数据挖掘技术 Linux操作系统 大数据挖掘技术能数据仓库技术与数据挖2 专业核心能力 掘技术 Hadoop平台部署与运维 Hadoop平台部署与运维相关知识 数据可视化设计与数据可视化设计与开发 科技创新驱动 数据可视化设计与开发 科技创新相关要素知识 心理健康教育相关知识 协调、组织、共事能力 3 素质拓展能力 管理能力 心理健康教育 管理学 就业、创业指导 大学生就业、创业指导 了解就业、创业相关知识
五、课程体系结构和专业核心课程
- 3 -
（一）课程体系结构
大数据技术与应用专业课程体系
（二）专业核心课程简介（含课程主要内容、授课方式、考核方式等） 1. JAVA程序设计
Java语言是大数据专业的一门重要基础课程，是跨平台的程序设计语言，它是中间件厂商、系统集成商的首选语言。是一门以Java语言及相关程序设计技术为主要教学内容的专业必修课程，主要介绍Struts2、Spring、Hibernate以及它们相互整合的应用。课程的主要内容包括：Struts2框架技术、Spring框架技术、Hibernate框架技术、SSH2整合技术以及项目开发，是后续课程Android开发、Java Web 应用开发 、面向服务的架构设计的基础课程。通过本课程的学习，让学生完全有能力利用Java开发桌面级的应用及C/S模式的应用。本课程主要通过对Java技术的讲解，让学生了解和熟悉Java编程的知识和技能，在课程的学习过程中，强调学生计算机编程习惯的养成。本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。
2. Linux操作系统
本课程旨在培养学生安装、管理和搭建Linux服务器的能力。学习完本课程，学生将能担任起一个公司的Linux服务器管理员的职责，熟练掌握常用命令的使用、系统的配置与管理、vi编辑器的使用、SHELL脚本编程和网络服务器的配置，为学生基于Linux操作系统的后续专业课程的学习奠定基础。本课程采用以项目为驱动任务为导向的项目化教学方式，旨在充分体现基于工作工程的教学理念，课程注重培养学生应用SHELL脚本解决实际问题的能力。
3．Hadoop平台部署与运维
Hadoop——海量数据处理技术，是一个分布式系统基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。本课程将学习Hadoop两大核心模块——MapReduce和HDFS的工作原理，让学生熟练完成Hadoop的安装、配置和管理。能够独立的编写MapReduce程序，并提交Hadoop处理，并可监控作业运行情况和使用资源，最后能够熟练的对HDFS中的文件进行管理。本课程主要采用课堂教学，配
- 4 -
合课后的课程设计，使学生能基本掌握Hadoop的相关原理、应用及操作。
4．数据仓库与数据挖掘技术
本课程以数据仓库与数据挖掘的基本概念和基本方法为主要内容，以方法的应用为主线，系统叙述数据仓库和数据挖掘的有关概念和基础知识，使学生尽快掌握建立数据仓库的原理和方法,从理论上掌握数据仓库、OLAP联机分析的基本概念、原理、主要算法及应用系统解决方案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用。
5.Python程序设计
Python是大数据技术与应用专业必修课，是一门程序设计课程，有一定的理论性和很强的应用性。对于训练学生掌握程序设计技术，熟悉上机操作和程序调试技术都有重要作用。本课程培养学生应用框图表达算法的能力及用Python基础知识编写简单程序的能力。本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。
6. 数据可视化设计与开发
数据可视化设计与开发是一门理论性和实践性都很强的课程，要求学生掌握Excel数据可视化、Excel数据可视化应用、大数据预测分析、支撑大数据的技术、数据引导可视化、Tableau可视化初步、Tableau地图与预测分析和Tableau分享与发布等内容。本课程使用案例驱动模式教学，使用过程考核学生的基本能力。
六、课程设置及时间分配
1. 大数据技术与应用专业教学环节总周数分配表
内容 课内教 学周数 学期 一 二 三 四 五 六 合计 15 17 17 17 集中实训周数 复习考试 1 1 1 1 军事训练社会实践 顶岗实习 毕业教育 机动 合计 入学教育 2 1 1 1 1 18 18 1 1 1 1 1 2 1 20 20 20 20 20 20 120 65 4 2 4 36 1 7
- 5 -