一、培养目标与规格
（一）专业名称：大数据技术与应用
（二）专业代码：610215
（三）招生对象：普通高中毕业生/中等职业学校毕业生
（四）学习年限：三年
（五）培养目标与规格
1.培养目标
本专业方向重点培养能够为企事业单位提供大数据系统搭建、管理、以及运维技术和能力的高素质技能型人才。通过计算机基础课程、算法语言、系统管理等专业基础知识学习，接受专业的大数据系统和应用知识的培养，进行计算机系统，大数据平台，大数据应用系统搭建、配置、管理、及运维实训。通过大量的案例与实践操作，熟练掌握大数据系统管理所需的各种专业知识和能力，具备一定的职业素养，为从事大数据行业工作奠定坚实基础。
2.人才规格
经过3年的培养，学生毕业时必须达到培养目标所设定的知识、能力和素质标准，具体体现在其专业能力、社会能力和发展能力必须达到以下要求。
（1）专业能力
l 计算机应用系统的操作和组装、维护与维修能力；
l 数据库系统的基本操作能力；
l 基本的程序设计能力；
l 网站页面设计与制作的能力；
l 网站后台程序设计和网络数据库设计能力，网络应用开发技术；
l 常用办公软件、工具软件的使用能力，利用Office工具进行项目开发文档的整理（Word）、报告的演示（PowerPoint）、表格的绘制与数据的处理（Excel），利用Visio绘制流程图；
l 阅读并正确理解需求分析报告和项目建设方案的能力；
l 阅读本专业相关中英文技术文献、资料的能力；
l 熟练查阅各种资料，并加以整理、分析与处理，进行文档管理的能力；
l 通过系统帮助、网络搜索、专业书籍等途径获取专业技术帮助的能力。
l 各种大数据系统安装、维护与维修能力，包括Hadoop、HBase、Spark等系统；
l 使用各种大数据系统解决实际问题的能力，包括Hadoop、HBase、Spark等系统；
l 获取数据和对数据进行预处理的能力；
l 大数据应用开发能力，包含批处理、实时流式处理、随机查询、数据挖掘分析等模式；
l 基本的大数据分析和数据挖掘能力；
l 基本的使用云计算平台部署应用的能力。
（2）社会能力
l 达到国家规定的大学生健康测试标准；具有健康的体魄、良好的心理素质以及交流沟通能力和社会适应能力；
l 了解本专业相关的职业和行业的生产、设计、研究与开发、环境保护和可持续发展等方面的方针、政策和法律法规，能正确认识对于客观世界和社会的影响；
l 具有一定的组织管理能力、表达能力和人际交往能力以及在团队中发挥作用的能力。
（3）发展能力
l 对终身学习有正确认识，具有不断学习和适应发展的能力；
l 掌握文献检索、资料查询及运用现代信息技术获取相关信息的基本方法；
l 掌握基本的创新方法，具有追求创新的态度和意识；
l 具有一定的就业创业能力。
（六）职业资格与就业范围
1.职业资格
软件系统管理员、大数据助理工程师、大数据工程师、大数据开发工程师、大数据分析工程师、大数据运维工程师、大数据可视化工程师、大数据架构工程师、大数据系统研发师。
2.就业范围
本专业毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务等领域的大数据平台运维、大数据应用开发、大数据分析等方面的工作。主要就业部门包括政府机关、房地产、金融、移动互联网、电信、零售、金融、制造、物流、医疗、教育等行业的技术部、软件开发部、销售部、数据分析部门。
二、培养模式
1、采用“三段式”培养模式
为了培养符合企业需求的应用型人才，有效提高学生的分析、解决问题与实践动手的能力，大数据技术与应用专业采用“三段式”培养模式：2+0.5+0.5夹层模式。第一阶段为数理基础，专业核心课程培养，该阶段强化和拓宽数理基础，为学生后期专业学习打好扎实的基础，通过专业方向实训和项目，学生能力从基本技能锻炼进阶到项目开发能力，最后到岗位能力素养培养，逐步从基本知识能力过度到软件应用能力最后到岗位职业能力。第二阶段为企业级应用开发综合实训，在该阶段每个学生至少完成一个企业级综合应用项目以达到实习前的就业技能水平，真实体验企业的职业要求，尽早建立职业发展规划，为就业做好准备工作；第三阶段为企业实习，在该阶段每个学生完成不超过6个月的对口企业实习的经历，通过企业实习使学生尽早地融入到社会企业文化当中，真实体验企业的职业要求，尽早建立职业发展规划，为就业做好准备工作。
2、专业特色
大数据技术与应用方向以行业需求和企业岗位能力为导向，以建构主义思想重新构建面向应用的课程及其教学资源体系，以互联网技术和信息化手段为依托建立符合认知学徒制的教学模式，建立面向应用能力的考核评价机制，实现全面系统的改革。
Ø 课程设置与培养内容面向行业、企业需求
大数据技术与应用方向在一系列调研基础上构建了面向应用型人才培养的课程体系。提炼出基于学生实际的人才培养目标。针对培养目标分解出关键领域、关键单元及每个单元对应的知识、能力和素养，构建目标体系。在充分分析行业岗位群所需要能力和素养的基础上，对应用类课程围绕特定的主题或内容对原有教学内容进行重新整合，构建以能力为核心的、独立的模块化课程体系。
Ø 构建了个性化人才培养体系
大数据技术与应用方向“以学生为中心，尊重学生个性发展”的思路优化专业建设思路、改革人才培养模式满足不同层次和兴趣需求的学生需要，以智慧学习平台为支撑将传统以教为主往以学为主转变，教师回归辅导者与设计者。
Ø 个性化教学模式如下：
l 模式1：讲师+助教+平台自主学习
对于实践性较强的专业方向课程采用该模式。该模式也称为基于博思平台翻转课堂模式，在该模式中，讲师、助教和辅导员承担不同的角色和职责，讲师角色定位于解决学生学习质量问题，制定引导式计划、查看平台数据、整理授课内容、助教相关任务安排；助教角色定位于提升学生自主学习质量，针对自主学习进行辅导答疑，督促学生提交线下作业，督促学生完成学习计划；辅导员主要协助解决学生不学问题，跟踪不学学生情况并及时反馈给主讲老师。
l 模式2：独立自主学习
针对完全技能类型的课程采用线上独立自主学习模式。以计算机基础技能、软件测试两门课程为例，教师将课程资源、学习计划、练习题库、以及考核试题等全部整合到学习平台中，学生可平时在线自主学习完成学习计划，学生存在问题可在线求助或提问，平台上有专门团队进行答复，老师定期根据学生学习情况安排辅导答疑，学生在学习目标完成后可自主申请考核。
l 模式3：理论讲解+团队大作业+项目评审模式
对于理论性和专业性都非常强的专业课程采用该模式，以UML课程为例，由教师进行大班理论授课，小班由企业工程师进行岗位技术实践教学，理论和实践螺旋式推进，理论指导实践，实践促进理论的理解。另外，通过各次大作业的答辩评审（随机抽取其团队中的一位成员）驱动完成该门课的理论授课，这种模式极大的提升了该门课程学习质量， 并且各次大作业产物作为综合项目设计阶段产物提高学生积极性，学生动手去开发，组队来做一个软件，让他们真正体会到软件工程里面的东西是干啥的， 真正意义上提升团队合作、沟通、软件工程专业文档能力等。
l 模式4：个别指导
针对某些理论较少，需学生自己课下多加练习的课程，采用个别指导的教学方式。以实践类的拓展课程为例，教学以学生线上自学为主，平台上提供完善的学习资料、学习计划和训练题库供学生线上自主学习和训练，讲师根据课程重难点和学生反馈问题组织若干次集中指导或者学生学习过程遇到障碍或者问题可以通过学习平台、答疑系统或者即时通讯工具给予及时的辅导及帮助，学生可以依据自己掌握情况自定学习进度，完成教学计划的学生可申请提前考核。
l 模式5：分层教学
传统自然班级采取固定步调的授课模式，但是实际过程中学生能力参差不齐，统一步调的授课模式难以匹配所有学生的要求，很难实现每个学生在原有知识基础之上得到最大发展。为实现每个学生能在原有知识基础之上都能得到最大程度地发展和提升，软件工程专业在小学期集中实践培养锻炼阶段采用分层教学模式，将学生成绩和个性指标相近的学生分在同一层次内，根据各个层次学生当前基础能力情况制定针对性的培养目标、实施计划及完成的项目。
三、课程体系与内容
（一）课程体系
1.通识教育课
通识教育课11门，共29学分，498学时；占总学时的%。思想道德修养与法律基础、毛泽东思想和中国特色社会主义理论体系概论、英语、体育基础I 、体育选项II、体育专项训练、军事理论、大学生心理健康教育、职业生涯规划、计算机应用基础、创新创业教育、形势与政策、就业指导。
2.职业基础课
职业基础课8门，484学时，共计33学分。其中包含Java程序设计基础、网页设计基础、计算机网络基础、Java面向对象高级编程、JavaScript程序设计、Linux操作系统、MySQL数据库。
3.职业技术课
职业技术课11门，778学时，共计30学分，。Python程序设计基础、Java Web开发、Hadoop生态体系基础、网络爬虫技术、Python数据分析技术、Hadoop生态体系进阶、大数据平台运维、Spark体系、Java Web应用项目开发、论坛日志系统数据抓取与分析项目开发、大数据系统搭建与运维项目。
4.素质拓展课
素质拓展课4门，可以选修门，96学时，共计6学分。包括Bootstrap框架技术、Ajax技术、数据可视化、ETL工具。
（二）课程内容
1.大数据导论（64学时，4学分）
通过本课程的学习，了解大数据的基本概念，大数据的应用现状和发展趋势，掌握海量数据存储关键技术、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、数据仓库，掌握大数据批处理模式、随机查询模式、流处理模式、图处理模式，掌握数据挖掘的基本概念，数据挖掘的典型算法（分类算法、聚类算法、关联算法、时序挖掘算法），了解大数据用于预测与决策、市场营销，掌握数据挖掘与文本数据分析、日志分析、电子商务、查找引擎的关系。
2．Java程序设计（64学时，4学分）
本课程主要讲述Java语言概述、面向对象编程初步、Java的基本语法、类库与数组、面向对象编程深入、异常处理和输入输出及多线程编程，包括JavaWeb开发和Andriod移动应用开发入门。
3．Web前端技术（64学时，4学分）
主要内容：学习HTML程序设计基础知识，掌握DIV + CSS程序与界面设计技术技能，掌握JavaScript程序设计的开发方法，了解图像处理技术。
教学要求：熟练掌握DHTML语言；熟练掌握网页界面设计方法；熟练操作Photoshop工具；掌握常见的图像处理方法。
4．计算机网络基础（64学时，4学分）
计算机网络基础课程是为电子信息类计算机专业学生开设的一门专业基础课。课程主要讲授计算机网络概论，数据通信基础知识，局域网技术，广域网与接入技术，网络互联技术，TCP/OP协议及Internet技术，网络应用、管理和安全技术简介。
5．Java面向对象高级编程（72学时，4学分）
先修课程： Java程序设计基础
本课程由浅入深，通过多个案例及小型项目的开发，在学生掌握了Java语言基础之上，强化学生的编码基本功以及对Java核心API的应用能力。本课程主要内容包括Java集合类的使用，输入输出流，多线程及Java的网络编程等相关知识。。
6．数据结构（72学时，4学分）
先修课程： C语言程序设计或者Java语言程序设计
本课程主要介绍在解决非数值计算的问题中如何合理地组织表示数据、有效地存储和处理数据，正确地设计算法以及对算法进行时间复杂度和空间复杂度分析和评价。主要内容包括：线性表、栈与队列、字符串、数组及其矩阵的压缩存储、树和二叉树、图、集合（查找表）、内部排序等。对于所讨论的每种数据结构都介绍其逻辑结构定义（ADT）和物理存储实现以及相应操作的实现方法，并且介绍每种数据结构的主要应用。。
7．操作系统原理（Linux）（108学时，6学分）
本课程主要讲授搭建与测试Linux服务器、使用常用的Linux命令、Shell与Vim编辑器、用户和组的管理、文件系统和磁盘管理、DHCP服务器配置、DNS服务器的安装及配置、NFS网络文件系统、samba服务器的配置、Apache服务器的配置、FTP服务器的配置、电子邮件服务器的配置、配置防火墙与代理服务器、VPN服务器的配置、服务器安全运维、网络安全运维和数据安全运维的关键技术和方法以及Linux服务器集群所需要的技术、工具、方法和技巧。
8． 数据库基础与MySQL数据库（72学时，6学分）
本课程主要讲授数据库系统的基础知识、设计方法以及应用技术，内容包括数据库系统基本概念，关系数据库基础知识，创建数据库的一般方法，SQL语言及其使用方法，数据库完整性与安全性知识，数据库应用程序设计的一般方法以及事务管理基础知识。了解MYSQL数据库的结构原理和相关知识，掌握MYSQL数据库日常操作和维护的技能，并具备一定系统优化的能力。
9．Python程序设计基础（48学时，3学分）
先修课程：Java程序设计基础、Java面向对象高级编程
本课程主要讲授Python语言及其编程环境概述、基本语法、基本流程控制、元组列表字典等特征数据类型及操作、文件、函数、面向对象的程序设计、tkinter图形化界面设计、图形绘制、正则表达式的应用、数据库操作和基于第3方类库的应用举例。
10. Java企业级软件开发（108学时，6学分）
先修课程：网页设计基础、Java程序设计基础、Java面向对象高级编程
课程主要内容：java语法基础、类和对象、java中的字符串、java实用类与集合、泛型、继承和多态、接口与抽象类异常处理、java中IO数据处理、使用XML实现数据处理、多线程编程、网络编程，序列化、反射等技术、JSP基础及BS开发环境配置 、JSP中的页面传值与Request和Response对象、 以及如何利用JSP+JDBC创建动态网页和JSP内置对象与状态管理等等。
11.Hadoop生态体系基础（96学时，6学分）
先修课程：大数据导论、Linux操作系统
理解Hadoop在大数据技术中的地位；理解Hadoop的体系结构和工作原理；理解HDFS文件系统结构和工作原理；理解MapReduce计算框架的工作流程；具有搭建和配置Hadoop系统的能力；具有基于MapReduce编程的能力；具有使用HDFS文件系统的能力；同时介绍Hbase的相关知识。
10. 网络爬虫技术（72学时，4学分）
先修课程：Python程序设计基础、Java程序设计基础、Java面向对象高级编程
本课程主要讲授Python网络爬虫实现的核心技术，包括网络爬虫的工作原理、如何用urllib库编写网络爬虫、爬虫的异常处理、正则表达式、爬虫中Cookie的使用、爬虫的浏览器伪装技术、定向爬取技术、反爬虫技术，以及如何自己动手编写网络爬虫；。
11. Python数据分析技术（96学时，6学分）
先修课程：Python程序设计基础、Java程序设计基础、Java面向对象高级编程、网络爬虫技术
本课程主要讲授NumPy（NumericalPython）的基础和高级知识；从pandas库的数据分析工具开始利用高性能工具对数据进行加载、清理、转换、合并以及重塑；利用matpIotlib创建散点图以及静态或交互式的可视化结果；利用pandas的groupby功能对数据集进行切片、切块和汇总操作；处理各种各样的时间序列数据。
12. 分布式数据库HBase（96学时，6学分）
课程主要内容：HBase简介、HBase集群安装配置（Zookeeper简介、Zookeeper安装配置、配置文件解读）、HBase开发环境配置、Java API操作 HBase操作表、增删改查、HBase与Hadoop Mapreduce交互（HBase to HDFS，HDFS to HBase，HBase to HBase）、基于HBase的自豪查询系统（架构、数据处理、案例实现）。
13.大数据平台运维（64学时，4学分）
先修课程： Hadoop生态系统基础、Hadoop生态体系进阶
通过本课程的学习，学生掌握Hadoop自动化安装和配置的问题在于隐藏了许多Hadoop组件协同工作的重要细节，通过设置一个完全可运行的集群，可对Hadoop内部的运行机制产生更深入的了解，并且可以调试任何可能发生的问题。同时要要求掌握保障基于Hadoop的大数据平台安全的实现方案和最佳实践，覆盖Kerberos安全协议和Hadoop安全机制的设计，并包括在企业内部来确保Hadoop及其生态系统相关组件安全的详细方案。
14.大数据开发技术（96学时，6学分）
课程主要内容：Hadoop简介、架构、原理、Hadoop集群配置及安装（JDK、SSH）、Hadoop IDE开发环境配置（Eclipse配置）、Hadoop Java API编程实例、Hadoop Java API编程实例、Hadoop命令（Hadoop fs，Hadoop job，Hadoop jar）、Hadoop基础编程（Mapper、Reducer、Driver）、Hadoop高级编程（FileInputFomat、Combiner、Partitioner、FileOutputFormat）、Hadoop案例项目。
四、集中性实践教学环节
强化实践育人，周密安排本专业的几种集中实践教学环节。包括：平台课实践，如Java Web应用项目开发（2周，可分散训练）；校内外专项能力训练；职业技能考证训练；毕业论文（设计）；顶岗实习。具体安排如下表：
大数据技术与应用专业集中实践教学环节安排表
序号 |
实践教学项目名称 |
开设学期 |
学时 |
学分 |
备注 |
1 |
入学教育 |
1 |
18 |
1 |
|
2 |
军训 |
1 |
26 |
2 |
|
3 |
社会实践 |
1-4 |
120 |
4 |
寒暑假 |
4 |
职业体验 |
3 |
96 |
6 |
|
5 |
Java企业级软件开发实训 |
3 |
32 |
2 |
|
6 |
论坛日志系统数据抓取与分析项目开发 |
4 |
32 |
2 |
|
7 |
大数据系统搭建与运维项目 |
4 |
32 |
2 |
|
8 |
顶岗（毕业）实习 |
5-6 |
858 |
20 |
|
9 |
毕业设计（论文） |
6 |
60 |
3 |
|
合计 |
1172 |
42 |
|
五、素质教育活动设计
素质教育活动是对学院学生管理工作的进一步深化、补充和完善，从侧面反映了我院大学生在校期间非专业素质提高状况，共40学分，包括思想道德修养、科技水平与创新创业能力、人文艺术素质、身心素质、社会工作与团队协作能力等五个方面均为8个学分，具体的素质学分认定情况参考学生手册。
六、就业创新创业能力培养
1.职业生涯规划
在第一学期开设职业生涯规划课程，占1个学分。通过对职业生涯的主客观因素分析、总结和测定，确定一个人的奋斗目标，并为实现这一事业职业目标，而预先进行生涯系统安排的过程。职业生涯设计的目的，决不只是帮助个人按照自己的资力条件找到一份工作，达到和实现个人目标，更重要的是帮助个人真正了解自己，为自己订下事业大计，筹划未来，进一步详尽估量主、客条件和内外环境优势和限制，在“衡外情、量己力”的情形下，设计出符合自己特点的合理而又可行的职业生涯发展方向。因此，职业生涯规划具有特别重要的意义。
2.就业指导
在第五学期开设就业指导课程，占1个学分。就业指导主要从信息指导、思想指导及求职技术三个方面来展开，帮助学生充分了解自己的个性特点，例如个人的爱好、性格、知识、能力等，从而使自己对自己有全面、理性的认识；帮助学生了解社会不同职业的岗位要求，例如职业的分类、岗位的内容、岗位的知识和能力要求等；帮助学生根据自身的个性特点选择适合自身的职业，也就是通常我们所说的实现人职相配，从而完成择业者的择业任务。
3.创新创业教育
在第五学期以网络在线形式开设创新创业教育课程，占2个学分。创新创业教育主要从意识培养、能力提升、环境认知及实践模拟四个方面来展开，是以培养具有创业基本素质和开创型个性的人才为目标，培育学生的创业意识、创新精神、创新创业能力为主的教育。
4.大学生社会责任教育
自进入大学后，就要开展大学生社会责任教育，占2个学分。强烈的社会责任感是催化大学生创新创业能力的根本动力所在，是大学生人格健康的集中体现，是大学生成人、成才的重要标志。大学生社会责任教育活动可采取学校组织和学生自主组织两种方式。学校组织的社会责任教育活动，应充分尊重学生的意愿，按照公开招募、自愿报名、择优录取、定岗服务的方式开展。学生自主组织的活动，应以团队方式进行。学生可以通过认识社会、了解社会、服务社会、奉献社会的一系列活动，如社区服务、挂职锻炼、专业服务、义务劳动、文艺体育、慈善活动、志愿服务、公益活动等多种形式获得学分。
七、毕业标准
完成大数据技术与应用技术专业教学计划所需要的全部教学过程，毕业生获得总学分不少于144学分，准予毕业。其中：
1.集中性实践教学环节不少于41学分；
2.素质教育活动不少于40学分；
3.就业创新创业能力不少于6学分；
4.军事训练不少于2学分。
八、各种相关表格
（一）教学活动时间分配表
表1 教学活动时间分配表（按周）
学期 |
教学 |
考核 |
入学教育 军训 |
毕业 教育 |
实训 |
毕业 实习 |
机动 |
总计 （周） |
1 |
16 |
1 |
2 |
|
|
|
1 |
20 |
2 |
18 |
1 |
|
|
|
|
1 |
20 |
3 |
18 |
1 |
|
|
|
|
1 |
20 |
4 |
18 |
1 |
|
|
|
|
1 |
20 |
5 |
|
|
|
|
|
18 |
2 |
20 |
6 |
|
1 |
|
1 |
|
15 |
1 |
18 |
总计 |
70 |
5 |
2 |
1 |
|
33 |
7 |
118 |
（二）理论与实践教学学时分配表
表2 理论与实践教学学时分配表
教学形式 |
学时 |
理论与实践学时比 |
理论 |
996 |
1:1.87 |
实验、实训 |
878 |
|
毕业顶岗实习 |
984 |
共计（学时） |
2858学时（包括课内与课外学时） |
课内总学时 |
1874 |
（三）教学进程表
表3 大数据技术与应用专业教学进程表
课程 分类 |
序号 |
课程名称 |
授课时间分配 |
考试 |
考查 |
学分标准 |
每周授课时间分配 |
合计 |
其中 |
见习、实习 |
第一学年 |
第二学年 |
第三学年 |
理论 |
实训 |
第一 学期 |
第二 学期 |
第三 学期 |
第一 学期 |
第二 学期 |
第三 学期 |
第一 学期 |
第二 学期 |
2周 |
16周 |
18周 |
4周 |
18周 |
18周 |
4周 |
18周 |
15周 |
通识教育课程 |
1 |
思想道德修养与法律基础 |
48 |
48 |
|
|
|
1 |
3 |
入学教育和军训 |
3 |
|
职 业 体 验 |
|
|
综合项目实训、 岗 位 见 习 |
毕业实习 |
2 |
毛泽东思想和中国特色社会主义理论体系概论 |
72 |
72 |
|
|
|
2 |
4 |
|
4 |
|
|
3 |
英语 |
68 |
34 |
34 |
|
1,2 |
|
4 |
2 |
2 |
|
|
4 |
体育基础I |
32 |
2 |
30 |
|
|
1 |
6 |
2 |
|
|
|
体育选项II |
36 |
2 |
34 |
|
|
2 |
|
2 |
|
|
体育专项训练 |
40 |
|
40 |
|
|
3,4 |
|
|
1 |
2*11 |
5 |
军事理论 |
36 |
36 |
|
|
|
1 |
2 |
网络 |
|
|
|
6 |
大学生心理健康教育 |
16 |
16 |
|
|
|
1 |
1 |
/2*8 |
|
|
|
7 |
职业生涯规划 |
16 |
16 |
|
|
|
1 |
1 |
2*8/ |
|
|
|
8 |
计算机应用基础 |
64 |
32 |
32 |
|
|
1 |
4 |
4 |
|
|
|
9 |
创新创业教育 |
36 |
36 |
|
|
|
2 |
2 |
|
网络 |
|
|
10 |
形势与政策 |
18 |
18 |
|
|
|
2 |
1 |
|
|
|
/2*9 |
11 |
就业指导 |
16 |
16 |
|
|
|
4 |
1 |
|
|
|
2*8/ |
小计 |
498 |
328 |
170 |
|
|
|
29 |
15 |
10 |
1 |
3 |
职业基础课程 |
13 |
大数据导论 |
64 |
48 |
16 |
|
|
1 |
4 |
4 |
|
|
|
14 |
Java程序设计基础 |
64 |
32 |
32 |
|
1 |
|
4 |
4 |
|
|
|
15 |
Web前端技术 |
64 |
48 |
16 |
|
|
|
4 |
4 |
|
|
|
16 |
计算机网络基础 |
64 |
32 |
32 |
|
|
1 |
4 |
|
4 |
|
|
17 |
Java面向对象高级编程 |
72 |
36 |
36 |
|
2 |
|
4 |
|
4 |
|
|
18 |
数据结构 |
72 |
36 |
36 |
|
|
2 |
4 |
|
4 |
|
|
19 |
操作系统原理(Linux) |
108 |
54 |
54 |
|
|
3 |
6 |
|
|
6 |
|
20 |
数据库基础与MySQL数据库 |
72 |
36 |
36 |
|
3 |
|
4 |
|
|
4 |
|
小计 |
580 |
322 |
258 |
|
|
|
34 |
12 |
12 |
10 |
|
职业技术课程 |
21 |
Python程序设计基础 |
48 |
24 |
24 |
|
|
2 |
3 |
|
4 |
|
|
22 |
Java企业级软件开发 |
108 |
54 |
54 |
|
3 |
|
6 |
|
|
6 |
|
23 |
Hadoop生态体系基础 |
108 |
54 |
54 |
|
3 |
|
6 |
|
|
6 |
|
24 |
网络爬虫技术 |
72 |
36 |
36 |
|
|
3 |
4 |
|
|
4 |
|
25 |
Python数据分析技术 |
96 |
64 |
32 |
|
|
4 |
4 |
|
|
|
6 |
26 |
分布式数据库HBase |
96 |
48 |
48 |
|
4 |
|
6 |
|
|
|
6 |
27 |
大数据平台运维 |
64 |
32 |
32 |
|
|
4 |
4 |
|
|
|
4 |
28 |
大数据开发技术 |
96 |
48 |
48 |
|
4 |
|
6 |
|
|
|
6 |
|
29 |
Java企业级软件开发实训 |
32 |
|
30 |
|
|
3 |
2 |
|
|
/2*16 |
|
|
30 |
论坛日志系统数据抓取与分析项目开发 |
32 |
|
30 |
|
|
3 |
2 |
|
|
|
/2*16 |
|
30 |
大数据系统搭建与运维项目 |
32 |
|
30 |
|
|
4 |
2 |
|
|
|
/2*16 |
小计 |
784 |
360 |
424 |
|
|
|
45 |
|
4 |
16 |
|
素质拓展课 |
28 |
Bootstrap框架技术 |
二选一 |
48 |
24 |
24 |
|
|
|
3 |
|
|
|
|
29 |
Ajax技术 |
48 |
24 |
24 |
|
|
|
3 |
|
|
|
|
30 |
数据可视化 |
二选一 |
48 |
24 |
24 |
|
|
|
3 |
|
|
|
|
31 |
ETL工具 |
48 |
24 |
24 |
|
|
|
3 |
|
|
|
|
小计 |
96 |
48 |
48 |
|
|
|
6 |
27 |
26 |
26 |
25 |
毕业实习与企业顶岗实习 |
984 |
|
|
|
|
|
108 |
|
|
|
96 |
|
|
96 |
792 |
周学时 |
|
|
|
|
|
|
|
|
27 |
26 |
|
26 |
25 |
|
|
总学时 |
2864 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
毕业考试科目 |
1 |
Java Web开发 |
每学期开课门数 |
11 |
8 |
|
8 |
7 |
|
|
2 |
大数据平台运维 |
考试门次 |
3 |
3 |
|
3 |
2 |
|
|
3 |
|
考查门次 |
8 |
5 |
|
5 |
5 |
|
|
（四）实践教学进程表
表4 大数据技术与应用专业实践教学进程表
序号 |
实践教学环节 |
项 目 |
周数 |
合计课时 |
各学期分配 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
1 |
职业基础课程 |
大数据导论实训 |
16 |
16 |
16 |
|
|
|
|
|
|
|
2 |
Java程序设计基础 |
16 |
32 |
32 |
|
|
|
|
|
|
|
3 |
Web前端技术 |
16 |
16 |
16 |
|
|
|
|
|
|
|
4 |
计算机网络基础 |
16 |
32 |
|
32 |
|
|
|
|
|
|
5 |
Java面向对象高级编程 |
18 |
36 |
|
36 |
|
|
|
|
|
|
6 |
数据结构 |
18 |
12 |
|
12 |
|
|
|
|
|
|
7 |
Linux操作系统实训 |
18 |
54 |
|
54 |
|
|
|
|
|
|
8 |
数据库基础与MySQL数据库 |
18 |
36 |
|
36 |
|
|
|
|
|
|
9 |
职业技术课程 |
Python程序设计基础 |
18 |
24 |
|
24 |
|
|
|
|
|
|
10 |
Java企业级软件开发实训 |
18 |
54 |
|
|
54 |
|
|
|
|
|
11 |
Hadoop生态体系基础 |
18 |
54 |
|
|
54 |
|
|
|
|
|
12 |
网络爬虫技术 |
18 |
36 |
|
|
36 |
|
|
|
|
|
14 |
Python数据分析技术 |
16 |
32 |
|
|
|
32 |
|
|
|
|
15 |
Hadoop生态体系进阶 |
16 |
48 |
|
|
|
48 |
|
|
|
|
16 |
大数据平台运维 |
16 |
32 |
|
|
|
32 |
|
|
|
|
17 |
Spark体系 |
16 |
48 |
|
|
|
48 |
|
|
|
|
18 |
Java企业级软件开发 |
2 |
30 |
|
|
30 |
|
|
|
|
|
19 |
论坛日志系统数据抓取与分析项目开发 |
2 |
30 |
|
|
|
30 |
|
|
|
|
|
|
大数据系统搭建与运维项目 |
2 |
30 |
|
|
|
30 |
|
|
|
|
19 |
顶 岗 实 训 |
岗位见习 |
8 |
192 |
|
|
96 |
|
|
96 |
|
|
20 |
毕业实习 |
33 |
792 |
|
|
|
|
|
|
432 |
360 |
合 计 |
1636 |
64 |
194 |
270 |
220 |
252 |
96 |
432 |
360 |
