执笔:汤海林 审核:张大斌
专业代码:080910T
学科门类:工学
授予学位:工学学士
标准学制:2 年
修业年限:4 年
一、 培养目标
培养德、智、体、美、劳全面发展,具有一定国际视野、创新意识、工匠精神和实践能力的职 业性应用型人才;掌握本专业基础理论、基本知识和基本技能,能够熟练运用大数据核心技术解决 行业应用问题,具备良好综合素质和数据分析、数据处理等专业能力。
本专业毕业生主要面向广东省珠三角区域,从事大数据系统研发工程师、大数据应用开发工程 师、大数据分析师、数据可视化工程师、大数据运维工程师为典型的大数据行业岗位的工作。
具体目标为:
1. 具备良好的数学基础和规范、严谨的数学思维,比较全面掌握数学的基本知识、基本理论和 基本技能;熟练掌握基于统计和优化的数据分析的基本思路、基本理论与基本方法,以及相关的算 法编程、测试和软件应用技能;较熟练地掌握一门外语,具有一定的听、说、读、写能力。
2. 具有较强的计算机编程和算法设计能力,以及网络数据采集能力;具备较强的数据分析与建 模能力:具有熟练应用统计与优化方法进行数据分析与建模能力,能实现对行业应用数据的导入、 处理、归类等数据应用;具备面向不同行业需求和数据现状,进行个性化的数据应用解决方案设计 能力,具备实现企业业务资源优化配置的能力。
3. 具有良好的思想政治素质,树立正确的世界观、人生观、价值观;具有较强的法律意识、强 烈的社会责任感、 良好的职业道德、团队协作精神和社会适应能力;具有健康的体魄、 良好的心理 素质、和谐的人际关系,以及一定的人文、艺术素养。
4. 能够根据学习和研究需要,掌握文献检索、资料查询的基本方法,具有较强的自主学习能力; 具有较强的逻辑思维和语言、文字表达能力;了解本专业和本学科的理论前沿及发展动态,具备基 本的科学研究能力和一定的创新能力。
二、 规格要求
(1) 熟悉有关人文社会科学知识,身心健康,具有良好的工程职业道德、爱国敬 业精神、丰富的人文科学素养和社会责任感,追求卓越;
(2) 掌握相关的自然科学知识,具有从事大数据工程领域科学研究、工程设计、 技术服务等工作所需的数理知识和其他相关的自然科学知识;
(3) 较熟练地掌握一门外语,能比较顺利地阅读理解本专业外文资料,具有良好 的读写和口语交流能力,能从事专业技术资料的翻译工作;
(4) 掌握大数据应用技术体系,包括底层技术 (分布式计算与存储) 、基础架构 (Hadoop 架构) 、上层应用 (包含数据导入与清洗、数据分析与挖掘、可视化在内的 完整数据处理流程) ,具备完成大数据行业典型常规任务的能力;
(5) 具备利用各种大数据行业工具,对行业海量数据和信息进行分析并处理,实 现智能化的决策和控制的能力;
(6) 具有熟练应用统计与优化方法进行数据分析与建模能力,具备对大数据应用 系统项目设计提供管理决策支持能力;
(7) 掌握一定的信息系统项目管理知识和行业规范、项目设计能力;熟悉信息系统 项目招投标的环节及相应文档的撰写;
(8) 具有技术创新能力,具备较强的工程实践能力和团队协作能力;
(9) 熟悉信息产业的基本方针、政策和法规,了解企业管理的基本知识,具有良 好的质量、环境、职业健康、安全和服务意识,能从事相关的管理与服务工作;
(10) 掌握文献检索、资料查询的基本方法,具备信息获取的能力。
三、 主干学科
主干学科:数学、统计学、软件工程、计算机科学与技术。
四、核心课程与主要实践性教学环节
1.核心课程
Python 基础、数据结构与算法分析、数据库系统原理与应用、Hadoop 大数据技术、海量数据分 布式应用、数据导入与预处理应用、Spark 大数据处理技术、数据可视化技术。
2.主要实践性教学环节
数据库应用开发项目设计、数据结构与算法分析课程设计、Hadoop 部署实践、数据可视化开发 实践、数据预处理实践、生产实习、毕业实习、毕业设计等。
五、毕业标准与学位授予
(一)毕业标准与学位授予
1.毕业标准
修业期满,符合国家和学校相关规定,修读完人才培养计划规定的课程,成绩合格, 获得应修学分。
表 1 应修学分
课程体系 | 课程性质 | 应获得学分 |
通识教育平台课程 | 必修 | 1 |
选修 | 2 | |
学科及专业平台课程 | 必修 | 7 |
选修 | 9 | |
专业课程 | 必修 | 16 |
选修 | 12 | |
集中实践环节 | 必修 | 17 |
选修 | 7 | |
合计 | 71 | |
说明:主要培养大数据分析员、数据库管理员等职业技能。对接大数据工程师、数据库工程师等职业技能等级证书。 |
2.学位授予
修业期满,符合学位授予条件,授予学士学位。
六、具体教学安排
表 2 教学周数分配表
学期 | 课堂教学 周 | 集中实践周 | 期末 考试周 |
其他 |
合计 |
备注 | |||
军训 | 实训实习 | 课程设计 | 企业实践 | ||||||
一 | 14 | 4 | 1 | 1 | 20 | 第一学期其他为机 动周。第二学期第 19 、20 周为企业实 践教学准备周。第 三、四学期为企业 实践教学学期。 | |||
二 | 13 | 4 | 1 | 2 | 20 | ||||
三 | / | 20 | / | 20 | |||||
四 | / | 20 | / | 20 | |||||
总计 | 27 | 0 | 0 | 8 | 40 | 2 | 3 | 80 |
表 3 集中实践教学环节安排表
项目类别 | 课程 性质 |
课程编码 |
课程名称 | 学 分 | 学期 (周数) |
备注 | |||||
一 | 二 | 三 | 四 | ||||||||
校内集中 实践 | 必 修 课 | B0261064 | 数据库应用开发项目设 计 | 1 | 1 | ||||||
U1602010 | Hadoop 部署实践 | 2 | 2 | ||||||||
U1602012 | 数据可视化开发实践 | 2 | 2 | ||||||||
U1602014 | 数据预处理实践 | 2 | 2 | ||||||||
小计 | 7 | 3 | 4 | ||||||||
选 修 课 |
U0203130 | 数据结构与算法分析课 程设计 |
1 |
1 | |||||||
小计 | 1 | 1 | 1 | ||||||||
校内集中实践小计 | 8 | 4 | 4 | ||||||||
企业实践 教学 | 必 修 课 |
企业 教学 |
Q0200038 |
机器学习 |
4 | 校企“双 元”合作 开发课 程 | |||||
企业 实践 | U1300001 | 职业品德教育 | 2 | ||||||||
U1102001 | 毕业实习 | 2 | 8 | ||||||||
U1106001 | 毕业设计 (论文) | 6 | 12 | ||||||||
小计 | 14 | ||||||||||
选 修 课 | 企业 教学 |
U1602039 | 云计算技术及应 用 |
4 | 专业拓 展???/p> 课 | ||||||
企业 实践 | U1101001 | 区域、行业、企业 调研 (3 选 1) | 1 | ||||||||
U1105001 | 生产 (专业) 实习 | 5 | |||||||||
小计 | 10 | ||||||||||
企业实践小计 | 24 | 20 | 20 | ||||||||
合计 | 32 | 20 | 20 | 20 | 20 |
表 4 教学进程表
课程 类别 |
课程 性质 |
课程编码 |
课程名称 | 学 分 |
总学 时 |
学时分配 | 开课学期、课堂教学周数、 周学时 | 期末统考 课程 | 支撑 规格要求 [对应点] |
备注 | |||||
理论 授课 | 实践 教学 | 自主 学习 | 一 | 二 | 三 | 四 | |||||||||
16 | 16 | 14 | 14 | ||||||||||||
通识 教育 平台 课程 | 必修课 | U1300027- 28 | 形势与政策 5-6 | 1 | 16 | 16 | 1 | ???/p> | 9 | ||||||
小计 | 1 | 16 | 16 | 0 | 0 | 1 | 0 | ||||||||
选修课 | 跨学科选修课 | 2 | 32 | 32 | 1 | 1 | 10 | ||||||||
小计 | 2 | 32 | 32 | 0 | 0 | 1 | 1 | ||||||||
通识教育平台课程小计 | 3 | 48 | 48 | 0 | 0 | 2 | 1 | ||||||||
学科 及专 业平 台课 程 | 必修课 | U1604013 | Hadoop 大数据技术 | 4 | 64 | 32 | 32 | 4 | 校考 | 4 | |||||
U1603018 | 数据库系统原理与应用 | 3 | 48 | 24 | 24 | 3 | 4 | ||||||||
小计 | 7 | 112 | 56 | 56 | 0 | 7 | 0 | ||||||||
选修课 | U0203030 | 程序设计基础 | 3 | 48 | 24 | 24 | 3 | 4 | |||||||
U1604003 | Python 基础 | 3 | 48 | 24 | 24 | 3 | 4 | ||||||||
U0204065 | web 开发技术 | 3 | 48 | 24 | 24 | 3 | 4 | ||||||||
U1603042 | 操作系统原理与应用 | 3 | 48 | 32 | 16 | 3 | 4 | ||||||||
U0200088 | 数据结构与算法分析 | 3 | 48 | 24 | 24 | 3 | 4 | ||||||||
U0503069 | SPSS 软件应用 | 3 | 48 | 24 | 24 | 3 | 4 | ||||||||
小计 | 9 | 144 | 72 | 72 | 0 | 9 | 0 | ||||||||
学科及专业平台课程小计 | 16 | 256 | 128 | 128 | 0 | 16 | 0 | ||||||||
专业 课程 |
必修课 | U1604007 | 数据可视化技术 | 4 | 64 | 32 | 32 | 4 | 4 | ||||||
U1604017 | 海量数据分布式应用 | 4 | 64 | 32 | 32 | 4 | ???/p> | 5 | |||||||
U1604008 | 数据导入与预处理应用 | 4 | 64 | 32 | 32 | 4 | 校考 | 4 | |||||||
Q0200038 | 机器学习 | 4 | 64 | 64 | 4 | 6 | 校企“双元” |
课程 类别 |
课程 性质 |
课程编码 |
课程名称 | 学 分 |
总学 时 |
学时分配 | 开课学期、课堂教学周数、 周学时 | 期末统考 课程 | 支撑 规格要求 [对应点] |
备注 | |||||
理论 授课 | 实践 教学 | 自主 学习 | 一 | 二 | 三 | 四 | |||||||||
16 | 16 | 14 | 14 | ||||||||||||
课程 | |||||||||||||||
小计 | 16 | 256 | 96 | 96 | 64 | 4 | 8 | 4 | 0 | ||||||
选修课 |
数据处理模 块 | ||||||||||||||
U1604010 | 商务智能方法与应用 | 4 | 64 | 32 | 32 | 4 | 6 | ||||||||
U1604018 | Spark 大数据处理技术 | 4 | 64 | 32 | 32 | 4 | 5 | ||||||||
数据处理??樾〖?/p> | 8 | 128 | 64 | 64 | 0 | 0 | 8 | 0 | |||||||
智能分析应 用???/p> | |||||||||||||||
U1604016 | 数据挖掘技术与应用 | 4 | 64 | 32 | 32 | 4 | 6 | ||||||||
U1604014 | 网络爬虫技术与应用 | 4 | 64 | 32 | 32 | 4 | 5 | ||||||||
智能分析与应用??樾〖?/p> | 8 | 128 | 64 | 64 | 0 | 0 | 8 | 0 | |||||||
U1604021 | 低代码技术与应用 | 4 | 64 | 64 | 4 | 4 | 企业教学拓 展???/p> | ||||||||
U1602039 | 云计算技术及应用 | 4 | 64 | 64 | 4 | 7 | |||||||||
企业教学拓展模块 | 4 | 64 | 0 | 0 | 64 | 0 | 0 | 4 | |||||||
小计 | 12 | 192 | 64 | 64 | 64 | 0 | 8 | 4 | 0 | ||||||
专业课程小计 | 28 | 448 | 160 | 160 | 128 | 4 | 16 | 8 | 0 | ||||||
课内合计及周学时 | 47 | 752 | 336 | 288 | 128 | ||||||||||
集中 实践 教学 环节 | 校内集中实践 | 8 | 160 | 160 | |||||||||||
企业实践 |
16 |
320 |
320 | ||||||||||||
合计 | 71 | 1232 | 336 | 768 | 128 |