一、专业名称及代码

大数据技术（510205）

二、招生对象、修业年限、学历及教育类型

招生对象：高中阶段教育毕业生或具有同等学历者

修业年限：3年

学历：专科

教育类型：高等职业教育

三、职业面向

大数据技术专业职业面向如表3-1所示。

表3-1大数据技术专业职业面向一览表

所属专业大类（代码）	所属专业类（代码）	对应行业（代码）	主要职业类别（代码）	主要岗位类别（或技术领域）	职业资格证书或技能等级证书举例
电子信息大类（51）	计算机类（5102）	互联网数据服务（6450）	大数据工程技术人员（2-02-10-11）	大数据运维工程师	大数据应用工程师
		信息系统集成服务（6531）		大数据分析师	计算机等级考试二级Python编程
		运行维护服务（6540）		大数据开发工程师	HCNA云计算/大数据认证

四、培养目标与培养规格

（一）培养目标

培养思想政治坚定、德技并修、全面发展，适应时代发展对大数据技术人才的需要，具有良好的人文素养、职业道德、创新意识和精益求精的工匠精神，掌握大数据系统运维、大数据采集与处理、大数据分析、数据可视化等知识和技术技能，面向大数据应用领域的高素质劳动者和技术技能人才。

（二）培养规格。

1.素质

具有正确的世界观、人生观、价值观。坚定拥护中国共产党的领导和我国社会主义制度，在习近平新时代中国特色社会主义思想指引下，践行社会主义核心价值观，具有深厚的爱国情感和中华民族自豪感；崇尚宪法、遵法守纪、崇德向善、诚实守信、尊重生命、热爱劳动，履行道德准则和行为规范，具有社会责任感和社会参与意识；

具有良好的职业道德和职业素养。具有质量意识、环保意识、安全意识、信息素养、工匠精神、创新思维、全球视野；勇于奋斗、乐观向上，具有自我管理能力、职业生涯规划的意识，有较强的集体意识和团队合作精神；

具有良好的身心素质和人文素养。具有健康的体魄、心理和健全的人格，掌握基本运动知识和一两项运动技能，养成良好的健身与卫生习惯，良好的行为习惯；具有一定的审美和人文素养，能够形成一两项艺术特长或爱好。

2.知识

1. 计算机及网络系统的维护和管理的知识；

2. 云计算与大数据环境的配置与运维的知识；

3. 中小型数据库的安装、配置、维护、管理的知识；

4. 数据采集、清洗、分析、存储各阶段的系统配置和程序开发技术；

5. WEB系统开发、数据可视化WEB图表知识；

6. 网站前台界面设计与与制作以及模板设计与开发；

7. 具有技术推广和用户支持所需要的市场营销和人际交往知识。

   3.能力

   具备良好的表达能力，实操解决问题的能力；逐渐培养逻辑思考推理能力，信息加工处理应用能力；具备自主学习能力和终身学习的意识。并在专业技术方面具备一下能力：

8. 具有计算机及网络操作与应用能力；

9. 具有大数据操作与应用能力；

10. 具有一定的中小型大数据项目运维及管理能力；

11. 具有一定的数据分析及故障排错检测的能力；

12. 具有一定的中小型大数据项目预、决算能力；

13. 具有一定的大数据项目招标、投标、签订合同的能力；

14. 具有编写大数据相关技术文档和管理相关技术文档的能力；

15. 具有一定的Hadoop 技术框架操作以及程序设计能力；

16. 能够对数据进行常规的统计分析、报表分析能力;

    五、课程设置及要求

    （一）建设思路

    1.岗位→能力→课程

    表5-1大数据技术专业“岗位→任务→能力→课程”表

2.理论与实践教学一体化

（1）基础知识培养系统

（2）实践动手能力培养系统

3.双证书课程（1+X证书）

（二）课程设置

大数据技术专业课程设置如表5-2所示。

表5-2大数据技术专业课程设置一览表

（三）专业核心课程目标及内容简介

1．大型数据库系统开发（B类课程）

课程目标：通过本课程的学习，使学生可以使用Java程序来控制数据库，从而进行自动化操作；使学生建立起项目开发意识，了解系统开发流程，并初步尝试开发出以数据库为中心的项目系统，为以后的Web程序开发等课程奠定基础。

内容简介：使用程序完成增删改等修改操作；使用程序完成查询操作；Util连接工具类的创建与使用；DAO接口和类的创建与使用；业务层的提取与相关类的创建；三层架构模型讲解。

2．Web程序开发（B类课程）

课程目标：该课程以Servlet/JSP为技术主体，结合前端的Ajax技术，讲解Web整体访问与响应流程，让学掌握Web技术的基础应用层实现原理。通过本课程的学习，学生能够独立完成服务器的搭建；能够在IDE中独立搭建WEB工程；能够通过Servlet来实现自身的业务逻辑，通过JSP实现页面效果；理解MVC开发模型

内容简介：第一阶段主要包括的内容有：WEB应用的理解、WEB请求与相应过程、Tomcat服务器配置、部署Tomcat实现静态页面访问；第二阶段主要包括的内容有：Servlet访问与生命周期、ServletAPI关键接口与类、JSP编写语法、请求与响应流程详解、文件上传与下载、cookie与session、过滤与监听、Ajax请求详解、JSON数据格式等。

1. Java课程设计（B类课程）

   课程目标：本课程是一门课程设计类课程，综合使用之前学过的Java知识、数据库知识、Web知识，并结合本课程中扩展的Java泛型、反射、注解等高级特性，设计出一个以Java编程语言为基础的项目成果，主要目的为提升学生对知识的综合运用能力，探索提高项目开发效率的方法，为后续框架和工程实践课程的学习奠定基础。

   内容简介：对泛型问题的引入、讨论和实现，对反射问题的引入、讨论和实现，了解Java中注解的使用，了解课程设计项目的设计与实现过程，综合使用学过的内容，设计并实现一个完整的健壮的高效的java项目。

2. 大数据分析与处理技术（B类课程）

   课程目标：本课程带领完成学生批量数据的收集，并完成基于应用层面的处理和分析任务。在这个过程中让学生学会相关的数据挖掘语言和框架技术，入门并感受大数据技术的应用场景和技术魅力，建立职业基础认知，培养学生对该专业方向的兴趣。

   内容简介：对比Java语言了解Python语言的基础语法；使用Python库进行基础数据采集和分析；了解安装Hive组件，讲解基础语法；利用Hive构建数据仓库；Hive收集、计算、简化和保存海量数据；了解Sqoop，用Sqoop做数据迁移等内容。

3. 大数据分布式系统框架技术（B类课程）

   课程目标：通过本课程的学习，让学生学会利用Hadoop等的框架技术开发分布式程序，利用集群的威力进行高速运算和存储。并在此基础上系统学习HDFS、MapReduce、YARN等组件技术，来进行数据计算、大规模数据的处理、集群的创建管理等。

   内容简介：Hadoop集群的搭建与配置，集群操作，MapReduce基础入门，MapReduce编程进阶，NoSQL数据库的理解，HBASE、Mongodb数据库的安装与使用，分布式文件系统HDFS，YARN模型等内容。

   （四）集中性实践环节简介

   本专业设置集中性实践环节共1个，简介如下：

   1．大数据项目工程实践

   课程目标：本课程为企业项目实践课程，大二下学期（5月份前后）到北京甲骨文实训基地统一完成该实践课程。该课程会在之前基础课程和基础项目的基础上学习企业大数据相关岗位中最新的，最高效的，应用最广泛的项目开发技术。通过本实践课程的学习，不仅大幅度提高学生们的实操熟练度，而且通过各种技术框架的学习，提升学生完成企业真实项目的能力，从而其实学生的就业能力和就业薪资，保障同学们顺利迈向工作岗位。

   内容简介：数据挖掘与收集技术，例如Python、Scale等基础语言；数据存储层技术，Hbase、Hive、sqoop等技术组件进行海量数据的结构化以及非结合化存储；数据的实时计算，Mahout、Spark等技术框架的使用，对不同应用场景构建计算引擎实现批处理（高吞吐量）、交互式处理、实时处理（低延迟）等；大数据工程的架构设计，例如Flume，Zookeeper等，实现leader选举、服务命名、分布式队列、分布式锁、发布订阅等；数据可视化，运用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行交互。

   （五）教学活动时间分配表

   教学活动时间分配表（单位：周）

（六）教学进程总体安排

1.大数据技术专业教学进程总体安排表如表5-3所示。

表5-3教学进程总体安排表

备注：

1. 课程类型：A表示纯理论课；B表示理论+实践课；C表示纯实践课。

2. ※表示线上课程。

   2.大数据技术专业实践教学环节安排如表5-4所示。

   表5-4专业实践教学环节安排表

根据以上学时统计，实践课占课时总数的55% ，生产性实训占实训教学总学时的50%以上。

3.课程时数和教学环节的比例如表5-5所示。

表5-5课程时数和教学环节的比例

六、实施保障

（一）师资队伍

专职教师4名，计算机软件相关专业本科及以上学历；具有高校教师资格、高级软件工程师认证、Oracle高级讲师认证；有理想信念、有道德情操、有扎实学识、有仁爱之心；具有扎实的本专业相关理论功底和实践能力；具有较强的信息化教学能力，能够开展课程教学改革和科学研究；每5年累计不少于6个月的企业实践经历。

校企合作外派兼职教师4名，具备5年以上一线开发经验及3年以上高职院校教学经验；具备良好的思想政治素质、职业道德和工匠精神，具有高级软件工程师及相应技术认证。

（二）教学设施

主要包括能够满足正常的课程教学、实习实训所需的专业教室、实训室和实训基地。

1．校内一体化授课机房

授课机房为专业课上课和实操训练一体化机房，供日常上课和上级实操使用。基本保证每人一台专用电脑，并已安装必备的开发软件；配备黑（白）板、多媒体计算机、投影设备、音响设备，局域网畅通，并具有网络安全防护措施。安装应急消防设备装置并保持良好状态，符合紧急疏散要求、标志明显、保持逃生通道畅通无阻。完全可以满足专业建设、教学管理、信息化教学和学生自主学习需要。

2．校外实训基地

具有稳定的校外实训基地。能够提供开展大数据技术专业相关实训活动，实训设施齐备，实训岗位、实训指导教师确定，实训管理及实施的规章制度齐全。

（三）教学资源

主要包括能够满足学生专业学习、教师专业教学研究和教学实施需要的教材、图书及数字化资源等。

1．教材选用基本要求

按照国家规定选用优质教材，禁止不合格的教材进入课堂。学校应建立由专业教师、行业专家和教研人员等参与的教材选用机构，完善教材选用制度，经过规范程序择优选用教材。

2．图书文献配备基本要求

图书文献配备能满足人才培养、专业建设、教科研等工作的需要，方便师生查询、借阅。专业类图书文献主要包括：行业政策法规资料，有关大数据开发与应用的技术、标准、方法、操作规范以及实务案例类图书等。

3．数字教学资源配置基本要求

建设、配备与本专业有关的音视频素材、教学课件等专业教学资源库，种类丰富、形式多样、使用便捷、动态更新、满足教学。

（四）教学方法

本专业采取理实一体化教学模式，采用案例教学、项目教学等方法，坚持学中做、做中学；采用分组教学，分层次教学，并结合实际学情来因材施教，增加基础课时和实操课时，关键点可以反复讲解和训练，确保学生学得会写得出，达成预期教学目标。

（五）学习评价

多元化的学习评价方式，兼顾认知、技能、情感等，包括但不限于考试、考察、模拟面视、项目实操、技能大赛、日常测试、课堂表现、考勤、师生互评等。

1. 期末考试，每学期末会进行期末卷面考试

2. 平时表现，日常考勤、课后作业、课堂表现作为打分依据

3. 模拟面视，考察学生表达能力和对知识的理解能力（实习实践环节）

4. 项目实操，考察学生动手能力和熟练度

5. 技能大赛，考察学生的创新能力、自主学习能力和应用能力

   （六）质量管理

6. 应建立专业建设和教学质量诊断与改进机制，健全专业教学质量监控管理制度，完善课堂教学、教学评价、实习实训、毕业设计以及专业调研、人才培养方案更新、资源建设等方面质量标准建设，通过教学实施、过程监控、质量评价和持续改进，达成人才培养规格。

7. 应完善教学管理机制，加强日常教学组织运行与管理，定期开展课程建设水平和教学质量诊断与改进，建立健全巡课、听课、评教、评学等制度，建立与企业联动的实践教学环节督导制度，严明教学纪律，强化教学组织功能，定期开展公开课、示范课等教研活动。

8. 应建立毕业生跟踪反馈机制及社会评价机制，并对生源情况、在校生学业水平、毕业生就业情况等进行分析，定期评价人才培养质量和培养目标达成情况。

9. 专业教研组织应充分利用评价分析结果有效改进专业教学，持续提高人才培养质量。

   七、毕业要求

   学生在学校规定学习年限内，修完本专业人才培养方案规定课程，成绩合格，达到学校毕业的学分要求，准予毕业，并在学生离校前发给毕业证书。具体要求如下：

   （1）最低毕业总学分为 156 学分，其中必修课154学分，选修课2学分。

   （2）需完成集中性项目实践环节，达到合格

   （3）需完成顶岗实习环境环节，达到合格

   八、继续专业学习和深造建议

   本专业学生毕业后可以通过如下方式进行继续学习接受更高层次教育：

10. 专升本考取本科学历，进行更深程度的理论学习

11. 考取成人本科学历，利用课余时间边工作边学习

12. 中国大学MOOC慕课在线课堂，充分利用可以时间提升自身技能

13. 报名适合自己的培训课程，提升综合能力素质

    九、专业建设委员会

    专业建设委员会成员（方案制订人员）组成如下表。

    专业建设委员会成员一览表

十、专业人才培养方案变更审批表

8797威尼斯老品牌专业人才培养方案编制审批表

专业名称（代码）	大数据技术（510205）		学制	3年
专业负责人	陈震	主要参与人	杨薇、马艺搏、孙永飞、单喜伟
专业定位与特色： 大数据被誉为“21世纪的新石油”，2017年，习近平总书记部署实施国家大数据战略加快建设数字中国。本专业就是在此背景下设立的面向大数据时代巨大人才需求，以产业需求为导向，以行业背景为依托，注重学生实践能力、创新能力的培养，旨在培养社会亟需的具备大数据处理及分析能力的技术人才。
培养目标与规格： 培养思想政治坚定、德技并修、全面发展，适应时代发展对大数据技术人才的需要，具有良好的人文素养、职业道德、创新意识和精益求精的工匠精神，掌握大数据系统运维、大数据采集与处理、大数据分析、数据可视化等知识和技术技能，面向大数据应用领域的高素质劳动者和技术技能人才。
基本要素（说明专业核心能力、主要职业工种(岗位)、主干学习领域课程、知识传授与能力训练课学时分配及比例等）： 具备数据挖掘和分析能力、数据管理和展现能力、软件编程开发能力等专业核心能力，主要就业岗位为大数据开发工程师、大数据分析师、软件开发工程师等。 专业课程学习分为基础编程课程、大数据专业课程两个阶段，包括Java面向对象编程、大数据分布式系统框架技术、大型数据库系统开发、大数据分析与处理技术等多门课程。 课时分配由理论学习和技能实操两部分组成，其中实操学习占比55%。
培养方案制定的主要过程： 1）研读近年来国家各位部委发布的有关高职教育教学的相关指导文件 2）院部召开全体教工会，研讨方案的制定思路和步骤 3）邀请企业专家，共同商讨方案的制定，主要研究专业课程体系，技术趋势等 4）走访IT软件企业，详细了解企业人才需求，对口就业岗位，岗位要求等 5）结合优秀毕业生回访结果，听取学生在就业中遇到的问题和困难 6）综合以上企业专家、一线教师等的意见，结合实际学情，按照学校要求制定人才培养方案初稿。 7）多次进行完善修订，形成终稿。
院部审核意见： 院部审核修订完成，提交学校统一审核。 教学院部院长（主任）签字：陈震2021年7月31日
教务处审查意见： 签字： 年 月 日
主管校领导审批意见： 签字： 年 月 日