2024级大数据技术专业人才培养方案
(专业代码:510205)
一、招生对象与学制
招生对象:高中毕业生/中职毕业生
学制:全日制三年
二、职业面向
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 |
电子与信息大类(51) |
计算机类(5102) |
互联网和相关服务行业(64)、软件和信息技术服务业(65) |
大数据工程技术人员(2-02-10-11)、数据分析处理工程技术人员 (2-02-30-09)、信息系统运行维护工程技术人员(2-02-10-08)
|
大数据实施与运维、数据采集与处理、大数据分析与可视化、大数据平台管理、大数据技术服务、大数据产品运营 |
计算机技术与软件专业技术资格、大数据分析与应用、大数据应用开发(Python)、大数据工程化处理与应用或本专业其他相当的职业技能等级证书 |
A |
B |
C |
D |
E |
F |
三、培养目标
本专业培养德智体美劳全面发展,掌握扎实的科学文化基础和数据库基本原理、程序设计、操作系统原理、计算机网络、云计算等知识及相关法律法规等知识,具备大数据项目方案设计及实施能力,具有工匠精神和信息素养,能够从事大数据实施与运维、数据采集与处理、大数据分析与可视化、大数据平台管理、大数据技术服务与产品运营等工作的高素质技术技能人才。
四、培养规格
本专业毕业生应在素质、知识和能力等方面达到以下要求。
(一)素质
1.思想政治素质:热爱社会主义祖国,热爱中国共产党,能够准确理解和把握社会主义核心价值观的深刻内涵和实践要求,具有正确的世界观、人生观、价值观。深入学习领会习近平总书记重要讲话精神,深刻领悟“两个确立”的决定性意义,增强“四个意识”、坚定“四个自信”,躬身践行“两个维护”,自觉在思想上政治上行动上同以习近平同志为核心的党中央保持高度一致,坚定不移推进中华民族伟大复兴历史进程,更好把学习成果转化为奋进新征程、建功新时代的实际行动。
2.人文素质:具有一定的审美和人文素养,能够形成自身的艺术特长或爱好。勇于奋斗、乐观向上,能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。
3.职业素质:具有职业道德、工匠精神、信息素养、质量意识、安全意识、环保意识、创新思维、全球视野和市场洞察力。
4.身心素质:具有健康的体魄、心理和健全的人格,掌握基本运动知识和运动技能,养成良好的健身与卫生习惯,以及良好的行为习惯。能够达到国家学生体质健康标准测试合格要求标准。
5.创新素质:能够打破常规、突破传统,具有敏锐的洞察力、直觉力、丰富的想象力、预测力。
(二)知识
1.文化基础知识:掌握必备的思想政治理论、科学文化基础知识和中华优秀传统文化知识。
2.计算机基础知识:掌握计算机软硬件、程序设计、网络技术、数据库等基础知识,以及职业规划和职业道德规范相关知识。
3.专业基础知识:掌握大数据基本概念、Python、科学计算、数据可视化等专业基础知识。
4.专业核心知识:掌握大数据技术基础知识与基本技能,能够熟练进行大数据平台搭建与运维、大数据采集、清洗、标注以及数据管理,会利用数据的可视化;掌握实用的数据分析工具、以及大数据应用开发的相关软件进行初步的数据计算与分析;
5.行业应用知识:掌握大数据典型行业应用,熟悉大数据在智能制造(工业互联网技术)、智能交通、智慧物流等领域的行业应用知识。
(三)能力
1.非专业能力:具有探究学习、终身学习、分析问题和解决问题的能力,具有良好的语言、文字表达能力和沟通能力,具有团队合作与抗压能力。
2.专业能力:
(1)具有信息技术综合应用能力,具有运用计算思维描述问题的能力;
(2)具有数据采集、抽取、清洗、转换与加载等数据预处理能力;
(3)具有安装部署与使用数据分析工具,运用大数据分析平台完成大数据分析任务的能力;
(4)具有数据可视化设计,开发应用程序进行数据可视化展示,以及撰写数据可视化结果分析报告的能力;
(5)具有大数据平台搭建部署与基本使用能力,以及大数据集群运维能力,大数据平台管理、大数据技术服务、大数据产品运营等应用能力;
(6)具有大数据跨界融合的行业应用能力。
五、毕业资格与要求
(一)毕业学分要求
“通识教育课程+专业基础课程+专业课程”学分≥134;“职业拓展课程”学分≥18;总学分≥152。专业必修课程学分必须全部获得。未受过处分或者处分已撤销。
(二)计算机能力要求
获得全国计算机一级证书或其他同等级计算机证书。
(三)语言能力要求
《高职英语(一)》《高职英语(二)》成绩合格。
(四)职业资格证书要求
获得计算机技术与软件专业技术资格、大数据分析与应用、大数据应用开发(Python)、云计算运维与开发职业技能证书、大数据工程化处理与应用或本专业其他相当的职业技能等级证书。
符合以下条件之一可免职业资格证书要求:
1.获得全国职业院校技能大赛或世界技能大赛全国选拔赛三等以上奖项;
2.获得江苏省职业院校技能大赛或世界技能大赛江苏省选拔赛二等以上奖项;
3. 获得专利、软件著作权排名前3(含指导老师的去除指导老师的排名)。
(五)体质健康测试要求
学生体质健康测试须达标。因病或残疾不能参加全部或部分项目测试,可向学校提交免予执行《学生体质健康标准》的申请,学校审批后方可免予执行。
六、课程设置及学时安排
(一)课程体系架构
1.通识教育课程设置及安排
强化基础素质,围绕人的可持续发展、全面发展设置通识教育课程模块。包括入学教育与军训、军事理论、思想道德与法治、毛泽东思想和中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想概论、思想政治理论课实践课、形势与政策、四史教育、高等数学、信息技术基础、信息技术基础考证强化训练、新一代信息技术导论、高职英语、体育、大学生心理健康教育、公共艺术课、大学生职业生涯规划与就业指导、创新创业教育、劳动教育等方面的课程、国家安全教育或专题讲座。合计47.5学分。
劳动教育(一):由后勤处负责基础劳动教育课程的组织与实施,在各职能部门及二级学院配合下,落实基础劳动教育课程岗位,确定各岗位指导教师,分组安排学生到相应岗位,进行岗前安全教育培训,应急突发事件处置等,提供相应的劳动工具和劳动用品;学工处指导二级学院落实辅导员、班主任对劳动教育课程的理论教学和管理工作,做好基础劳动教育相关考核、成绩录入、归档等工作。
劳动教育(二):由物联网工程学院负责组织与实施,在第四学期进行,弘扬劳动精神、劳模精神,教育引导学生崇尚劳动、尊重劳动。
2.专业基础课程设置及安排
物联网应用技术专业群按照“底层基础+中层模块+高层方向”,围绕工业互联网关键技术和岗位群的项目贯通、书证融通专业群课程体系。根据专业群对技术技能人才所必备的共同基础知识和基本技能要求,设置《职业素养》、《工业互联网基础》、《程序设计基础(Python)》、《计算机网络基础》、《数据库程序设计(MySQL)》、《Java程序设计》、《IT职业英语》等职业基础平台课程,合计20学分。
3.专业课程设置及安排
根据专业核心岗位能力要求设置专业核心课程模块,设置《Python应用开发》、《Java Web程序设计》、《Hadoop大数据平台架构与实践》、《数据处理与分析》、《数据仓库技术与应用》、《大数据可视化技术》等专业核心课程,设置《职业资格考证培训》、《工业大数据综合应用实训》课程,提供大数据典型行业应用专业拓展模块供学生选择,培养学生跨界融合的行业应用能力,合计68学分。
4.职业拓展课程设置及安排
学校统筹开设关于国家安全教育、节能减排、绿色环保、金融知识、社会责任等人文素养、科学素养方面的选修课程、拓展课程、专题讲座(活动);组织开展劳动实践、创新创业实践、志愿服务及其他社会公益活动,包括拓展专业选修模块、其他选修项目、综合素质教育、创新创业项目实践、竞赛活动、社会实践活动等,合计大于等于18个学分。
(二)专业核心课程信息表
序号 |
课程名称 |
课程 类型 |
基准 学分 |
基准学时 |
职业能力培养 |
主要知识与技能点 |
1 |
Hadoop大数据平台架构与实践 |
B |
4 |
64 |
1.根据系统部署方案, 安装集群环境、硬件环境、虚拟化环境所需的各类系统。 2.根据软件部署方案安装各类大数据功能组件。 3.根据节点连接信息配置大数据集群、根据集群功能对组件进行启动调试。 4.使用工具对大数据集群的各类组件、服务的运行状态进行监控管理。 |
1.熟悉 Hadoop体系架构和生态圈组件功能。 2.掌握 Hadoop的安装部署与操作方法。 3.掌握 HDFS文件系统的原理及应用方法。 4.掌握 MapReduce原理与应用方法。 5.掌握 Hadoop生态圈主流组件的搭建与操作方法。 6.掌握 Hadoop集群的管理和运行监控方法 |
2 |
Python应用开发 |
B |
4 |
64 |
1.熟练使用Matplotlib库。 2. 进行数据的清洗、转换和整合,进行统计分析和建模。 3. 运用Python的网络爬虫技术,编写程序实现数据的自动爬取和解析。 4.调试程序的能力。 5.数据分析处理的能力、团队协作的能力 |
1. Python计算生态中最优秀的网络数据爬取和解析技术。 2. 掌握Python第三方库Requests、Beautiful Soup和Scrapy的使用 3. 掌握Python计算生态中最优秀的数据分析和展示技术,包括NumPy、Matplotlib和Pandas等库的基本概念和使用方法。 |
3 |
Java Web程序设计 |
B |
4 |
64 |
1.阅读技术资料、阅读程序、设计程序逻辑框图 2、熟练操作开发工具 3、按项目书要求完成既定目标的程序代码的编写 4、调试程序和排错能力、编程规范和代码版本控制能力 |
1.搭建JSP程序开发环境、创建动态网页 2.应用内置对象实现服务器和客户端的信息传递 3.JDBC数据库访问技术的应用 4.应用MVC模式优化JSP程序 |
4 |
数据处理与分析 |
B |
4 |
64 |
1.结合业务场景使用工具对数据集进行概要、描述性统计分析。 2.在描述结果基础上,对数据进行特征和规律的分析与推测、编写批量、实时数据计算作业。 4.根据数据特征计算数据标签并进行汇总、计算关键业务指标。 |
1.Spark的设计与运行原理。 2.Spark环境搭建和使用方法。 3.Scala编程基础。 4.RDD编程。 5.Spark SQL。 6.Spark Streaming。 |
5 |
数据仓库技术与应用 |
B |
4 |
64 |
1.具备Hive的集群安装、卸载、环境调试的能力 2.具备DDL和DML操作能力,熟练操作数据库 3.具备数据查询以及函数使用的能力,能够熟练过滤数据 4.能够深入理解Hive内部机制 |
1.Hive的体系结构和执行流程、安装与配置 2.Hive元数据配置 3.Hive数据类型,运算符、数据仓库的创建与查询、数据仓库的修改,删除方法、表的创建,修改与删除方法 4.HQL查询、Hive函数的使用方法、Hive优化 |
6 |
大数据可视化技术 |
B |
4 |
64 |
1.选择关键指标抽取数据并进行图表展示。 2.使用可视化组件库进行可视化页面 开发并配置交互模式。 3.根据产品反馈对可视化页面及图表 进行调整和美化。 4.根据业务需求及分析结果,制定数 据展示方案。 5. 对数据可视化结果进行业务分析并 输出分析报告。 |
1.熟悉数据可视化的概念、目标、特征和流程等基础知识。 2.了解可视化图表类型介绍,文本可视化和网络可视化区别。 3.熟练掌握主流数据可视化工具的使用。 熟练掌握数据可视化设计方法。 4.掌握可视化组件库开发应用技术。 5.具备数据可视化结果分析报告 撰写技能。 |
(三)专业课程思政矩阵图
序号 |
课程类别 |
课程名称 |
支撑思政点 |
遵纪 守法 |
家国情怀 |
思想品德 |
职业 操守 |
工匠精神 |
理想信念 |
创新精神 |
文化 自信 |
人文素养 |
社会 责任 |
人生价值观 |
吃苦 耐劳 |
团结 协作 |
环保 意识 |
可持续发展 |
终 身 学 习 |
备注 |
1 |
专业基础课 |
职业素养 |
H |
H |
H |
H |
M |
H |
M |
H |
M |
H |
H |
H |
M |
M |
M |
H |
|
2 |
专业基础课 |
工业互联网基础 |
|
H |
|
M |
H |
|
M |
H |
H |
M |
|
|
M |
M |
M |
M |
|
3 |
专业基础课 |
计算机网络基础 |
|
H |
|
M |
H |
|
M |
|
|
|
|
|
M |
|
M |
M |
|
4 |
专业基础课 |
程序设计基础(Python) |
|
H |
|
M |
H |
|
M |
M |
H |
|
|
|
M |
|
M |
M |
|
5 |
专业基础课 |
Java程序设计 |
|
H |
|
M |
H |
|
M |
|
|
|
|
|
M |
|
M |
M |
|
6 |
专业基础课 |
数据库程序设计(MySQL) |
|
M |
|
M |
|
|
L |
M |
H |
|
|
|
|
|
M |
H |
|
7 |
专业基础课 |
IT职业英语 |
|
H |
|
M |
M |
L |
|
H |
M |
|
|
H |
|
M |
M |
H |
|
8 |
专业课 |
Linux应用与开发 |
|
H |
H |
M |
M |
|
|
M |
H |
H |
|
H |
H |
M |
M |
H |
|
9 |
专业核心课 |
Python应用开发 |
|
H |
H |
M |
M |
M |
M |
H |
H |
H |
|
H |
H |
M |
M |
H |
|
10 |
专业核心课 |
Java Web程序设计 |
|
H |
M |
L |
L |
H |
H |
H |
M |
|
|
H |
M |
L |
L |
H |
|
11 |
专业核心课 |
Hadoop大数据平台架构与实践 |
|
|
M |
H |
M |
H |
H |
H |
|
H |
|
|
M |
H |
M |
H |
|
12 |
专业核心课 |
数据处理与分析 |
|
|
M |
H |
M |
H |
H |
H |
|
H |
|
|
M |
H |
M |
H |
|
13 |
专业核心课 |
数据仓库技术与应用 |
|
|
M |
H |
M |
H |
H |
H |
|
H |
|
|
M |
H |
M |
H |
|
14 |
专业核心课 |
大数据可视化技术 |
H |
|
|
M |
M |
|
|
H |
|
|
H |
|
|
M |
M |
H |
|
15 |
专业课 |
Java Web项目开发实训 |
|
H |
|
H |
H |
M |
H |
|
|
M |
|
M |
H |
L |
M |
H |
|
16 |
专业课 |
职业资格考证培训 |
|
H |
|
H |
H |
M |
H |
|
|
M |
|
M |
H |
L |
M |
H |
|
17 |
专业课 |
工业大数据综合应用实训 |
H |
H |
H |
H |
H |
H |
H |
M |
H |
M |
M |
H |
H |
M |
H |
H |
|
18 |
专业课 |
毕业设计 |
H |
H |
H |
H |
H |
H |
H |
M |
H |
M |
M |
H |
H |
M |
H |
H |
|
七、教学基本条件
(一)师资队伍
专任教师结构优化,梯队合理。专业带头人具有高级职称,骨干教师具备扎实的专业知识和技能,双师型教师占专业课教师的比例不低于90%,学生数与专任教师数比例不高于25:1。注重专兼结合的教学团队建设,吸纳具有丰富实践经验的企业工程师、技术专家形成专兼结合的混编教学团队。团队教师应具有较强的工程实践能力和信息化教学能力,积极发挥育人功能,在教学过程中注重培养学生的“工匠精神”,不断提升专业竞争力。
(二)教学设施
以江苏省产教深度融合实训平台-物联网融合创新实训平台和智能物联网(AIoT)产教融合集成平台为人工智能技术服务专业学生的核心实训平台。根据人工智能行业发展和职业岗位工作的需要,与世界500强企业华为、华云等行业领军企业深度合作,拓展学生校外实习、实训、就业平台,全面提升学生实践性学习和综合职业素质养成平台。
以人工智能工作室作为个性化拓展平台,通过创新项目训练、参与企业横向项目开发、参加职业技能竞赛和创新创业大赛等方式培养学生创新意识和创新能力。
(三)教学资源
学校提供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、图书及数字资源等。
选用优秀的高职高专规划教材和校企合作共同编制的特色教材,优先从国家和省两级规划教材目录中选用教材,结合各级在线开放课程教学资源,形成“立体化”的教学支撑体系。适应“互联网+职业教育”新要求,全面提升教师信息技术应用能力,推动大数据、人工智能、虚拟现实等现代信息技术在教育教学中的广泛应用,积极推动教师角色的转变和教育理念、教学观念、教学内容、教学方法以及教学评价等方面的改革。加快建设智能化教学支持环境,建设能够满足多样化需求的课程资源,创新服务供给模式,服务学生终身学习。
(四)教学方法
建设符合项目式、模块化教学需要的教学创新团队,不断优化教师能力结构。健全教材选用制度,选用体现新技术、新工艺、新规范等的高质量教材,引入典型生产案例。总结推广现代学徒制试点经验,普及项目教学、案例教学、情境教学、模块化教学等教学方式,广泛运用启发式、探究式、讨论式、参与式等教学方法,推广翻转课堂、混合式教学、理实一体教学等新型教学模式,推动课堂教学革命。加强课堂教学管理,规范教学秩序,打造优质课堂。
(五)教学改革评价
严格落实培养目标和培养规格要求,加大过程考核、实践技能考核成绩在课程总成绩中的比重。严格考试纪律,健全多元化考核评价体系,完善学生学习过程监测、评价与反馈机制,引导学生自我管理、主动学习,提高学习效率。强化实习、实训、毕业设计(论文)等实践性教学环节的全过程管理与考核评价。
教学评价应实行多元考核评价,注重能力评价、过程评价。改变评价主体单一的现状,引入多方评价主体,包括企业、学生、校友、其他第三方;改变一张考卷的传统评价方式,增加能力过关、演讲、岗位绩效考核等方式,鼓励学生参与技能竞赛、职业资格技能鉴定,建立学分银行,用混合式多元评价调动学生积极性,利用社会资源,完成对学生能力的多维度评价。
(六)质量保障
学校构建覆盖全员、全过程、全方位的质量保障体系。完善质量保障制度设计,建立过程与结果相结合、共性与个性相结合、定性与定量相结合的教学质量评价制度。优化质量保障工作流程,扎实开展常规检查与专项检查活动,协调各部门提高信息反馈时效。提升教师质量主体意识,结合教学诊断与改进工作为提升人才培养质量提供有力保障。
八、制订与实施说明
(一)制订说明
1. 依据江苏省、无锡市新一代信息技术产业发展对高职人工智能技术服务人才的需求,与产业链相关企业共同制订由基本素质培养、基本技能积累、职业能力形成、职业岗位训练等构成的人工智能融合创新人才培养方案。
2.学分学时设定及占比
教学计划总学分为153.5学分,总学时2576课时;其中通识教育课程的学分为47.5学分,占比为30.94%;专业基础课程及专业课程学分为88学分,占比为57.32%;选修课学分为18学分,占比为11.72%。实践性教学课程课时为1836课时,占比72.27%。符合教育部有关制订人才培养方案的指导意见。
(二)其他
本方案由专业带头人、专业负责人、教研室主任、专业骨干教师、“政、行、企、园”专家等组成的编制团队共商并完成。