一、 专业名称（专业代码）
大数据技术与应用（6102015）
二、 入学要求
普通高级中学毕业、中等职业学校毕业或具有同等学历
三、 基本修业年限
三年
四、 职业面向
本专业职业面向如表1所示：
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） |
主要岗位群或技术领域举例 |
电子信息大类（61） |
计算机类（6102） |
互联网和相关服务（64） 软件和信息技术服务业（65） |
大数据系统架构 |
大数据系统管理员、大数据软件工程师、软件设计师、系统分析师、系统架构设计师等 |
五、 培养目标
大数据技术与应用是顺应打造国家新型战略性新兴产业，通过校企合作、工学结合的人才培养模式，面向企业生产、管理与服务第一线，培养德、智、体、美等方面全面发展，具有良好的职业道德和创新精神，具有必备的科学文化基础知识，掌握大数据应用开发和大数据分析等基本理论和基本知识，具备大数据分布式程序开发、大数据集成平台的应用与开发、海量数据分布式编程、基于大数据平台的程序开发等大数据应用开发，大数据分析、数据可视化、大数据挖掘等大数据分析的专业技术应用能力，能胜任各类信息化企、事业单位及互联网企业信息采集、传输、存储、分析等岗位工作，具有可持续发展能力的高素质技术技能人才。
六、 培养规格
本专业学生在素质、知识和技能方面需达到以下要求：
（一）素质要求
1．基本态度：热爱祖国，树立正确的世界观和人生观，努力学习马列主义、毛泽东思想、邓小平理论和“三个代表”重要思想，坚持可持续发展，受到初步的国防教育和军事训练，遵纪守法、具有良好的思想道德素质和良好的与人沟通能力和团队合作精神；
2．职业态度：养成诚信、敬业、科学、严谨的工作态度和较强的安全、质量、效率及环保意识，具有良好的职业道德素质。
3. 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。
（二）知识要求
1．掌握计算机应用基础、大学英语、思想道德修养与法律、高等数学、贵州省情等文化基础知识；
2．掌握为达到本专业培养目标所必须的技术知识，包括基本的开发语言，开发工具，主流的大数据技术，大数据的技术构架、技术原理等。
（三）技能要求
1．具有网络基础架构的规划、建设能力；
2．具有大数据平台的搭建、管理与维护能力；
3．具有大数据应用类软件开发、测试与部署能力；
4．具有服务器配置与安全管理能力；
5．具有计算机文档处理的能力；
6．具备提供专业移动互联网应用整体解决方案能力；
7． 借助英语字典，能看懂相关的信息技术英文参考文献。
七、 课程设置及学时要求
（一） 课程设置
本专业的课程主要包括公共基础课程和专业课程。
1. 公共基础课
根据党和国家有关文件规定，将思想道德修养与法律基础、贵州省情、体育与健康、形势与政策、毛泽东思想和中国特色社会主义理论体系概论、计算机应用基础、大学英语、就业指导与企业文化、大学生心理健康教育、军事理论、应用文写作、劳动教育、创新创业教育、贵州大数据等列入必修课或选修课。
2. 专业课程
专业课程一般包括专业基础课程、专业核心课程、专业拓展课程，并涵盖有教学环节。学校可自主确定课程名称，但应包括以下主要教学内容：
（1）专业基础课程
专业基础程一般设置 ，包括：JAVA语言程序设计、高等数学、C语言程序设计、Python程序设计、计算机网络基础、数据库技术等
（2）专业核心课程
专业核心课程一般设置为 ，包括：大数据技术原理与应用、Linux系统管理与配置、数据分析与数据挖掘、机器学习、Python项目实战、Android平台应用及开发等。
（3）专业拓展课程
专业拓展课程包括：Hadoop平台部署与运维、数据可视化设计与开发、数据结构、网络数据采集与分析、局域网组建与维护等。
3. 专业核心课程的主要内容
专业核心课程主要教学内容如表2所示
序号 |
专业核心课程名称 |
主要教学内容 |
1 |
大数据技术原理与应用 |
该课程主要包括大数据概念、大数据原理、大数据平台搭建、大数据平台使用、大数据平台运维、大数据平台常用组件等。目标是使学生掌握大数据的概念及基本原理，能够搭建大数据平台。 |
2 |
Linux系统管理与配置 |
本课程主要介绍Linux操作系统的基本操作、系统的安装及配置、系统常用命令的使用、Linux网络服务功能等内容。目标是使学生掌握Linux操作系统的常用命令的使用、图形界面的多种实用程序的使用、多种Internet服务功能的配置，通过实验加强学生的动手能力。 |
3 |
数据分析与数据挖掘 |
该课程主要包括数据分析与数据挖掘概述、数据挖掘建模工具的使用、数据挖掘的建模等内容。目标是使学生了解数据分析和数据挖掘的思想与技术，了解数据挖掘的基本理论，掌握重要的数据挖掘方法，并使学生具有进一步学习的基础与能力。 |
4 |
机器学习 |
本课程主要介绍机器学习原理、预测、分类、聚类、关联分析、推荐系统等内容。目标是使学生掌握主流机器学习算法的理论思想及应用，能够正确的得出结论。并初步涉及深度学习及人工智能的基础知识。 |
5 |
Python项目实战 |
该课程主要内容包括综合实践项目、Python程序设计、Python项目测试等。目标是通过实际综合项目的总体设计与具体实现，培养学生基于python进行项目开发的综合能力。 |
6 |
Spark大数据快速运算 |
该课程涵盖大数据挖掘中的各个关键技术，如Hadoop、HBase、Hive、Pig、Spark、Oozie，针对不同的技术首先都会对该技术进行介绍，接着会配置对应的环境，方便学员动手实操。在相应的动手实践环节后，会深入到技术架构、原理层次知识，并且其中掺杂必要的动手实践环节，加深理解重要的知识点。目标是熟练掌握移动应用程序开发，通过项目实践，提升动手能力，将所学知识整合运用到项目中。 |
7 |
网络数据采集与分析 |
该课程主要介绍网络数据采集，并为采集新式网络中的各种数据类型提供了全面的指导。重点介绍网络数据采集的基本原理：如何用Python从网络服务器请求信息，如何对服务器的响应进行基本处理，以及如何以自动化手段与网站进行交互。如何用网络爬虫测试网站，自动化处理，以及如何通过更多的方式接入网络。 |
4. 实践教学环节
实践性教学环节主要包括实验、实训、实习、毕业设计、社会实践等。实训可在大数据实训室、校外实训基地等开展完成；社会实践、顶岗实习由学校组织可在大数据相关企业开展完成。实训实习主要包括企业认知实习、应用软件开发、大数据平台应用、毕业设计（论文）与顶岗实习等。应严格执行《职业学校学生实习管理规定》和《高等职业学校大数据技术与应用专业顶岗实习标准》。
5. 相关要求
学校应统筹安排各类课程设置，注重理论与实践一体化教学；应结合实际，开展安全教育、社会责任、绿色环保、管理等方面的选修课程、拓展课程或专题讲座（活动），并将有关内容融入专业课程教学；将创新创业教育融入专业课程教学和相关实践性教学；自主开设其它特色课程；组织开展德育活动、志愿服务活动和其他实践活动。
（二） 学时安排
专业总学时一般为2500—2800学时，总学分在140-150学分。周学时一般为26-28节/周，每门课学时不超过80，最多为5学分。公共基础课程学时一般占总学时的25%，选修课不低于10%，实践性教学学时原则上不少于总学时的50%。特殊情况需报学院审批后方能执行。
学分折算方法：
1. 理论课程：以每16学时计1学分
2. 实践教学环节：整周实践课程1周计1学分，每周按24学时计算（如校内专周实训、课程设计等）。
3. 顶岗实习：每1周计为1学分。“2+1”模式共计35学分（第五学期19周，第六学期16周，共计35周）。
4. 毕业设计（创新论文）：计2学分。
5. 劳动教育：每1周计为0.5学分，共1学分（开设于第2学期和第3学期，利用早操和下午课后晚自习之前的两段时间）。
6. 素质拓展：每学期计1学分，共5个学分第三学年计1学分，在第六学期计入成绩）。
7. 军事教育：共计4学分，其中军事教育2学分，军事训练2学分。
8. 学分最小单位为0.5学分。按课时除以16折算，方法是2舍3入，7退8进；按实习周折算，不满1周的停课实习计为0.5学分。
八、 教学基本条件
（一） 师资队伍
1. 队伍结构
大数据技术与应用专业要求年龄结构均衡、知识结构合理的教师队伍。目前本专业的专职教师12人，副教授比例为25%，讲师比例为20%，兼职教师比例15%。
2. 专任教师
专任教师应具有高校教师资格；有理想信念、有道德情操、有扎实学识、有仁爱之心；具有计算机相关专业本科及以上学历；具有扎实的本专业相关理论功底和实践能力；具有较强信息化教学能力，能够开展课程教学改革和科学研究；有每5年累计不少于6个月的企业实践经历。
3. 专业带头人
专业带头人原则上应具有副高及以上职称，能够较好地把握国内外大数据产业、专业发展，能广泛联系企业，了解行业企业对本专业人才的需求实际，教学设计、专业研究能力强，组织开展教科研工作能力强，在本区域或本领域具有一定的专业影响力。
4. 兼职教师
兼职教师主要从本专业相关的行业企业聘任，具备良好的思想政治素质、职业道德、工匠精神，具有扎实的专业知识和丰富的实际工作经验，具有中级及以上相关专业职称，能承担专业课程教学、实习实训指导和学生职业发展规划指导教学任务。
（二） 教学设施
本专业教学要求必须以教学大纲为依据，以教材为基本内容。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、校内实训室和校外实训基础等。
1. 专业教室基本条件
专业教室一般配备黑（白）板、多媒体计算机、投影设备、互联网接入或WIFI环境，并实施网络安全防护措施；安装应急照明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。
2. 校内实训室基本要求
（1）大数据实验平台 大数据平台的搭建应配备计算机及相应软件、服务器、基础架构平台、交换机、防火墙，用于平台搭建、系统运行、环境调试维护的教学与实训。
（2）大数据在线实验平台 大数据在线实验平台提供镜像管理，虚拟机支持多系统种类。使用快捷，可批量快速搭建安装大数据实验所需环境和应用程序，极大减少了实验准备工作，登录即可针对课程内容进行实验，颠覆传统教学的纯理论教学，学生在教师教学或观看视频教程的同时可进行操作实践，让学习更高效便捷。可根据课程或实验需求智能匹配实验环境，提高实验环境的使用效率，直观清晰的管理虚拟环境，从而提高实验的有效性。灵活配置网络访问权限，给教研实验安全提供充足保障，在实验人数较多情况下保证系统运行流畅。
3. 校外实训基地基本要求
校外实训基地基本要求：具有稳定的校外实训基地；能提供大数据技术与应用专业相关的实训活动，实训设施齐备，实训岗位、实训指导教师确定，实训管理及实施规章制度齐全。
4. 学生实习基地基本要求
学生实习基地基本要求为：具有稳定的校外实习基地；能提供大数据系统平台的搭建和运维、应用与服务等相关实岗位，能涵盖当前的主流技术，可接纳一定规模的学生实习；能够配备相应的指导教师对学生进行实习指导；有相应的安全、保险保障。
5. 支持信息化教学方面的基本要求
具有可利用的数字化教学资源库、文献资料、常见问题解答等信息化条件；鼓励教师开发并利用信息化教学资源、教学平台、教学方法，引导学生利用信息化教学条件自主学习，提升教学效果。
（三） 教学资源
教学资源主要包括能够满足教师教学、学生专业学习所需的教材、图书文献及数字教学资源等。在教材建设上，一是积极采用自编教材的形式，二是选用“十三五”规划推荐教材。
1. 教材选用基本要求
按国家规定选用优质教材，禁止不合格的教材进入课堂。学校应完善教材选用制度，建立专业教师、行业专家和教研人员等参与的教材选用机构，规范程序择优选用。
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。
3. 数字教学资源配置基本要求
建设、配备或引用与本专业有关的音视频素材、教学课件、数字化教学例库、虚拟仿真软件、数字教材等专业所需的教学资源库，应种类丰富、形式多样、使用便捷、动态更新，能满足专业教学要求。
九、 质量保障
1.学校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，达到人才培养规格。
2.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，建立健全听课、评教 、评学等制度。严明教学纪律，强化教学组织功能。
3.建立毕业生跟踪反馈机制，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。学生完成所有课程和实训环节并成绩合格、完成毕业设计（论文）及答辩、获得相应的技能证书，才准予毕业。
