大数据技术与应用专业(高职) 人才培养方案
一、专业名称、专业代码、所属门类
专业名称：大数据技术与应用 专业代码：610215 所属门类：计算机
二、专业培养目标与就业方向
（一）培养目标
本专业培养适应社会主义建设需要，德、智、体、美、劳全面发展，培养具有勤朴敏信素质的应用型创新人才，具备计算机软件、计算机网络方面的基础理论和大数据技术与应用专业知识，掌握大数据平台架构和基本分析能力，以及梳理大数据应用中的各种典型问题，适应大数据实际工作的基本能力和基本技能，熟悉国家信息产业的政策和法规，适应大数据技术与应用专业设计、开发、操作、维护、营销、服务需要的高级应用型技术与管理人才。
（二）就业方向
本专业毕业生可在大数据技术与应用的诸多领域，从事大数据技术与应用、分布式计算、无线传输、实时数据交换、大数据技术与应用的开发、管理、操作、维护、安全等相关岗位的工作。
三、专业培养要求（职业岗位要求）
（一）职业岗位知识要求
1、学好大数据平台架构及搭建、应用开发、海量数据分析及可视化的基础知识； 2、掌握海量数据分布式处理系统的设计和搭建的基本知识； 3、掌握分布式文件存储和分布式 数据处理的基本知识； 4、掌握计算机软件工程的开发、应用与管理知识；
5、掌握大规模数据存储、实时计算系统的规划设计的应用知识；
6、掌握大数据技术与应用基本知识和基本技能，了解大数据技术与应用科技发展动态； 7、掌握必需的数据仓库与数据挖掘等知识和专业技能； 8、掌握无线网络技术原理和网络拓扑结构基础理论和关键技术； 9、掌握一门面向对象语言开发简单大数据技术与应用软件
10、掌握信息采集、处理和融合、通讯传输及大数据技术与应用等基本理论和方法。
（二）职业岗位能力要求
1、具备计算机应用的基本能力； 2、具备计算机网络应用的基本能力；
3、具备部署Hive并实现分布式数据库的操作能力； 4、具备软件开发能力；
5、掌握大数据技术与应用关键技术、主要技术标准； 6、具有大数据技术与应用方案设计能力；
7、具有自主学习、自我发展的基本能力，能够适应不断变化的未来大数据技术发展的需求。
（三）职业岗位素质要求
1、具有正确的世界观、人生观和爱国主义、集体主义、社会主义思想；
2、具有良好的职业道德，职业行为合符规范要求；
3、热爱专业，具有良好的敬业精神。
四、学制
三年
五、主要专业课程简介
（1）大数据查询与处理 2学分 36学时(实践18学时)
本课程主要讲授大数据通过MapReduce并行处理技术来提高数据的处理速度的具体应用方法。MapReduce的设计初衷是通过大量廉价服务器实现大数据并行处理，对数据一致性要求不高，其突出优势是具有扩展性和可用性，特别适用于海量的结构化、半结构化及非结构化数据的混合处理。
（2）数据可视化技术 2学分 36学时(实践18学时)
本课程主要讲授数据视觉表现形式的科学技术研究方法，是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。 (3) 多媒体技术 2学分 36学时(实践18学时)
讲述多媒体计算机的定义、关键技术、现状及发展趋势；音频信息和视频信息的获取和
处理技术；多媒体数据压缩编码技术及现行编码的国际标准；多媒体计算机硬件和软件系统结构；超文本和超媒体技术；多媒体计算机的应用技术：多媒体电子出版物的创作、多媒体会议系统、多媒体数据库及基于内容检索。
（4）软件工程 2学分 36学时 (实践18学时)
主要介绍软件的设计过程，比如软件的需求分析，软件的概要设计，软件的详细设计，软件测试和软件维护。它对于培养学生的软件素质，提高学生的软件开发能力具有重要的意义。
（5）搜索引擎系统应用 2学分 36学时(实践10学时)
本课程介绍搜索引擎的基础模块、基本框架、基本原理，非结构化Web数据中构建搜索引擎和Web信息管理的技术等内容。 （6）数据采集与处理 2学分 36学时 (实践18学时)
本课程全面系统地讲述了数据采集与处理技术相关的知识，其主要内容包括模拟信号的数字化处理、模拟多路开关、测量放大器、采样/保持器、模/数和数/模转换器等芯片的结构原理及应用等。
（7）数据仓库与数据挖掘 4学分 72学时(实践36学时) 主要介绍数据仓库和数据挖掘技术的基本原理和应用方法，主要内容包括数据仓库的概念和体系结构、数据仓库的数据存储和处理、数据仓库系统的设计与开发、关联规则、数据分类、数据聚类、贝叶斯网络、粗糙集、神经网络、遗传算法、统计分析、文本和Web挖掘。 （8）数据结构 4学分 72学时(实践18学时)
数据结构是研究计算机处理的数据间的相互关系，它的主要应用方向是数据库内数据的组织方式，包括数据的顺序存储、链式存储、队列、堆栈存储、树结构、数据的排列、查找等。是计算机课程中最基础也是最重要的课程之一。
(9) 社交网络分析 2学分 36学时(实践18学时)
介绍了基于信息学、数学、社会学、管理学、心理学等多学科的融合理论和方法，为理解人类各种社交关系的形成、行为特点分析以及信息传播的规律提供的一种可计算的分析方法。
(10) Hadoop 大数据存储与运算 4学分 72学时(实践18学时)
本课程了解 Hadoop 的架构、原理、Hadoop 集群配置及安装（JDK、SSH），熟悉 Hadoop IDE 开发环境配置（Eclipse 配置）和 Hadoop Java API 编程实例、具备 Hadoop 编程开
六、集中实践教学环节安排
4大数据技术与应用专业人才培养方案
