- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
PAGE
PAGE # / 5
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;
&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
0、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、、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、、数据分类、数据聚类、、粗糙集、、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(
文档评论(0)