1. 标准学制 :4 年 2. 修业年限 : 可根据学生具体情况适当缩短或延长, 修业年限最短为 3 年, 最长不得超过 7 年 五 毕业要求及授予学位条件毕业要求 : 本专业学生在校期间必须修满本培养方案所规定的 167 学分, 方能毕业 授予学位 : 取得毕业资格并符合学校规定的学士学位授予条件

Transcription

1 数据科学与大数据技术专业人才培养方案 一 专业名称 代码专业名称 : 数据科学与大数据技术专业代码 :080910T 二 培养目标本专业培养德 智 体 美全面发展, 具有良好的人文素质和科学素养, 具备数据科学与大数据技术专业基本理论 基本知识 基本技能, 熟练掌握大数据应用平台的搭建与部署 大数据存储设计 大数据分析与挖掘 大数据可视化工具的使用, 具有从事大数据处理 分析及预测等工作能力, 能在政府 银行 医院 金融 互联网等部门从事大数据技术应用开发等工作, 具有一定创新能力的高素质应用型人才 三 基本规格本专业学生主要学习大数据分析与应用的基础理论与专业知识, 掌握大数据平台架构搭建 应用开发与分析处理的专业知识, 受到大数据技术的专业训练, 具有对大数据进行分析 处理 预测及可视化的能力 毕业生应具备以下综合素质 基本能力与专业知识 : 1. 具备当代大学生的良好品质, 热爱祖国, 树立正确的世界观 人生观和价值观, 具有良好的思想道德修养 强烈的民族自豪感和社会责任感 2. 系统掌握数据科学与大数据技术专业基本理论 基本知识和基本技能 ; 具有一定的数理基础, 掌握计算机软 硬件系统知识, 具备一定逻辑思维能力 程序设计能力和算法分析能力 ; 掌握大数据平台架构搭建与部署 大数据分析与挖掘 大数据可视化等专业知识, 具有从事大数据处理 分析及系统开发能力, 具备从事大数据行业应用开发的实践技能 ; 具有一定的创新创业能力和科学性思维能力 3. 掌握体育基础知识和科学锻炼的基本方法, 达到国家规定的体质健康标准 ; 具有一定的外语应用能和语言表达交流能力 ; 具有健全的人格 良好的生活习惯和心理素质 4. 掌握文献检索 资料查询的基本方法, 具有较强的大数据信息获取能力 ; 掌握科技论文写作的一般知识和方法 ; 了解本学科前沿和发展趋势, 具有学习新知识和新技术的能力 四 学制与修业年限 1

2 1. 标准学制 :4 年 2. 修业年限 : 可根据学生具体情况适当缩短或延长, 修业年限最短为 3 年, 最长不得超过 7 年 五 毕业要求及授予学位条件毕业要求 : 本专业学生在校期间必须修满本培养方案所规定的 167 学分, 方能毕业 授予学位 : 取得毕业资格并符合学校规定的学士学位授予条件, 授予工学学士学位 六 课程结构及学分学时比例课程结构及学分学时比例 课程平台通识教育平台专业教育平台素质能力拓展平台 课程类别公共必修课程专业必修课程专业方向模块课程公共选修课程专业选修课程 学分及比例 学时及比例 学分 合计 比例合计比例合计学时合计 (%) (%) (%) (%) 实践教学平台 合计 说明 实践教学 55 学分, 占专业总学分的比例为 32.93%, 其中, 独立开设的实训课 18 学分, 实践教学平台 37 学分 七 教育平台课程教学学时 学分分布 通识教育平台课程 课程类别 课程名称 课程代码 总学时 理论讲授 学时分配 实践 ( 个数 ) 周学时 ( 理论 + 实践 ) 学分 开课学期 考核方式 备注 思想道德修养与法律基础

3 公共必修课程 思想政治理论 中国近现代史纲要马克思主义基本原理概论毛泽东思想和中国特色社会主义理论体系概论 ~6 1 形势与政策 ~8 2 集中 分散 大学英语 I (A) 外 语 基 础 大学英语 II(A) 大学英语 III(A) 大学英语 IV(A) 体育与健康 大学体育 I 大学体育 II 大学体育 III 大学体育 IV 指导与服务 大学生职业规划与就业指导大学生创新创业教育大学生心理健康教育 ~ ~ ~8 2 讲座辅导及网络课程 合计 专业教育平台课程 课程类别 课程名称 课程代码 总学时 学时分配 理论 实践 实 讲授 验 ( 个数 ) 周学时 ( 理论 + 实践 ) 学分 开课学期 考核方式 备注 高等数学 I 专业必修课程 数据科学导论 IT 应用基础 IT 应用基础 C 语言程序设计

4 C 语言程序设计 数据结构 数据结构 高等数学 II 数据库原理与应用 数据库原理与应用 线性代数 概率论与数理统计 操作系统原理 计算机网络与分布式计算大数据建模与算法大数据建模与算法 Linux 操作系统 Linux 操作系统 计算机组成原理 合计 大数据分析技术 专业方向模块课程 大数据技术应用 大数据分析技术数据仓库与数据挖掘 数据仓库与数据挖掘 Hadoop 平台搭建与程序设计 Hadoop 平台搭 建与程序设计 Spark 开发技术 Spark 开发技术 必须选一个模块课程 机器学习 机器学习 算法设计与分析

5 大数据技术原理 大数据可视化 大数据可视化 大数据技术原 理 大数据技术原 理 合计 统计学习原理 统计学习原理 Hive 高级编程 Hive 高级编程 MapReduce 编程 MapReduce 编程 模式识别 模式识别 算法导论 大数据处理软件应用 大数据处理软件应用 合计 课程类别 公共选修课程 专业选修课程 课程名称 课程代码 素质能力拓展平台课程 总学时 理论 讲授 学时分配 实践 实 验 ( 个数 ) 周学时 ( 理论 + 实践 ) 须选修 6 学分,108 学时 学生可选修学校提供的公共选修课程, 也可选修网络课程 Java 程序设计 Java 程序设计 C# 程序设计 C# 程序设计 大数据技术原理与应用 大数据存储 非结构化数据库 非结构化数据库 学分 开课学期 考核方式 备注 5

6 NoSQL 数据库 NoSQL 数据库 高级网页设计 高级网页设计 统计分析与 R 语言 建模统计分析与 R 语言 建模数据安全 数据加密 企业项目开发 大数据平台搭建 分析与可视化综合实训 机器学习实训 社交网络分析实训 须选修 17 学分,392 学时, 其中理论课 12 学分,216 学时, 实训课 5 学分,176 学时 学生须选修该平台共 23 学分,500 学时 实践教学平台 课程类别 课程名称 入学教育与军事训练 课程代码 总学时 理论 讲授 学时分配 实践 实 验 ( 个数 ) 周数 学分 开课学期 考核方式 备注 专业见习 ~6 集中 实践 专业实习 学年论文 ( 设计 ) 毕业论文 ( 设计 ) 社会实践 ~8 创新 实践 创新实践课程 学生须完成 4 学分 根据 周口师范学院创新 实践学分认定与管理办法 结合专业特点进行学 分认定 合计 37 八 主要课程简介 1. 课程名称 : 数据结构课程代码 : 课程简介 : 本课程着重培养学生的逻辑思维能力与创新能力 主要介绍线性表 栈 队 6

7 列 串 数组 广义表 树和二叉树 图 文件等常用的数据结构以及查找和排序的问题, 每种数据结构主要研究数据的逻辑结构 存储结构及其实现 2. 课程名称 : 数据库原理与应用课程代码 : 课程简介 : 本课程着重培养学生对常用数据库的操作能力 主要介绍数据库系统的基本概念 基本方法及基本理论, 主要内容包括数据模型 数据物理组织 网络模型系统 层次模型系统 关系模型系统 关系数据库设计理论 数据库控制 数据库设计 数据库发展新方向等内容 3. 课程名称 : 操作系统原理课程代码 : 课程简介 : 本课程着重培养学生对操作系统原理的理解能力与实际操作能力 主要介绍操作系统的基本概念 类型 功能 工作原理和实施技术, 重点介绍进程管理 作业管理 存储器管理 I/O 设备管理 文件管理等内容 4. 课程名称 : 计算机网络与分布式计算课程代码 : 课程简介 : 本课程着重培养学生对计算机网络与分布式计算方法的应用能力 主要介绍网络协议模型 ( 物理层 数据链路层 介质访问控制层 网络层 传输层和应用层 ) 计算机网络的发展与安全 分布式系统结构与主要特征 分布式计算理论与算法模型等内容 5. 课程名称 : 计算机组成原理课程代码 : 课程简介 : 本课程着重培养学生对计算机内部结构与运行原理的认识与理解能力 主要讲述计算机结构与组织的基本原理, 具体内容包括计算机系统概论 运算方法与运算器 存储系统 指令系统 中央处理器 系统总线 输入输出系统等 6. 课程名称 : 大数据技术原理与应用课程代码 : 课程简介 : 本课程着重培养学生对大数据基本原理的理解能力以及利用相关技术解决实际问题的能力 主要介绍大数据的基本概念 大数据处理架构 Hadoop 分布式文件系统 HDFS 分布式数据库 HBase NoSQL 数据库 分布式并行编程模型 MapReduce 流计算 图计算 数据可视化以及大数据在互联网 生物医学和物流等各个领域的应用 7. 课程名称 : 数据仓库与数据挖掘课程代码 : 课程简介 : 本课程着重培养学生利用数据挖掘技术分析与解决大数据方面具体问题的能力 主要介绍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 挖掘等内容 8. 课程名称 : 机器学习课程代码 : 课程简介 : 本课程着重培养学生对机器学习原理的理解能力以及利用机器学习方法解决 7

8 大数据方面具体问题的能力 主要介绍机器学习的基本原理和应用实例, 包括贝叶斯决策理 论 聚类算法 决策树 随机森林 线性判别分析 马尔可夫随机场 深度学习 集成学习 与增强学习等内容 8