大数据技术与应用专业人才培养方案
日期:2020-03-22 00:00:00  发布人:xxgcx  浏览量:34

 

 

大数据技术与应用专业

(专业代码 610215)

 

 

 

 

 

 

 

人才培养方案

 

 

 

 

山西轻工职业技术学院

20198月


 

 

一、专业名称及代码 - 3 -

二、入学要求 - 3 -

三、基本修业年限 - 3 -

四、职业面向 - 3 -

五、培养目标 - 3 -

六、培养规格 - 4 -

七、课程设置及学时安排 - 5 -

八、教学基本条件 - 9 -

九、毕业要求 - 16 -

十、附录 - 16 -


山西轻工职业技术学院

“大数据技术与应用”专业人才培养方案


一、专业名称及代码

大数据技术与应用(610215)

二、入学要求

普通高级中学毕业、中等职业学校毕业或具备同等学力

三、基本修业年限

修业基本年限为3年,其中在校学习2年,企业实习1年

四、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)

主要岗位类别及技术领域举例

职业资格证书或技能等级证书举例

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)

计算机与应用工程技术人员

(2-02-13)

大数据系统搭建与运维

 

海量数据管理

 

数据采集清洗与转换

 

数据分析与可视化

 

大数据软件开发

工信部-大数据工程师(初级、中级、高级)

 

CDA数据分析师认证

 

华为Big Data认证(HCNA、HCNP、HCIE)

 

阿里云大数据专业认证ACP

五、培养目标

本专业培养理想信念坚定、德技并修、全面发展,具有一定的科学文化水平,良好的职业道德、工匠精神和创新精神,具有较强的就业能力、一定的创业能力和支撑终身发展的能力;掌握专业知识和技术技能,面向互联网和相关服务、软件和信息技术服务等行业的计算机与应用工程技术人员职业群,能够从事大数据系统部署与运维、大数据应用开发与服务等工作的高素质技术技能人才。

六、培养规格

本专业毕业生应在素质、知识和能力方面达到以下要求。

 (一)素质

1.坚定拥护中国共产党领导和我国社会主义制度,在习近平新时代中国特色社会主义思想指引下,践行社会主义核心价值观,具有深厚的爱国情感和中华民族自豪感;

2.崇尚宪法、遵法守纪、崇德向善、诚实守信、尊重生命、热爱劳动,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.具有质量意识、环保意识、安全意识、信息素养、工匠精神、创新思维;能够初步理解企业战略和适应企业文化,保守商业秘密;

4.勇于奋斗、乐观向上,具有自我管理能力、职业生涯规划的意识,有较强的集体意识和团队合作精神;

5.具有健康的体魄、心理和健全的人格,掌握基本运动知识和一两项运动技能,养成良好的健身与卫生习惯,良好的行为习惯;

6.具有一定的审美和人文素养,能够形成一两项艺术特长或爱好。

(二)知识

1.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.熟悉与本专业相关的法律法规以及文明生产、环境保护、安全消防等知识;

3.熟悉大数据基础架构和平台搭建,掌握主流的Hadoop生态组件配置及使用,包括MapReduce、HDFS、Hive、Hbase、Flume等;

4.掌握关系型和非关系型数据库、数据表管理,以及增、删、改、查等操作;

5.掌握数据的抽取、清洗、转换、分析及可视化常用技术;

6.掌握常用编程语言JAVA和数据挖掘编程语言python等语言;

(三)能力

1.具有探究学习、终身学习、分析问题和解决问题的能力;

2.具有良好的语言、文字表达能力和沟通能力;

3.具备团队合作能力;

4.具备本专业必需的信息技术应用和维护能力;

5.能够阅读并正确理解需求分析报告和项目建设方案;

6.具备计算机软、硬件安装能力;

7.具备Linux 操作系统下服务器系统的安装、调试和维护能力;

8.掌握结构化和非结构化数据库、数据仓库管理、维护能力以及数据处理、分析能力;

9.具备主流Hadoop平台规划、搭建与维护能力;

10.具备利用JAVA、python、JS等语言完成大数据程序开发的能力;

11.逻辑思维能力强,具有较强的文档编写和良好的沟通表达能力。

七、课程设置及学时安排

(一)课程设置

主要包括公共基础课程和专业(技能)课程。

1.公共基础课程

根据党和国家有关文件规定,将思想道德修养与法律基础、毛泽东思想和中国社会主义理论体系概论、形势与政策、体育、信息技术、军事理论、就业指导、心理健康等列入公共基础必修课;将中华优秀传统文化、高职语文、高职英语、创新创业教育、美育教育、职业礼仪等列入选修课。

2.专业课程

1)专业基础课程

计算机网络技术基础,通过学习使学生对计算机网络的基本概念、数据通信基本概念有一个较全面、系统的认识,提高学生的网络基本知识和基本理论、掌握常用网络设备的使用和运维,具备网络应用和实际操作的基本能力,能够规划、设计和安装、调试网络。

Linux操作系统配置与管理,要求学生熟悉和掌握Linux 系统的进程、文件、用户和存储等管理的基本原理和操作命令,进行各种服务器端配置和维护。

数据库技术与应用,通过本课程学习,使学生能够进行数据库管理系统的安装与配置,系统地掌握结构化数据库基本原理和基本技术。能熟练使用SQL语言进行数据库的增、删、改、查操作,掌握数据库设计方法和步骤,具有设计数据库模式以及开发数据库应用系统的基本能力。

JAVA程序设计基础,要求学生掌握程序设计算法、面向对象思想、GUI等JAVA编程基本知识,熟练运用面向对象程序设计思想开发MIS、C/S程序。

云计算技术基础,围绕移动云计算虚拟化技术基本概念、体系结构、技术原理、业务模式等主要内容,使学生了解虚拟化技术,掌握云计算平台的搭建、管理及运维。

Web前端技术,主要学习学习html基础知识、CSS、JS基础及高级特性、BOM+DOM编程、模块化组件开发、MVC设计模式、AJAX数据交互、JSON数据处理、H5新增技术等。

2)专业核心课程

主要包括SSM框架、Python程序设计、JAVA高级进阶、Hadoop生态系统、JAVA Web技术、数据清洗、数据可视化技术。

3)专业拓展课程

数据仓库,主要学习基于Hadoop的数据仓库工具Hive,了解Hive的基本概述与安装配置,理解Hive解析器、编译器、优化器、执行器的工作原理,掌握Hive的管理命令、用户接口、元数据存储、与HQL查询语句的实际用法,实现海量数据的离线分析。

Spark技术,主要学习Spark中RDD及操作算子,Spark Core Spark SQL、Spark Streaming等几大核心组件及内容,通过项目,掌握Spark离线计算和实时计算过程。

实时计算框架,主要学习Flink集群的部署,理解Flink checkpoint、watermark机制、Flink程序运行机制,掌握Flink三种方式的基本开发。

机器学习,主要学习大数据分析与挖掘技术在机器学习领域中的应用,包括机器学习概述以及经典数理统计分析算法在机器学习中的应用。通过学习本课程,学生需要了解机器学习领域中大数据挖掘与分析的重要作用,理解如何将大数据技术与数理分析算法相结合,掌握经典算法在数据分析与挖掘中的应用。

3.专业核心课程和主要教学内容与要求

序号

专业核心课程

主要教学内容与要求

1

SSM框架

主要学习Spring、SpringMVC、MyBatis三个开源框架。常作为数据源较简单的web项目的框架。Spring是一个开源框架,是一个轻量级的控制反转(IoC)和面向切面(AOP)的容器框架;SpringMVC是一种基于Java,实现了Web MVC设计模式,请求驱动类型的轻量级Web框架,分离了控制器、模型对象、分派器以及处理程序对象的角色;MyBatis是一个基于Java的持久层框架。MyBatis 使用简单的 XML或注解用于配置和原始映射,将接口和 Java 的POJOs(Plain Old Java Objects,普通的 Java对象)映射成数据库中的记录。

2

Python程序设计

主要学习Python语言的基本语法、函数定义及面向对象编程,以及python的一些常用模块函数,使学生能够熟悉数据分析的流程和思想,可以利用数据分析技术解决特定业务领域的问题。通过爬虫基础知识学习,可以独立使用框架开发Python爬虫的项目程序。

3

JAVA高级进阶

主要学习多线程、常用类库、IO编程、网络编程、类集框架、JDBC等技术。

4

Hadoop生态系统

本课程主要学习Hadoop生态系统相关组件,如HDFS、MapReduce、Hbase、Flume、Sqoop、Zookeeper等相应组件。

5

JAVA Web技术

主要学习jsp,servlet, jdbc以及相关的工具、类库以及框架,如Spring,Hibernate等,了解oracle、sqlserver、mysql等常用的数据库系统,对数据库有较强的设计能力,熟悉maven项目配置管理工具,熟悉tomcat、jboss等应用服务器,熟悉网络编程,具有设计和开发对外API接口经验和能力。

6

数据清洗

主要学习大数据清洗的常用技术,使学生了解数据清洗的概念和数据清洗技术的发展,理解清洗技术的基本原理、应用场景以及技术手段,并且掌握几种主流的数据清洗工具应用实例。

7

数据可视化技术

主要学习大数据可视化技术概述,以及可视化工具Echarts、D3和Oracle DV的使用。使学生了解大数据可视化技术的概念,理解大数据可视化工具的用法,掌握几种主流可视化工具的编程应用,根据具体应用场景来选择适合相应数据类型的工具。

4.实践性教学环节

主要包括实验、实习、毕业设计、社会实践等。实验可在校内实训室、校外实训基地等开展完成;社会实践、顶岗实习、跟岗实习由学校组织在大数据技术相关企业开展完成。实习既是实践性教学,也是专业课教学的重要内容,应注重理论与实践一体化教学,应严格执行《职业学校学生实习管理规定》和《高等职业院校大数据技术与应用专业顶岗实习标准》要求。

5.相关要求

学校结合实际,开设安全教育、社会责任、绿色环保、管理等人文素养、科学素养方面的选修课程、拓展课程或专题讲座(活动),并将有关内容融入到专业课程教学中;将创新创业教育融入到专业课程教学和有关实践性教学环节中;自主开设其他特色课程;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

总学时一般为2800 学时,每18 学时折算1 学分。其中,公共基础课总学时一般不少于总学时的25%。实践性教学学时原则上不少于总学时的50%。其中,顶岗实习累计时间一般为6 个月,可根据实际集中或分阶段安排实习时间。各类选修课程学时累计不少于总学时的10%。

1.教学进程安排表(见附件)

2.各类课程学分数和学时数表

教学内容

课程类别

学时

课程学时小计

学分

学时分配

理论学时

实践学时

学校教学

公共

基础课

必修课

412

682

24

312

100

选修课

186

11

186

 

实践课

84

3

 

84

专业课

基础课

384

1170

24

192

192

核心课

560

32

280

280

拓展课

226

15

113

113

综合实践

跟岗实习

 

288

288

12

144

144

顶岗实习

 

576

576

24

 

576

总计

 

2716

2716

145

1227

1489

 

八、教学基本条件

(一)师资队伍

1.队伍结构

学生数与本专业专任教师数比例不高于25:1,双师素质教师占专业教师比67%,专任教师队伍职称、年龄,梯队结构合理。

2.专任教师

具有研究生学历、硕士以上学位和讲师以上职称的教师占专职教师比例达80%以上。具有副高级以上职称的专职教师占27%;具有高校教师资格和本专业领域有关证书;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;具有较强的信息化教学能力,能够开展课程教学改革和科学研究;每5 年累计不少于6个月的企业实践经历。

3.专业带头人

能够较好地把握国内外大数据产业、专业发展,能够主动联系行业企业,了解行业企业对本专业人才的实际需求,教学设计、专业研究能力强,组织开展教科研工作能力强,在本区域或本专业领域有一定的影响力。

4.兼职教师

主要从大数据相关企业聘任,具备良好的思想政治素质、职业道德和工匠精神,具有扎实的专业知识和丰富的实际工作经验,具有计算机工程师及以上职称,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等教学任务。

1 师资队伍一览表

序号

姓名

性别

年龄

专业技术职务

毕业学校、专业、

学历、学位情况

双师素质情况

现从事

专业

拟任课程

专职/

兼职

1

徐秋菊

54

副教授

太原理工大学

软件工程硕士

工程师

大数据技术与应用

Python程序设计

Linux操作系统配置与管理

专职

2

曹伟

60

副教授

苏州职大

计算机应用技术专业

本科

工程师

计算机

网络技术

Web前端技术

专职

3

邓青

35

讲师

辽宁工程技术大学

计算机应用技术硕士研究生

工程师

计算机

网络技术

大数据技术与应用

Hadoop生态系统

Python程序设计

数据清洗

Spark框架

专职

4

何栋

38

副教授

太原理工大学

软件工程硕士

工程师

计算机

网络技术

大数据技术与应用

云计算技术基础

专职

5

张玲玲

40

讲师

华北电力大学

计算机软件与理论

硕士研究生

工程师

计算机

网络技术大数据技术与应用

Python程序设计

JAVA程序设计基础

专职

6

张小莉

37

讲师

长春工程学院

计算机科学与技术

本科

工程师

计算机

网络技术

计算机网络技术基础

专职

7

冯波

38

讲师

兰州交通大学

控制专业

硕士研究生

工程师

物联网应用

云计算技术基础

Linux操作系统配置与管理

专职

8

郑红娜

35

讲师

太原理工大学

通信工程专业

硕士研究生

工程师

物联网应用

计算机网络技术基础

Linux操作系统配置与管理

专职

9

王玮

31

助讲

英国伦敦艺术大学

硕士研究生

 

计算机网络技术

 Web前端技术

专职

10

徐鹏

30

助讲

北京工业大学

网络安全技术

硕士研究生

 

计算机科学与技术

Linux操作系统配置与管理

云计算技术基础

专职

11

李启超

27

助讲

山西大学

软件工程

硕士研究生

 

大数据技术与应用

JAVA程序设计基础

JAVA Web

专职

12

路玉君

28

助讲

中国民航大学

信息与通信工程

硕士研究生

 

物联网应用

数据库技术与应用

专职

13

乔霞

30

讲师

首都师范大学

教育技术学

硕士研究生

 

计算机网络技术

数据库技术与应用

兼职

14

祁跃英

56

讲师

山西大学

计算机应用技术

本科

工程师

计算机

网络技术

计算机网络技术基础

Linux操作系统配置与管理

兼职

15

刘圣君

35

讲师

天津师范大学

情报学

硕士研究生

 

计算机网络技术

Web前端技术

兼职

16

张晶

31

助讲

山西大学

信息学院

硕士研究生

 

计算机网络技术

计算机网络技术基础

机器学习

兼职

17

王飞

48

架构师

桂林电子科技大学

本科

工程师

软件工程

JAVA Web

JAVA高级进阶

Web前端技术

机器学习

兼职

18

朱晓军

45

副教授、董事长

太原理工大学

计算机应用技术

博士

CCNP讲师

计算机应用技术

Hadoop生态系统

机器学习

兼职

19

吕士钦

44

讲师

技术总监

太原理工大学

通讯专业

博士

CCNP讲师

计算机应用技术

Hadoop生态系统

数据可视化技术

兼职

20

付东来

40

讲师

太原理工大学

软件工程

博士

工程师

软件工程

云计算技术基础

兼职

21

王星魁

39

讲师

太原理工大学

软件工程

博士

工程师

软件工程

云计算技术基础

兼职

22

晋耕

37

项目经理

北京理工大学

计算机应用技术

本科

工程师

计算机应用技术

数据库技术与应用

数据仓库

Web前端技术

兼职

23

常鹏飞

37

讲师

莫斯科航空航天大学

硕士研究生

高级工程师

大数据技术与应用

JAVA高级进阶

实时计算框架

SSM框架

Spark框架

兼职

(二)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、实训室和实训基地。

1.专业教室基本条件

教室配备黑(白)板、多媒体计算机、投影设备、音响设备,互联网接入或WiFi 环境,并具有网络安全防护措施。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)云计算实训室

配备计算机、虚拟化服务器、防火墙、交换机、路由器等硬件设备,以及服务器虚拟软件、虚拟化管理软件等。能完成的实训项目有:基于虚拟化技术的云计算实现、基于虚拟化技术的业务部署、虚拟化技术及应用实训、服务器搭建与配置实训、虚拟化桌面实训。

2)软件开发实训室

配备服务器(安装MySQL Server、IDEA、PyCharm等相关软件及开发工具)、投影设备、白板、计算机等。支持Java 程序设计、MySQL 数据库、Java Web 应用开发、python程序设计、Linux服务器配置等课程的教学与实训。

3)大数据基础行业应用实训室

配备计算机、路由器、交换机以及大数据专用服务器等,支持大数据环境搭建、程序开发、SSM框架、数据清洗、分析及可视化方面进行教学与实训,能够模拟典型数据分析、建模和框架等实际应用。

4)大数据应用创新实训室

配备计算机、路由器、交换机、专用服务器以及大数据应用实训系统等,支持Linux操作系统、Spark技术、Hadoop技术、典型的Storm技术、Python语言、Scala语言、Java技术、Hive技术等,以及各种技术间的综合应用。

3.校外实训基地基本要求

具有昆山丘钛微电子科技有限公司、太原太工天宇教育科技有限公司、九智云辉(北京)教育科技有限公司等稳定的校外实训基地。能够提供开展大数据技术与应用专业相关实训活动,实训设施齐备,实训岗位、实训指导教师确定,实训管理及实施的规章制度齐全。

4.学生实习基地基本要求

具有稳定的校外实习基地。能提供大数据系统部署与运维、大数据应用开发与服务等相关实习岗位,能涵盖当前大数据产业发展的主流技术,可接纳一定规模的学生安排顶岗实习;能够配备相应数量的指导教师对学生实习进行指导和管理;有保证实习生日常工作、学习、生活的规章制度,有安全、保险保障。

5.支持信息化教学方面的基本要求

具有利用数字化教学资源库、文献资料、常见问题解答等的信息化条件。引导鼓励教师开发并利用信息化教学资源、教学平台,创新教学方法、提升教学效果。

(三)教学资源

主要包括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、图书及数字化资源等。

1.教材选用基本要求

按照国家规定选用优质教材,禁止不合格的教材进入课堂。学校建立由专业教师、行业专家和教研人员等参与的教材选用机构,完善教材选用制度,经过规范程序择优选用教材。

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。专业类图书文献主要包括:行业政策法规资料,有关大数据的技术、标准、方法、操作规范以及实务案例类图书等。计算机类专业的学生人均占有本专业图书和期刊杂志总数(包括与本专业有关的技术基础课图书资料)达40册以上,综合练习、课程设计、毕业设计或毕业论文及教师备课所需的各种技术标准、技术规范及参考书齐全,能满足教学需要。

3.数字教学资源配置基本要求

建设、配备与本专业有关的音视频素材、教学课件、数字化教学案例库、虚拟仿真软件、数字教材等专业教学资源库,种类丰富、形式多样、使用便捷、动态更新、满足教学。学院图书馆一方面有计算机类专业有关的电子读物(专业教学录像片、VCD光盘和多媒体课件和电子期刊等),另一方面与慕课网、中国知网等建立合作关系,为师生查阅资料和信息交流提供便利。并备有相应的专业教学录像片、VCD光盘和多媒体课件等。

(四)教学方法

教学过程中,教师充分运用行动导向教学法,采用任务驱动教学法、项目教学法、小组协作学习、案例教学法、等多种教学法,突出“以学生为中心”,促进学生职业能力的培养,有效地培养学生解决问题及可持续发展的能力。

教学模式采用理实一体化。教学内容采用企业的真实项目,实现以“一体化、开放式”、“能力进阶项目导向式”等为主的教学模式,教学过程体现“做中学,做中教”。

(五)教学评价

教学评价突出能力考核评价方式,建立形式多样化的课程考核评价体系,积极吸纳行业企业和社会参与学生的考核评价,实现对学生专业技能及岗位技能的综合素质评价,培养学生的职业能力。

评价体系包括笔试、实践技能考核、项目实施技能考核、岗位绩效考核、职业资格技能鉴定、企业认证、技能竞赛等多种考核方式。考核对教学质量的提高至关重要,对教学具有评价作用和诊断作用,对人才培养具有导向作用,对学生学习的积极性具有激励作用。

1)专业基础课

考核包括平时测验和期末考试。平时测验占期末总成绩的30%,考核内容主要包括课堂出勤情况、作业完成情况、课堂表现、阶段测试等。

期末考试成绩占期末总成绩的70%,采用“闭卷笔试”、“开卷笔试”、“实践考核”等方式进行。重点考核学生对基本知识的理解,对基本技能的掌握。

2)专业核心课(技能课)

一般包括过程考核和期末考试。其中,过程考核占50%,期末考核占50%。采用线上、线下,笔试、机试或实操等方式,考核学生对知识的理解、应用能力,以及用理论知识解决实际问题的能力。


2专业核心课考核形式

考核

考核项目

评价维度

所占比例

过程考核(50%)

参与状态

时间长度

参与深度

参与行为

20%

思维状态

表达自已的思想

评价别人的思想

回答提问

讨论中发言率

20%

情绪状态

学习工作的专注度

对工作的态度

工作情绪的稳定性

10%

生成状态

任务提交

完成速度、数量与质量

其它成果

40%

职业能力提升

自我学习能力、自律能力、解决问题的能力、与人合作能力、与人交流能力、创新能力等

10%

合计

 

100%

期末考核(50%)

知识点、技能点、综合应用等

线上、线下相结合,笔试、机试(或实践操作)相结合

 

50%

3)专业拓展课

考核采用“笔试”、“撰写论文”、“社会调查”等方式进行,考核内容主要包括平时成绩和期末考试成绩。平时成绩占期末总成绩的50%,期末考试成绩占期末总成绩的50%。

4)顶岗实习

学生顶岗实习成绩评定实行由企业为主、学校为辅的校企双方考核方式。企业指导教师对学生进行岗前培训、实习效果及学生在岗位的综合表现进行考核,学校指导教师对学生的实习报告、实习周记等进行考核。企业成绩占总成绩的70%,学校成绩占总成绩的30%。其中90-100分为优秀,80-89分为良好,70-79分为中等,60-69分为合格,60分以下为不合格。

(六)质量管理

1.学校和二级院系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,达成人才培养规格。

2.学校、二级院系完善教学管理机制,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,建立健全巡课、听课、评教、评学等制度,建立与企业联动的实践教学环节督导制度,严明教学纪律,强化教学组织功能,定期开展公开课、示范课等教研活动。

3.学校建立毕业生跟踪反馈机制及社会评价机制,并对生源情况、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。

4.专业教研组织充分利用评价分析结果有效改进专业教学,持续提高人才培养质量。

九、毕业要求

1.学生毕业成绩要求达到必备的专业知识、专业技能目标以及第二课堂活动的要求。

2.职业资格证书要求高职3年,除取得毕业证,还需要取得计算机网络管理员三(高)级资格认证、CDA数据分析师认证、工信部-大数据工程师(初级、中级、高级)、华为Big Data认证(HCNA、HCNP、HCIE)、阿里云大数据专业认证ACP等,任意一个认证或相关认证。

3.综合素质测评达到学校有关规定。

4.学生学分达到要求方可毕业。

十、附录

1.大数据技术与应用专业教学进程表

编写人:邓青

审核人:徐秋菊

编写日期:2019.8.15

大数据技术与应用专业教学进程安排表(三年制)

课程类别

 

课程

代码

课程名称

 

学期分配

备注

负责部门

第一

学年

第二

学年

第三

学年

 

 

 

 

17

18

18

18

20

20

 

 

职业综合素质教育、专业教育教学周数

14

16

16

16

0

0

 

 

职业综合素质、专业教育实训周数

3

2

2

2

20

20

 

 

公共基础课

 

 

 

 

 

 

1

501102

思想道德修养与法律基础

72

3

2

2

 

 

 

 

 

思政部

2

503102

毛泽东思想和中国社会主义理论体系概论

72

4

 

 

2

2

 

 

 

思政部

3

504102

形势与政策

32

1

 

 

每学期不少于8学时

思政部

4

505102

心理健康

32

2

1

1

 

 

 

 

 

思政部

5

231011

信息技术

34

2

2

 

 

 

 

 

 

信息系

6

604102

体育

64

4

2

2

 

 

 

 

 

基础部

7

100104

就业指导

18

1

 

1

 

 

 

 

 

学生处

8

201200

军事理论

36

2

 

 

 

2

 

 

 

学生处

9

 

安全教育

18

1

 

 

每学期4学时

各系

10

602102

高职数学

34

4

2

 

 

 

 

 

 

基础部

 

 

 

 

 

 

 

 

1

603102

高职英语

64

4

2

2

 

 

 

 

规定选修

基础部

2

601102

高职语文

50

3

1

2

 

 

 

 

包括“应用写作”;规定选修

基础部

3

 

职业礼仪

36

2

 

 

2

 

 

 

任选一

教务处

4

 

创新创业教育

36

2

 

 

2

 

 

 

教务处

5

 

中华优秀传统文化

36

2

 

 

2

 

 

 

教务处

6

801318

美育教育(公共艺术)

36

2

 

 

2

 

 

 

教务处

7

 

专升本数学

36

2

 

 

 

2

 

 

任选一

教务处

8

 

专升本英语

36

2

 

 

 

2

 

 

教务处

9

 

英语听说训练

36

2

 

 

 

2

 

 

教务处

10

 

专升本语文

36

2

 

 

 

2

 

 

教务处

实践课

1

 

入学及专业认知教育

(演讲与口才)

28

1

 

 

 

 

 

1

各系

2

 

军事教育

56

2

 

 

 

 

 

2

学生处

小计

 

 

 

682

38

12

10

4

6

 

 

 

 

专业

 

基础课

1

801207

●计算机网络技术基础

56

4

4

 

 

 

 

 

 

各系

2

803101

●★JAVA程序设计基础

72

4

 

4

 

 

 

 

 

 

3

801315

数据库技术与应用

56

4

4

 

 

 

 

 

 

 

4

803102

Web前端技术

72

4

 

4

 

 

 

 

 

 

5

801324

云计算技术基础

72

4

 

 

 

4

 

 

 

 

6

803103

Linux操作系统配置与管理

56

4

4

 

 

 

 

 

 

 

核心课

1

803201

SSM框架

72

4

 

 

4

 

 

 

 

各系

2

801216

Python程序设计

100

6

 

 

 

6

 

 

 

 

3

803202

JAVA高级进阶

72

4

 

 

4

 

 

 

 

 

4

803203

Hadoop生态系统基础

100

6

 

 6

 

 

 

 

 

 

5

803204

JAVA Web

72

4

 

 

4

 

 

 

 

 

6

803205

★数据清洗

72

4

 

 

4

 

 

 

 

 

7

803206

数据可视化技术

72

4

 

 

 

4

 

 

 

 

拓展课

1

803301

数据仓库

36

2

 

2

 

 

 

 

 

 

2

803302

Spark技术

100

6

 

 

6

 

 

 

 

 

3

803303

★实时计算框架

72

4

 

 

 

4

 

 

 

各系

选修

 

803401

机器学习

18

1

2

 

 

 

 

 

各系自定3门以上,31

 

803402

人工智能

18

1

2

 

 

 

 

 

803403

算法

18

1

2

 

 

 

 

 

小计

 

 

 

1170

71

14

16

22

18

 

 

 

 

综合实践

1

 

跟岗实习

288

12

 

 

 

 

 

 

各系

2

 

顶岗实习

576

24

 

 

 

 

 

 

各系

小计

 

 

 

864

36

 

 

 

 

 

 

 

 

 

 

总学时/总学分

 

2716

145

 

 

 

 

 

 

实践  %

 

理论教学周/集中实践周

 

 

 

1

1

2

1

 

 

 

 

周学时

26

 

 

26

26

26

24

 

 

平均

 

 

★核心课  ●考试课

2019-8-19

核发: 点击数:34 收藏本页
分享到
相关链接