大数据专业建设方案

大数据专业建设方案

第一章 大数据发展背景

- 国家政策

• 2017年1月

工业和信息化部正式发布了《大数据产业发展规划（2016－2020年）》，明确了“十三五”时期大数据产业的发展思路、原则和目标，将引导大数据产业持续健康发展，有力支撑制造强国和网络强国建设。

• 2018年9月

工信部公示“2018年大数据产业发展试点示范项目名单”，公布了包括大数据存储管理、大数据分析挖掘、大数据安全保障、产业创新大数据应用、跨行业大数据融合应用、民生服务大数据应用、大数据测试评估、大数据重点标准研制及应用、政务数据共享开放平台及公共数据共享开放平台等10个方向200个项目。

• 2019年11月

为进一步落实《国务院关于印发促进大数据发展行动纲要的通知》和《大数据产业发展规划（2016~2020年）》，推进实施国家大数据战略，务实推动大数据技术、产业创新发展，我国工业和信息化部将组织开展2020年大数据产业发展试点示范项目申报工作。

第二章 建设目标

• 2.1 培养方案建设

针对理、工、商等不同专业结合院校优势学科为高校量身定制符合高校特色的个性化人才培养方案，以专业必修课为基础、以大数据专业知识为核心、以大数据进阶课为方向、以数据及项目案例为最终出口，包含大数据基础、数据采集、数据存储、数据处理、数据分析、数据挖掘、数据可视化、人工智能、大数据案例等完整的教学资源，让学生通过实验教学熟练掌握大数据相关技能，并且通过项目案例熟悉真实大数据处理流程，全面综合提升学生能力。

• 2.2 教学资源建设

建立包括大数据基础、大数据进阶、人工智能等多种实验分类及实验模块，包含从基础到应用的一系列实验资源并配备与课程配套的教材资料、视频资源、PPT讲义等课件资源，在满足老师教学需求的同时，能够节省时间，让老师能够将更多的时间和精力投入到教学管理中。

• 2.3 实训基地建设

实验室的设计全面落实“产、学、研、监、用、评”一体化的思想和模式，以课程为根本，融入实操实训，结合行业项目训练，以岗位职业培养为导向，同时支持竞赛训练、以赛促学；从空间、文化、课程、教务、智能五个维度建设实验室，从教学、实践、使用、科研、监控、评估等多方面培养人才，让学生更好地完成专业课程学习及人才岗位对接实训。

第三章 红亚教学

红亚大数据教学平台基于高校的教学场景，运用云计算技术，集课程实验、算法实战、数据科研、考试于一体的实训平台，平台课程共计800多个任务。学生可通过浏览器访问使用，可在学校任何一个网络可达的场所进行学习。
系统课程学习模式包括实验平台、项目路径和职业路径，满足不同场景的教学需求。在教学管理方面，平台自带人工智能课程推荐功能，可为学生提供个性化课程推荐及AI课程助手，助力学生定向就业。还可以通过大数据分析，自动生成学业报告，为学生就业提供桥梁，并作为教师教学的得力助手，为高校的学生能力培养及教师的工作提供强有力的支持。

• 3.1 学习模式
  • 3.1.1 实验平台

该模式以知识体系为核心，将大数据内容按照不同类型的知识模块进行分类。如大数据基础体系下包含了：Linux基础、编程基础、数学基础、数据库基础等课程；大数据进阶体系包含了：Hadoop、Spark数据处理、R语言、Python数据处理、SAS数据分析等课程；该模式围绕一个内容展开了多方面知识的学习，老师可以自定义实验内容及实验镜像，将文本类、实操类、视频类课件上传到教学平台上满足教学需求。

• 3.2 在线考试
  3.2.1 理论考核

理论考核采用在线考核模式，将单选题、多选题、判断题、填空题、简答题添加在试卷上，每一道题的题目、正选、分值等内容可由管理员自行设置，简答题题采用关键词进行自动判分，同时也可以由教师手动判分。

• 3.2.2 实践测评

实践测评考核模式是以实验操作过程为考核点，也称之为实操题考核模式，由教师在管理端设置考核步骤、分值权重，平台提供配套的实验考试环境。学生在实际操作过程中遇到的考核点，需要根据实际结果去填写，到最后统一汇总分数。该模式突破了传统的考核模式，通过实操的方式来加深印象，巩固大数据知识。

• 3.3 智能教务
  3.3.1 教学进度分析

课程实验具有核全局开关功能，打开全局考核后，进行所有实验时都必须完成实验当中设定的每一步考核才能查看下一步。接着，系统不仅自动检测到正在进行实验，也可以手动设定实验状态分析（也可以手动设置分析目标）。查看分析结果时可查看每个班级的学生在进行每个实验时完成度，查看每个实验的每个步骤的通过率、完成率、完成进度、实验总结信息等。
教学进度分析功能可通过智能化的手段，有效帮助教师分析并掌握整个班级的学习情况，根据学生完成实验的进度过程进行授课，选择重点难点部分进行针对性讲解，有效降低教师授课压力，高效完成授课任务。

• 3.3.2 教学计划管理

管理员在后台可以一次性布置全部的教学计划，规定上课时间与学习课程，随后学生通过在前端查看，即可了解到每一天的课程安排。

第四章 实训平台支持高校大数据课程

• 4.1 本科院校
  4.1.1 工科类大数据专业课程体系

新工科专业人才培养的关键是人才培养理念、思想和方法，其核心是如何构建适合社会经济生活发展需要的专业课程体系。当前，我国政府大力倡导以创新为核心的“互联网+产业”创业模式、支持“中国制造2025”向智能化方向发展。为适应国家的上述战略需求，发展新业态、新技术、新模式、新产业为主要特征的新经济是当前社会的普共识。要想中国在核心关键技术上获得突破，在未来全球他的贸易与创新经济中获得有效战略地位，迫切需要高等学校培养一大批适应新经济的工程技术人才。因此，课程建设体系以新工科建设理念为基础，适合新工科人才培养的专业课程配置体系，这对于高校参与新兴大数据技术专业教育教学，培养适应新经济的数据分析及应用人才具有重要的现实意义。

• 4.1.2 理科类大数据专业课程体系

理科专业学生将掌握面向大数据应用的数学、统计学、计算机科学基础理论和方法，熟练运用各种大数据分析技术和手段；在数据建模、数据管理和分析、统计推断的基本理论、方法和技能方面进行系统学习；同时具备一定的数据预处理能力、大数据系统架构能力，并能自行开展简单的大数据应用开发。本专业学生在系统的专业技术训练基础上，具备广泛的数据应用视野、能够胜任大数据分析挖掘、大数据系统开发等技术领域以及大数据各类应用领域的多层次工作。

• 4.1.3 商科类大数据专业课程体系

为了增强学生就业创业竞争力，提高就业率和创业成功率，商务数据分析与应用专业主要目标是让学生在理解商务数据分析的意义、作用、基本流程、常用方法等理论基础上，掌握行业数据分析、客户数据分析、商品数据分析以及运营数据分析等典型分析任务的分析内容、分析方法与分析步骤。通过构建商务数据分析的整体知识框架、熟悉常用分析模型与分析工具，为进一步学习数据化运营、电子商务大数据分析等实战课程奠定基础。

• 4.2 职业院校
  4.2.1 大数据技术与应用专业课程体系

大数据技术与应用专业培养适应生产、建设、服务和管理第一线需要的人才，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、云计算等课程，并适度增加前沿技术课程，如人工智能类课程。