大数据1+X职业院校人才培养方案

大数据技术与应用专业1+X院校人才培养方案一、专业名称(专业代码)专业名称(专业代码)：大数据技术与应用(610215)二、入学要求普通高级中学毕业生、中等职业学校毕业、退伍军人、新兴农民职工或具备同等学力。三、基本修业年限三年四、毕业要求1、本专业规定学生须修满161.5学分，其中选修课程最低学分为64学分；2、推进1+X证书制度，学生毕业需要学历证书+若干职业技术等级证书；3、专业规定学生须获得以下至少一个职业资格证书（或省级职业技能大赛二等奖及以上）序号职业资格证书名称证书等级发证机关相应职业岗位1NITE（大数据）专业技能培训证书中级工业和信息化部大数据运维工程师大数据采集处理工程师2OracleOCA初级OracleJava初级开发工程师3阿里云大数据助理工程师认证（ACA）初级阿里云大数据运维工程师（阿里云）大数据技术实施工程师（阿里云）4高职高专院校技能大赛“大数据技术与应用”赛项二等奖及以上全国职业院校技能大赛执行委员会大数据运维工程师大数据采集处理工程师大数据初级开发工程师5全国计算级等级考试合格证书二级及以上国家教育部考试中心软件工程师五、培养目标与人才规格（一）培养目标本专业培养德、智、体、美、劳全面发展，践行社会主义核心价值观，具有良好的职业道德、人文素养和创新精神，掌握大数据采集、数据质量、存储、处理、分析、可视化的基本理论和方法，熟练使用大数据采集工具、分析工具和大数据应用系统部署与优化相关技能，具备一定大数据工程项目的系统实施和运维经验，对接信息技术产业，面向互联网、IT软件行业，能够从事大数据运维工程师、大数据技术实施工程师、大数据采集与处理工程师、大数据初级分析师、大数据开发工程师等岗位的高素质技术技能人才。为了深化复合型技术技能人才培养培训模式改革，启动1+X证书制度，进一步发挥好学历证书作用，鼓励职业院校学生在获得学历证书的同时，积极取得多类职业技能等级证书，拓展就业创业本领，构建终身学习型社会，更有利于学生个人职业技能水平的自我认知和职业规划，同时也利于用人单位选人用人。（二）人才规格素质思想政治素质热爱国家，拥挤党的基本路线，坚持教育的社会主义方向，能够准确理解和把握社会主义核心价值观的深刻内涵和实践要求，具有正确的世界观、人生观、价值观，具有良好的职业道德和社会责任感。文化素质具有一定的人文和艺术修养；具有良好的人际沟通能力；具有开拓进取的健全人格；具有适应环境、善于调节的健康心理。善于自学，同时关注本行业技术的新发展，不断更新知识；具有社会交往、处理人际关系的基本能力和团队精神。职业素质具有合理的知识结构和一定的知识储备；具有持续学习和终身学习的能力；具有创新精神和团队精神；具备针对某一特定行业或领域进行数据工程项目的集成、实施和运维能力；具有一定的大数据科学研究能力及数据分析师岗位的基本能力和素质。身心素质具有坚强的意志力和自律能力，积极进取的健康心态；具有健康的体魄、健全的人格、良好的心理素质和行为习惯；具有一定的抗压性，勇于承担工作任务和责任；具有良好的人际关系和社会适应能力。知识通用知识（1）掌握SQL数据库系统的特点及功能，熟悉数据库表的设计和操作；（2）掌握面向对象的程序设计方法，如Python语言；（3）熟悉操作系统的特点和功能，熟悉存储系统、网络系统的结构和原理；（4）掌握资料查询、文献检索及运用现代化信息技术获取相关信息的基本方法。专业知识（1）掌握Hadoop平台以及其生态圈搭建部署与管理方法；（2）熟悉使用Kettel、informatic等主流ETL工具的方法；（3）掌握常用的数据采集、清洗、转换和与处理技术；（4）熟握常见数据分析工具的使用方法，如Excel、SPSS等；（5）了解大数据相关系统的技术架构、工作IT原理和使用技术；能力通用能力（1）具有出色的表达沟通能力和讲解能力，思维敏捷，有较好的写作能力；（2）拥有积极的人生态度和良好的心理调试能力；（3）具有一定的科学研究和实际工作能力；（4）具有对企业技术的认识能力，例如：关注阿里云、华为云等产品的实际应用能力；（5）具有职业活动和个人职业生涯发展所需要的综合能力，例如：对职业技能等级证书的考取，达到以证促学的效果；专业技能（1）能够在Linux熟练部署各种应用服务，独立处理系统故障的能力；（2）具有Hadoop或Spark等平台以及其生态圈部署、监控、优化和故障处理能力；（3）具有较强的数据仓库模型设计和ETL设计能力；（4）具有编写简单的java/python/shell脚本能力；（5）具有合理设计数据可视化展示系统的能力；（6）具有操作和使用大数据平台相关应用系统的能力，如阿里云相关服务、开源软件搭建云服务等。（7）能够自主扩展学校课程知识，参与教育部或企业等级证书活动的能力；（8）具有识别自身学习技能和证书等级划分对应的能力；六、职业面向与岗位能力（一）职业面向所属专业大类所属专业类对应行业主要职业类别主要岗位类别等级证书计算机大数据技术与应用互联网研发大数据初级分析师大数据应用开发工程师数据采集与预处理工程师ACA、OCA、NITEIT软件工程师大数据运维工程师大数据技术实施工程师ACA、NITE（二）岗位―任务―能力－课程－证书（“课证融合”、“书证融合”）序号核心岗位典型工作任务核心能力要求课程及匹配教材证书与等级1大数据运维工程师1、参与项目技术平台安装部署、日常运行维护与故障处理、大数据组件补丁升级管理；2、平台的自动化部署，运维，监控，告警处理，收集Hadoop的各项metrics指标，确保集群的正常运行；3、能够针对hadoop生态系统的批量部署场景进行运维调优，完善运维工具，合理使用，监控报警、提高数据平台品质；1、掌握Hadoop平台以及其生态圈（Hive、Zookeeper、Hbase、Kafka、Storm、Spark、Ooize、impala、flume、Sqoop）部署、监控、优化、故障处理以及保障线上集群的稳定可靠。2、深入理解Linux系统,熟练部署各种应用服务，独立处理系统故障；并熟练掌握shell脚本的编写。1、《大数据运维》本课程主要是对于Hadoop平台及生态圈的部署、监控和优化使用。2、《云计算与云安全》3、《数据安全与隐私保护》4、《大数据系统搭建与运维实践》ACA、OCA、NITE4、负责任务调度平台配置及运维管理，协助管理大数据平台运维工作。3、掌握数据仓库理论知识，具有较强的数据仓库模型设计和ETL设计能力；4、对运维的网络和存储能有一定理解；5、科学合理的选择阿里云相关服务，快速部署相关服务，利用开源软件搭建云服务，并进行相关测试。2大数据实施工程师1、有效的控制客户需求，解决项目开发过程中遇到的问题2、负责项目资料的收集、整理、建档、保存为公司重大决策项目、新产品技术项目的开发研制专题提供背景材料或咨询意见3、负责大数据平台项目实施工作，包括项目业务分析、部署、测试、优化等工作4、负责项目实施全过程管理1、了解大数据生态系统相关的架构;2、熟悉集群系统的基本操作和配置；3、熟悉主流数据库的安装及配置、熟悉SQL语句编写及ETL实施工作；4、具有较熟练的英文阅读能力和写作能力；5、具备较强的语言表达和文档编写能力，能与客户顺畅沟通或产品介绍；1、《大数据运维》主要是对于Hadoop平台及生态圈的部署、监控和优化使用2、《数据库管理与应用》主要是数据库安装及配置、SQL语句编写3、《大数据存储技术》本课程主要是对数据仓库Hive的深入学习以及ETL的创建使用4、《大数据系统搭建与运维实践》本课程强化大数据系统实施项目能力和技术运用ACA、OCA、NITE3大数据应用开发工程师1、根据需求，负责相关大数据应用模块设计；2、负责大数据平台及应用研发工作；3、负责代码实现、单元测试、代码修改和维护等工作；4、基于大数据的应用程序二次开发，开源技术组件的性能分析。1、扎实的计算机编程能力和良好的编程习惯，熟悉linux环境下编程，精通java/python/scala语言，熟悉常用的shell命令工具，熟悉Git/SVN等源代码版本控制工具，熟练使用Eclipse，idea，Tomcat，Apache等工具；熟悉linux操作系统及命令；2、掌握多线程及高性能程序设计编码及性能调优，有高并发应用开发经验优先；1、《Hadoop应用基础》本课程主要针对HDFS和MapReduce的基础开发使用2、《大数据存储技术》本课程主要是对数据仓库Hive的深入学习以及ETL的创建使用3、《Spark基础》本课程针对storm、kafka等流式计算框架的开发使用4、《大数据可视化》本课程针对D3.js、Echasrts.jsACA、OCA、NITE、大数据ACP3、从事过分布式系统的设计、开发、调优工作优先，熟悉Hadoop、Spark、ambari、Hbase、Hive、MongoDB、ElasticSearch、Redis、RabbitMQ等开源项目优先，具有数据挖掘能力；和Tableau等可视化工具的基础使用开发5、《Python程序设计》本课程主要是对python的基础学习及应用6、《数据分析与智能推荐项目实践》主要强化项目分析和技术应用能力4大数据初级分析工程师1、运用算法来解决分析问题，并且从事数据挖掘工作，能够让数据道出真相;2、帮助开发数据产品，推动数据解决方案的不断更新；3、运用算法解决分析问题，并且从事数据挖掘工作；4、为公司项目提供数据支持、数据决策分析、支持公司战略决策的数据分析。1、熟悉使用常见的数据分析工具（ExcelSAStableau等）2、熟悉LinuxShell及SQL语言3、掌握R、Python、Matlab、Scala等其中多种数据分析语言4、熟悉常用的数据分析算法5、熟悉使用常见的大数据技术分析工具（Hive，Pig等）1、《大数据分析》本课程主要是对Excel、spss的基础学习以及行业应用2、《Python程序设计》本课程主要是讲python的基础内容语法、函数，数据结构等3、《大数据存储技术》本课程主要是对数据仓库Hive的深入学习以及ETL的创建使用4、《数据分析与可视化项目实践》ACA、OCA、NITE5大数据采集处理工程师1、负责海量公开数据的数据清洗、整理以及质量检测工作等；2、负责核心数据库的日常维护和管理，处理各种数据库故障，定期对数据库进行健康检查并提交数据运行报告，负责数据库技术文档的编写；3、熟悉智能推荐各类算法，并参与公司平台建设和应用；4、参与Hadoop、HBase等大数据平台的规划、部署、建设、维护、优化等工作；5、根据需求将数据在非关系型和关系型数据库之间转化；1、熟悉分布式存储和数据库技术2、熟悉使用Shell、python相关语言3、熟悉使用Kettle、informatic等主流ETL工具4、掌握大数据采集工具（Flume等）5、掌握爬虫系统技术架构设计、重构、优化，不断增强爬虫系统的性能和功能，解决反爬问题；1、《数据采集与清洗》本课程主要是对日志、数据库、文本文件的数据采集以及网络爬虫的使用、数据的预处理2、《数据库管理与应用》3、《Python程序设计》本课程主要是对python的编程能力4、《大数据存储技术》本课程主要是对数据仓库Hive的深入学习以及ETL的创建使用5、《数据采集与预处理项大数据ACA6、负责与外围各业务数据对接，利用ETL工具将数据导入数据仓库；7、负责利用大数据处理对海量数据进行分析、建模、展现和应用挖掘数据的价值。目实践》七、课程设置与模式构建（一）学分、学时分配1、本专业设定总学分为160.5分，其中必修课程学分为96.5学分，选修课程学分为64学分，选修课程所占学分比率为40%。2、本专业设定总学时为3011学时，其中理论教学1092学时，实践教学1919学时，实践教学学时占总学时比例为64%。（二）课程模块比例分配课程模块课程类别学时学分比例（%）公共基础课程品德素养课300127.5人文素养课29917.510.9职业素养课19