贵州师范大学

数据科学与大数据技术专业本科人才培养方案

一、培养目标

本专业培养具有“较深的人文底蕴、强烈的创新意识、宽广的国际视野、扎实的专业知识”的高素质应用型工程技术人才。具有良好的思想道德修养、创新创业精神和良好的职业道德精神，具备自主学习能力、批判思维能力和较强的国际交流能力；具有信息科学、数理统计和数据科学基础知识与基本技能，熟练掌握大数据的采集、预处理、存储、处理、分析、可视化和数据安全等技术；具备一定的数据科学研究能力以及数据科学家岗位的基本素养。能胜任政府、企事业单位、社会组织等部门的大数据挖掘、数据分析、研发、测试、运维、管理和教育服务等工作。

二、培养模式

本专业采取校企联合培养模式，采用基于榜样式学习方法（MCLA）进行授课，专业课程融合印度国家信息学院（以下简称：NIIT）教学体系，NIIT承担一半的专业课程，并由外籍或部分国内教师担任主讲教师，采用双语教学。重点培养学生的工程实践能力，突出国际化办学理念。

教学具体安排为校内教学和企业实践（详见附件）。前六个学期在贵州师范大学系统学习融合了NIIT教学体系的基础课程；第七学期在NIIT培训基地，参与仿真环境下的企业实训；第八学期进入国内知名IT企业实习。企业实践时间不少于一年。

三、培养规格

1、培养依据

根据国务院《促进大数据发展行动纲要》、《贵州省大数据产业发展应用规划纲要2014-2020》对大数据产业发展规划和要求，以及教育部对示范性软件学院和实施卓越工程师教育培养计划的若干意见，结合市场对大数据人才需求和企业反馈，制定本专业的人才培养规格。

2、培养要求

毕业生应在思想素质、知识和能力等方面应达到如下要求。

1）毕业生身心健康，热爱祖国，拥护中国共产党的领导，树立科学的世界观、人生观和价值观，具有责任心、社会责任感和法律意识；

2）自觉遵纪守法，热爱本专业，注重职业道德修养，具有诚信意识和团队精神及一定的审美能力；

3）通过系统学习所选课程，能深刻理解信息科学、数理统计和数据科学的基础理论，又能熟练掌握数据科学和大数据技术专业的核心知识和技术，并兼备较好的人文社会科学和管理科学素养；

4）能够将数学、信息科学、工程基础和专业知识用于解决大数据技术问题；

5）针对具体的大数据技术问题，选择与使用恰当的技术、资源、现代工程工具和信息技术工具，并能够理解其局限性；

6）具有数据采集、数据预处理、数据处理、数据分析、数据可视化和数据安全等方面基本能力；

7）了解数据科学和大数据技术的最新发展动态，并掌握相关文献检索方法，具有基本的专业资料分析与综合的能力，良好的文档与科学论文撰写能力，以及较强的创新意识、一定的创新创业能力和工程实践能力。

8）具备较强的国际交流能力，能够在跨文化背景下进行沟通和交流。

四、主干学科

统计学、计算机科学与技术。

五、本专业的课程设计思路及课程关系

1、课程设计的理念

1）突出国际化与职业素养

课程设置和教学方法突出外语应用、团队合作、系统思维以及解决问题的专业化能力。以提高国际竞争能力为导向，加强CMM、ISO9000等大数据工程和大数据分析等方面的教学内容。融合学历教育和NIIT软件工程师（DNIIT）国际认证。专业课程二分之一学分由NIIT承担，采取双语教学。

2）突出先进的教学体系

基础理论部分重视突出专业的系统性、先进性与实用性；专业方向、课程设置和教学方法方面注重与教育部“大数据卓越工程师培养计划”以及NIIT国际化教学体系的密切结合；强化全面的质量管理，确保学科知识的系统化、课程设置的模块化以及专业技能的先进性。

3）重点突出工程实践能力

专业培养采用基于榜样式学习方法（MCLA）进行授课，课程体系设有大量的实训环节，强化课程设计、仿真实训与企业实习的实践环节，满足市场的实际需求。

2、人才培养规格与具体开设课程之间的关系

本专业的人才培养规格与具体开设课程之间的关系见表1。

表1人才培养规格与具体开设课程之间的关系

培养规格	主要课程	课程模块
具有坚定的政治方向，树立科学的世界观、正确的人生观和价值观，具备良好的行为规范和职业道德。具有健康的体魄、体质和性格；具有健全的心理，具有科学精神、良好道德和审美素养；具有健全的人格；具有本专业以外的人文科学以及文化艺术方面的有关基础知识和基本修养，具有较高的文化素质。	思想道德修养与法律基础、中国近代史纲要、马克思主义基本原理、毛泽东思想和中国特色社会主义理论体系概论、贵州省情、军事理论、大学英语、公共体育	通识课程模块
掌握本专业所需的高等数学、数理统计的基本理论和基础知识，具有良好的科学素养。	高等数学II（一、二）、线性代数、概率论与数理统计、多元统计分析与R语言建模	相关学科基础课程
掌握统计学、计算机科学、数据科学的基础知识、基本原理和基本实验技能；了解各学科之间的内在联系，形成较完整的自然科学知识结构。	程序设计基础、信息搜索和分析技能、企业级应用开发、数据库原理、离散数学、算法与数据结构、操作系统原理、计算机网络与通信、软件工程、人工智能	本学科基础课程
掌握分布式操作系统、分布式数据库等的基础知识、基本理论和基本实验技能；掌握结构化数据、半结构化数据和非结构化数据的采集、清洗、处理、分析、可视化等的基本实验原理和技能，具备一定的专业实验设计能力；具有领域大数据系统集成、应用软件研发、数据分析、大数据系统运维和数据安全初步能力；了解数据科学和大数据技术的理论前沿、应用前景和最新发展动态，以及大数据产业的发展状况。	图像处理基础、分布式计算原理、高级数据库、机器学习、互联网数据获取技术、数据可视化技术、ETL技术、大数据安全技术	专业核心课程
与大数据工程和数据分析相关的系列课程，拓宽学生专业知识面，培养学生在大数据工程和数据分析两个方向的专业能力，使学生掌握相关的基本理论和应用的基础实践能力，使之具备在某一学科方向上继续发展的能力。	大数据工程：Linux操作系统（内核）、高性能系统架构、物联网技术基础、虚拟化技术、金融大数据 大数据分析：Spark与集群技术、数据仓库与数据挖掘、大数据与舆情分析、自然语言处理、前沿技术运用	发展方向课程

3、课程之间的相互关系

根据数据科学与大数据技术专业培养目标和培养规格要求，在保证“较深的人文底蕴、强烈的创新意识、宽广的国际视野、扎实的专业知识”的人才培养模式的基本框架下，构建“学科基础平台+专业教育平台+专业发展方向平台+实践教育平台”的专业课程教学体系。

1）通识教育平台

由“思想政治理论课程模块”、“体育与健康课程模块”、“大学外语课程模块”、“计算机应用课程模块”、“军事理论与军事训练课程模块”、“综合教育课程模块”等领域的课程模块构成。该平台课程主要培养学生获得人文社科知识以及发现问题、分析问题和解决问题的能力，以便在数据科学与大数据技术领域进行系统的学习和发展。

2）学科基础平台

数据科学与大数据技术专业是建立在统计学、信息科学等基础学科之上的应用型学科，学科基础平台由相关学科基础课程与数据科学学科基础课程构成。该基础平台课程的优化与建设，是夯实学生的学科基础,强化学生基本技能,增强学生的工作适应性,促进研究水平的提升,推动行业的科技进步的重要环节。

3）专业教育平台

主要由从事本专业所需的专业知识的专业核心课程构成，在专业基础课的基础上，提升学科专业知识体系和扩大学生的国际视野，在人才培养中体现专业发展的层次和前沿，同时构成数据科学与大数据技术的专业理论基础。

4）专业发展方向平台

数据科学与大数据技术专业设计两个方向模块课程，以与大数据工程和数据分析相关的系列选修课作为课程群，为学生进一步明确数据科学与大数据技术相关职业而设定，是在专业基础课程、专业核心课程基础上丰富和完善其知识、技能构成的课程。通过发展方向课程可以使学生的爱好、兴趣得到更好的培养和发展，使之具备在某一学科方向上继续发展学科特色的专业风格，为学生发展提供更多的就业和深造机会。

5）实践教育平台

主要由“通识教育实践”、“学科专业实践”、“专业技能培训”、“素质拓展与创新创业”等几个课程模块构成。几个模块课程要求数据科学与大数据技术专业学生必须受到应用方法、开发性研究的基本训练，并且要初步了解生产实际，具有良好的从事实际应用工作的心理准备，能够将数据科学与大数据技术基本理论和技能与生产实际相结合，使学生具备较强的实际操作技能，满足市场的实际需求。

六、学制、毕业要求、学位和国际认证

1、学制

标准学制为4年，可在3-6年内完成学业。

2、毕业要求

毕业所需总学分为：173学分；其中，通识课程39学分；专业课程106学分；综合实践课程28学分。符合毕业条件者，颁发毕业证书。

3、学位

在规定学制内，修满各教学环节规定的学分，成绩合格，符合学校学士学位授予条件的毕业生，授予工学学士学位。

4、国际认证

符合毕业条件者，通过了NIIT认证考试的，可获得NIIT软件工程师（DNIIT）国际认证。

 

 

 

 

七、课程结构及学分分布

主要环节比例：毕业总学分173，实践环节学分57，占总学分的32.95%；其中，独立实验/实训/实践课程学分28，占总学分比例为16.18%；最低选修课程学分26，占总学分的15.03%。

八、人才培养计划表

数据科学与大数据技术通识课程人才培养计划表

学院：大数据与计算机科学学院                年级：2017级                    培养层次：本科                      

数据科学与大数据技术专业课程人才培养计划表

 

学院：大数据与计算机科学学院                          年级：2017级                   培养层次：本科

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

数据科学与大数据技术专业通识类综合实践课程人才培养计划表

学院：大数据与计算机科学学院                          年级：2017级                  培养层次：本科

注：军事理论课程结合军训进行，实践教学的“学期及周学时分布”，请用“√”表示。

数据科学与大数据技术专业类综合实践课程人才培养计划表

学院：大数据与计算机科学学院                                  年级：2017级                      培养层次：本科

注：实践教学环节的“学期及周学时分布”，请用“√”表示。

              数据科学与大数据技术专业职业基本技能训练课程人才培养计划表

学院：大数据与计算机科学学院                    年级：2017级                   培养层次：本科

注：实践教学环节的“学期及周学时分布”，请用“√”表示

 

数据科学与大数据技术专业素质拓展与创新创业课程人才培养成绩认定表

 

学院：大数据与计算机科学学院       学生：          学号：           年级：2017级      培养层次：本科

注： 由学生本人提出申请，提交相关证明材料原件，责任单位认定，记入个人档案。

 

 

 

 

数据科学与大数据技术专业素质拓展与创新创业课程

人才培养成绩认定方案

素质拓展与创新创业课程主要由课外能力培养和课外素质拓展两部分组成，是人才培养过程的重要组成部分。本专业学生的素质拓展与创新创业课程学分主要通过大学生社团活动、学生课外创新活动、学生社会实践活动以及创新学分制、特长证书、资格证书和大学生学术科技计划、大学生创业计划、学科竞赛计划等构成。

(1)参与校级及以上单位组织的大学生社团活动、学生课外创新活动、学生社会实践活动等组织者或主要参与者，取得相关认证证书或证明的，经学校认定可取得相应的学分。

(2)参与校级及以上单位组织的学科竞赛、专业技能比赛、职业技能比赛、学生科技创新课题等，取得相关获奖证书或结题证明的，经学校认定可以取得相应的学分。

(3)在校级及以上单位主管的报刊、杂志上发表数据科学、大数据技术和应用软件作品或其它与本专业相关的创作作品等，经学校认定可以取得相应的学分。

(4) 素质拓展与创新创业课程学分认定标准。

附件：

贵州师范大学与NIIT联合办学实施方案

一、联合办学专业

数据科学与大数据技术专业

二、联合办学模式

本专业采取校企联合培养模式，采用基于榜样式学习方法（MCLA）进行授课，专业课程融合印度国家信息学院教学体系，NIIT承担一半的专业课程，并由外籍或部分国内教师担任主讲教师，采用双语教学。重点培养学生的工程实践能力，突出国际化办学理念。

教学具体安排为校内教学和企业实践。前六个学期在贵州师范大学系统学习融合了NIIT教学体系的基础课程；第七学期在NIIT培训基地，参与仿真环境下的企业实训；第八学期进入国内知名IT企业实习。企业实践时间不少于一年。

三、联合办学特色

1、引进技术前沿的课程体系

使用NIIT最前沿的课程体系，实行动态更新的课程设置。

2、融合学历教育和技术认证

学生达到培养方案的要求并通过认证考试的，可同时获得贵州师范大学本科毕业证书（含学士学位）和NIIT软件工程师（DNIIT）国际认证。

3、重点培养学生的工程实践能力

采用基于榜样的学习方法（MCLA）进行授课。课程体系中设有大量的实训环节，强化课程设计、仿真实训和企业实习所需的实践环节，培养效果更加贴合企业的用人需求。

4、每个学期NIIT为学员提供ISAS和Project项目

1）ISAS

信息搜索与分析技能是NIIT重要课程之一。设置ISAS课程的目的就是为了弥补常规教学中只传授学生专业知识技能，而忽视培养学生主动获得相关知识能力的不足。为学生提供一个对相关主题进行搜索和综合论述的平台和机会。

事实证明，ISAS课程的引进不仅培养了学生独立思考和综合能力，而且使之在亲身体验和观摩他人的过程中提高其综合表达能力。这种综合能力对学生在今后工作中做技术总结或专题报告都是非常有帮助的。

2）Project项目开发

通过每个学期的最后两周集中式的仿真项目实训课程，为学员整合本学期的课程。从而帮助学员全面掌握软件工程管理、软件需求分析、软件初步设计、软件详细设计、软件测试等阶段的方法和技术。培养学生按照软件项目的标准和规范，进行软件开发的能力，培养学生的合作意识和团队精神，培养学生对技术文档的编写能力。

四、NIIT课程体系

1、突出国际化和职业素养

课程设置和教学方法突出外语应用、团队合作、系统思维和解决问题的专业化能力。NIIT承担一半的专业课程采用双语教学，由外籍老师担任主讲。

2、引入先进的教学体系

基础理论部分重视突出专业的系统性、先进性和实用性。专业方向、课程设置和教学方法方面注重和教育部“卓越工程师培养计划” 、“‘新工科’ 行动路线（天大行动）”以及NIIT国际化教学体系密切结合，强化全面的质量管理，确保学科知识的系统化、课程设置的模块化和专业技能的先进性。

3、“互联网+”教育平台

为响应教育部“‘新工科’ 行动路线（天大行动）”，NIIT自主研发training-china.com“互联网+”教育平台为中国教育教学引入新模式。平台提供课程学习与项目学习相结合的方式，探究式与小班研讨式学习方式、MOOC/SPOC+ 翻转课堂教学改革模式为学生创造更多的新机会， 包括选专业与选课机会、跟名师学习名课的机会，为学生创造一个多维度的学习空间。校企合作协同育人与企业实习为学生创造参与创新创业实践和到名企实习的机会，也为教师创造更多与企业专家合作交流机会，从未为高校打造更高层次专业型、应用型、创新型、复合型教师团队，这也是新工科教育的重要方式。

NIIT引入一线的印度IT专家为学员授课，提供国际化办学经验和先进技术，并为学校优质人才提供优质就业机会，从而为学校培养适应产业发展需要的、具有国际竞争力的高质量人才，帮助学校“建立有中国特色、面向行业需求、构建与国际接轨的工程教育体系”。

根据NIIT教学理念和国际认证的需要，设置课程体系如下。

阶段	课程名称	课程简介
第一阶段	Java编程	熟练掌握JavaSE核心内容包括NIO、泛型、JDBC，特别是IO和多线程；初步具备面向对象设计和编程的能力；掌握基本的JVM优化策略。
	Linux 操作系统基础	了解Linux 操作系统演变、功能部件、优点、架构和文件系统；熟练使用Linux常用命令；了解Linux系统下常用的编辑器 掌握vim编辑器的基本使用与高级应用；能够熟练查看、添加、删除、修改用户、用户组信息；熟练设置Linux系统普通文件权限 特殊权限位 文件Facl权限；熟练调整磁盘空间容量；掌握数据的备份与恢复；掌握基本的网络配置与远程访问配置；掌握系统常见故障的修复；了解Shell脚本语言有哪些、掌握BASH的功能；Shell脚本的书写格式与执行过程；
	使用 MySQL 创建、查询和管理数据库	了解MySQL的安装与卸载、MySQL账号管理，熟练掌握SQL语句、数据库增删改操作DDL语句使用、表增删改操作DML语句使用、表查询操作DQL语句使用、以及查询语句条件、排序、聚合、分组操作，掌握多表操作、导入导出数据、索引视图、存储过程、触发器、事务及数据库优化
第二阶段	大数据理论基础	介绍目前业内常用的大数据处理工具，并介绍国内知名互联网公司大数据的使用案例
	Hadoop编程	了解Hadoop整体架构，深入理解HDFS的体系结构以及通过API来操作HDFS文件系统。重点介绍MapReduce编程，通过常用MapReduce的设计模式来加深对MR编程的理解；了解Hadoop优化的方向以及Hadoop安全管理方向。
	使用Zookeeper建立集群应用	了解Zookeeper集群的安装部署，理解Zookeeper的常用使用场景以及在分布式集群中的作用和意义。通过API编程来操作zk上的各节点，利用Shell命令来查看和管理Znode节点。
	Hbase企业应用程序开发	了解Hbase集群安装部署，熟悉使用API操作HBASE数据库，熟练使用各种系统自带过滤器和自定义过滤器；通过对RowKey的巧妙设计让系统达到最优；在性能方面了解优化的方向
	Hive编程	熟练使用各种数据加载方式；理解Hive的表分区工作原理和使用场景；深入理解Hive自定义函数的开发和使用技巧；了解如何优化Hive的查询
第三阶段	使用Storm实现分布式实时计算	理解Storm分布式计算的流程，深入了解各组件的功能以及在编程中Storm常用的分组策略；通过Storm+Kafaka的实战项目来全面理解Storm流式编程的技巧
	Redis入门	了解Redis常用API，并结合项目去深入了解如何在项目中使用Redis来提示系统的性能
	使用Sqoop进行数据交换	了解Sqoop的安装部署，理解如何用Sqoop在HDFS和关系型数据之间的数据互导
	使用Kafka实现分布式消息系统	了解Kafka的安装配置，了解consumer 和producer的功能，通过实例编程来深入理解Kafka的使用方法和使用场景。
第四阶段	使用Flume的实时采集日志	了解Flume的安装部署，了解Flume日志采集和数据处理
	Mahout数据挖掘	了解Mahout的安装部署，了解Mahout常用算法库，理解k-means算法、基于用户的推荐器、基于项目的推荐器

五、NIIT承担的课程和实践环节

为了体现校企联合办学的理念和特色，将NIIT课程体系和专业培养方案进行科学融合，NIIT承担的课程和实践环节具体体现如下。

六、NIIT讲师授课要求

1、NIIT讲师必须是来自国内外一线，拥有至少在业内8年的工作经验；

2、NIIT讲师需要通过NIIT师资认证；

3、NIIT讲师授课需要遵循NIIT基于榜样的学习（MCLA）教学法；

4、教材内容与国际软件开发趋势接轨，平均18个月更新一次。

七、NIIT为贵师大师资培训的计划

NIIT每年寒暑假都会进行一次教师培训。培训的内容主要涵盖NIIT教学法、NIIT平台教学中使用指导、新技术培训和项目仿真训练。

NIIT积极与教育部推进“产学研协同育人项目”，通过“师资培训”计划，根据“提高教育教学能力、教育创新能力和教育科研能力”的指导思想，按照“定方向、定时间、定目标、定任务”的“四定”思路，推行项目管理制度，以线上资源分享与线下实训操作相结合的模式培养IT专业师资，为贵师大打造更高层次专业型、应用型、创新型、复合型师资队伍。

八、第七学期实训

NIIT在第七学期为NIIT学员提供仿真企业实训。实训地址：贵安新区高端装备制造产业园贵州NIIT大数据与软件服务外包实训基地。基地位于贵安新区高端产业制造园7号楼2楼，占地3000平米，拥有8间实训教室和一间素质拓展教室，可以同时容纳300名学员实训授课，基地拥有先进教学实训设备300余台。

实训基地实景图

九、实训形式

项目实训以既有班级为组织机构，以项目小组为单位进行。

1、班级按项目小组进行分组，每组安排4-5人；

2、每个项目小组推选出项目负责人或项目经理；

3、由项目经理召集项目组成员讨论、协作项目组成员开发项目；

4、实行项目经理负责制，由项目经理统一管理整个项目的实施过程，并合理调整资源和负责项目全局；

5、根据项目的难易程度合理分配组员的任务，使项目的每项任务切实落实到个人且规定该任务的起止日期，并最终对问题达成一致的看法；

6、针对项目的实施和采用的软件开发方法，熟悉相应的软件开发工具及其使用环境；

7、查阅相关参考资料，阅读国家有关软件开发的标准文档。项目实训上课采用以“互联网+教育”模式，采用线上线下双结合的方式进行。

8、NIIT 采用SLT（同步学习技术）的方式向学员传授课程。学员在线下导师的指导下完成作业练习、项目开发等内容。学员通过 Training-china.com 在线学习平台复看在线课程，进一步巩固知识点和技能。

十、实训内容

考虑到本专业人才培养方案中课程制定时间相对较早，而IT行业技术更新日新月异。NIIT在第七学期实训环节，为学员通过定制化的课程，帮助学生对新技术或者新版本进行查漏补缺；通过定制化的实训项目为学员提供仿真的企业实践。具体的实训内容与项目会根据就业、技术版本升级等做相应调整。以下是NIIT大数据项目实训项目：

1、大数据工程方向和大数据分析方向共同实训项目

1）大型离线数据电商分析平台

离线数据分析平台是一种利用Hadoop集群开发工具的一种方式，主要作用是帮助公司对网站的应用有一个比较好的了解。尤其是在电商、旅游、银行、证券、游戏等领域有非常广泛。因为，这些领域对数据和用户的特性把握要求比较高，对于离线数据的分析要求较高。

技术框架：

（1）Flume、Hadoop、Hbase、Hive、Oozie、Sqoop、离线数据分析，SpringMVC，Highchat

（2）Flume + Hadoop + Hbase + SpringMVC + MyBatis + MySQL + echarts实现的电商离线数据分析

（3）日志收集系统、日志分析、数据展示设计

2）大型实时数据电商分析平台

本项目使用了Spark技术生态栈中最常用的三个技术框架，Spark Core、Spark SQL和Spark Streaming，进行离线计算和实时计算业务模块的开发。实现了包括用户访问session分析、页面单跳转化率统计、热门商品离线统计、广告点击流量实时统计4个业务模块。过合理的将实际业务模块进行技术整合与改造。

该项目完全涵盖了Spark Core、Spark SQL和Spark Streaming这三个技术框架中几乎所有的功能点、知识点以及性能优化点。通过此项目，即可全面掌握Spark技术在实际项目中如何实现各种类型的业务需求！在项目中，NIIT讲师将重点讲解实际企业项目中积累下来的宝贵的性能调优、troubleshooting以及数据倾斜解决方案等知识和技术。

技术框架：

（1）Spark生态栈

2、大数据工程方向实训项目

1）大数据高并发系统架构实战方案

随着互联网的发展，高并发、大数据量的网站要求越来越高。而这些高要求都是基础的技术和细节组合而成的。本课程就从实际案例出发给大家原景重现高并发架构。

常用技术点及详细演练。通过该课程的学习，普通的技术人员就可以快速搭建起千万级的高并发大数据网站平台,课程涉及内容包括:LVS实现负载均衡、Nginx高级配置实战、共享存储实现动态内容静态化加速实战、缓存平台安装配置使用、Mysql主从复制安装配置实战等。

技术框架：

（1）LVS负载均衡、Nginx、共享存储、海量数据、队列缓存

3、大数据分析实训项目

1）Hadoop Mahout数据挖掘实战

Mahout 是 Apache Software Foundation（ASF） 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序。本项目包括：Mahout数据挖掘工具 及Hadoop实现推荐系统的综合实战，涉及到MapReduce、Pig和Mahout的综合实战。

技术框架：

（1）MapReduce、Pig、Mahout