2--澶ф暟鎹妧鏈笌搴旂敤涓撲笟浜烘墠鍩瑰吇鏂规-2020骞翠慨璁�.doc
2--澶ф暟鎹妧鏈笌搴旂敤涓撲笟浜烘墠鍩瑰吇鏂规-2020骞翠慨璁�.doc
长春汽车工业高等专科学校 大数据技术与应用专业 (专业代码 610215 ) 人才培养方案 (2020 年修订) 汽车营销学院(部)制 2020 年 5 月 20 日 目 录 一、专业名称及代码…………………………………………………………………………1 二、入学要求…………………………………………………………………………………1 三、修业年限…………………………………………………………………………………1 四、职业面向…………………………………………………………………………………1 五、培养目标与培养规格……………………………………………………………………1 六、课程设置及要求…………………………………………………………………………4 七、教学进程总体安排………………………………………………………………………34 八、实施保障…………………………………………………………………………………39 九、毕业要求…………………………………………………………………………………41 十、附录………………………………………………………………………………………42 一、专业名称及代码 大数据技术与应用专业 (专业代码 专业大类 61 电子信息大类 610215 ) 专业类 专业代码 专业名称 6102 计算机类 610215 大数据技术与应用 二、入学要求 入学要求：高中阶段教育毕业生或具有同等学力者。 三、修业年限 学制：全日制三年。 培养模式：“工学结合、校企合作、顶岗实习”的“1+1＋1”人才培养模式。 四、职业面向 表 1 大数据技术与应用专业职业面向 专业及代码 对应行业 职业类别 大数据技术 与应用专业 （610215） 互联网、制造 业、政府及公 用事业等 数据管理类 数据分析类 数据挖掘类 技术研发类 基础平台类 主要岗位 数据管理员 数据分析师 数据挖掘工程师 数据采集工程师 数据可视化工程师 职业技能等级证书 阿里巴巴大数据分析 与应用“1+X 证书” 华为 HCIA-Big Data 大 数据工程师认证证书 五、培养目标与培养规格 （一）培养目标 1.培养目标 通过 DT 数据技术、AT 分析技术、PT 平台技术、OT 运营技术 4 条主线，融合 Python 程序设计、 Hadoop 数据仓库技术、数据挖掘技术、网络爬虫技术、数据可视化技术、Hadoop 平台部署与运维 等核心课程，以学习产出（OBE）为导向，以“构思—设计—实施—运作”（CDIO）全过程为载体, 面向汽车工业企业和互联网公司，培养从事大数据挖掘与处理、大数据系统搭建与运维、海量数据 库管理、大数据可视化、大数据分析等相关岗位，把学生培养成为思想政治素质过硬，道德情操高 尚，身心素质健全，并具有良好的适应企业或行业要求的职业理想、职业道德、人文素质、团队合 作精神、创新精神和创业能力的高素养职业人才。 2.素养目标 把学生培养成为思想政治素质过硬，道德情操高尚，身心素质健全，并具有良好的适应企业或 行业要求的具备职业理想、职业道德、人文素质、团队合作精神、创新精神和创业能力以及大数据 分析等专业能力的高素养职业人才。 3.就业目标 本专业毕业生可在汽车工业企业和互联网公司等诸多领域，从事大数据挖掘与处理、大数据系 统搭建与运维、海量数据库管理、大数据可视化、大数据分析等相关岗位的工作。 4.发展目标 入职后，在企业经过几年的工作锻炼和培养，学生可成长为数据分析岗位、系统运维岗位业务 骨干，经过历练成长为大数据处理工程师、大数据分析师、数据可视化工程师、大数据运维工程师 等高薪职位人才。 5. 1+X 证书目标 (1)获得大学专科毕业证书； (2)获得全国大学英语应用能力合格证书； (3)获得全国计算机等级考试证书； (4)获得华为 HCIA-Big Data 大数据工程师认证证书； (5)获得阿里巴巴大数据分析与应用“1+X 证书” 。 （二）培养规格 1.专业能力 能够独立解答客户关于大数据分析技术相关的问题； 能够根据业务需求推荐合适的大数据平台及方案； 能够根据业务需求，输出大数据分析解决方案架构图及说明文档； 能够根据大数据平台使用手册，开通和配置大数据计算平台； 能够根据业务需求构建数据评估体系，对企业数据进行完整性评估； 能够确立数据质量改进目标、评估并制定改善计划，实施改进并评估改善效果； 能够根据业务需求，使用 SQL 进行数据清洗、分析处理； 能够独立使用大数据平台实现数据库与大数据平台之间的数据迁移； 能够独立进行数据仓库方案设计； 能够基于数据仓库方案设计，选择合适的大数据产品进行数据仓库搭建； 能够独立使用数据仓库进行数据的 ETL（抽取、转化、加载）操作； 能够根据业务需求，进行数据可视化的整体方案设计； 能够根据数据可视化方案，选择合适的数据可视化工具； 能够使用数据可视化工具完成数据 BI 报表的制作； 能够根据数据可视化方案和数据分析指标，完成数据展示大屏的制作； 能够基于数据挖掘分类算法，对业务目标进行预测分析； 能够使用不同维度和方法，对模型效果进行准确性评估； 能够基于机器学习平台，根据业务需求进行分类、聚类分析； 能够基于机器学习平台，根据用户画像分析，构建简单的推荐系统； 能够基于机器学习平台，根据用户行为进行用户流失预测； 能够根据业务需求，基于云平台进行大数据系统架构设计并实现搭建部署； 能够根据业务需求，规划设计自建大数据系统往云上迁移的方案。 2.方法能力 新知识与技能的学习能力； 查找工程资料、文献等获取信息的能力； 技术资料阅读、技术文件编制能力； 使用企业信息资源制定工作计划能力； 解决工程实际问题的能力； 工作结果的评价与反思能力； 具备本专业应有的基本素质和基础能力。 3.社会能力 良好的思想政治素质、道德水平、行为规范； 健全的法律、法制观念； 较强的口头和书面表达能力、人际沟通能力； 较强的计划组织协调能力、团队协作能力，抵抗挫折和打击的能力； 爱岗敬业、勤于思考、刻苦钻研、奉献社会的职业道德； 养成良好的锻炼身体习惯和日常的生活习惯； 具有信息获取能力、解决问题能力、创新能力； 较强的开拓发展和创新能力； 较强的责任、质量、安全、环境保护意识。 六、课程设置及要求 （一）公共基础课程 1.入学教育 【课程类型】 公共课，必修 【课程目标】 引导和帮助新生快速了解和适应大学生活，认识专业及其发展走向，认识自我和成长成才的途 径，实现从高中生到大学生的转变，使学生养成良好的生活习惯，掌握包括肺结核等传染病的危害 及预防措施。树立正确积极的人生观、价值观和世界观。 【主要内容】 安全教育、健康教育、学习引导教育、心理辅导教育、5S 管理、团队合作、新生体检等。 【教学要求】 提高学生安全意识和自我保护能力，防止不安全事件的发生；帮助学生建立公共卫生意识，向 学生介绍常见传染病的预播方式，掌握预防保健的基本知识；从不同侧面对新生产生强烈的震撼， 激发他们树立远大目标，努力学习，奋发进取；让学生学会自我调整、自我放松的方法，逐步克服 心理障碍、培养他们良好的性格；学习企业 5S 现场管理理念与方法；在团队合作中展现团队精神。 【考核】 考查，重点对课程学习的过程进行考核占总成绩的 100%。 2.军事技能（军训） 【课程类型】 公共课，必修，实训周 【课程目标】 了解掌握基本的军事技能，增强学生国防观念和国家安全意识，强化学生组织性和纪律性，弘 扬爱国主义、集体主义和革命英雄主义，磨炼意志品质，激发战胜困难的信心和勇气，培养艰苦奋 斗、吃苦耐劳的作风，促进综合素质提高，为国家人才培养打下坚实基础。 【主要内容】 共同条令教育与训练、射击与战术训练、防卫技能与战时防护训练、战备基础与应用训练。 【教学要求】 掌握基本军事技能和军事理论，增强国防观念、国家安全意识，弘扬爱国主义、集体主义和革 命英雄主义精神，培养艰苦奋斗、吃苦耐劳的作风。 【考核方式】 考查，军事技能训练考核由学校和承训教官共同组织实施，成绩分优秀、良好、及格和不及格 四个等级。根据学生参训时间、现实表现、掌握程度综合评定。 3.军事理论 【课程类型】 公共课，必修 【课程目标】 了解掌握基本的军事理论知识，深刻认识当前我国面临的安全形势，了解世界主要国家军事力 量及战略动向，理解习近平强军思想的科学含义和主要内容，使学生树立科学的战争观和方法论， 使增强学生忧患意识了，增强国防观念、国家安全意识，弘扬爱国主义精神、传承红色基因、提高 学生综合国防素质。 【主要内容】 中国国防、国家安全、军事思想、现代战争、信息化装备等。 【教学要求】 掌握军事基本理论 【考核】 考试，军事理论考试由学校组织实施，考试成绩按百分制计分，根据卷面成绩、平时作业、考 勤情况和课堂表现综合评定。。 4.大学生心理健康教育 【课程类型】 公共课，必修 【课程目标】 课程旨在使学生明确心理健康的标准及意义，增强自我心理保健意识和心理危机预防意识，掌 握并应用心理健康知识，培养自我认知能力、人际沟通能力、自我调节能力，以科学的态度对待各 种心理问题，切实提高心理素质，促进学生全面发展。 【主要内容】 介绍心理健康知识，使大学生能够正确认识自我和环境，树立心理健康意识和心理保健意识； 传授心理调适的方法，增强大学生的自我心理调节能力，有效消除心理困惑，提高受挫能力和适应 能力。 【教学要求】 树立心理健康意识，优化心理品质。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 5. 思想道德修养与法律基础 【课程类型】 公共课，必修 【课程目标】 本课程以马克思主义、毛泽东思想、邓小平理论、“三个代表”重要思想、科学发展观及习近 平新时代中国特色社会主义思想为指导，以社会主义核心价值体系为主线，以马克思主义的世界观、 人生观、价值观、道德观和法制观教育为主要内容，遵循大学生成长的基本规律，既有思想性、理 论性、又具有较强的实践性特点。在理论与实际的结合上，对当代大学生面临和关心的实际问题予 以科学的有说服力的回答和引导，帮助大学生树立社会主义核心价值观，培养良好的思想道德素质 和法律素质，为培养德智体美劳全面发展的社会主义建设者和接班人打下坚实的基础。 【主要内容】 本课程以马克思主义理论为指导，以落实立德树人为根本任务，培养社会主义建设者和接班人 为根本遵循，以正确的世界观、人生观、价值观和道德观、法制观为主要内容，把培育和践行社会 主义核心价值观贯穿教学全过程。 【教学要求】 通过理论学习和实践体验，帮助大学生形成崇高的理想信念，弘扬伟大的爱国主义精神，确立 正确的人生价值观，自觉培育和践行社会主义核心价值观，加强思想品德修养，增强社会主义法制 观念，增强学法守法用法的自觉性，全面提高思想道德素质和法律素质，成为合格的社会主义事业 的建设者和接班人。 【考核】 考试课，其中平时考核占总成绩的 40%（出勤、课堂表现 20%；实践活动、课后作业 20%）， 期末闭卷考试总成绩的 60%。 6. 毛泽东思想和中国特色社会主义理论体系概论 【课程类型】 公共课，必修 【课程目标】 为了使大学生对马克思主义中国化进程中形成的理论成果有更加准确的把握；对中国共产党领 导人民进行的革命、建设、改革的历史进程、历史变革、历史成就有更加深刻的认识；对中国共产 党在新时代坚持的基本理论、基本路线、基本方略有更加透彻的理解；对运用马克思主义立场、观 点和方法认识问题、分析问题和解决问题能力的提升有更加切实的帮助。 【主要内容】 （1）毛泽东思想 主要讲授毛泽东思想的形成发展、主要内容和活的灵魂、历史地位，新民主主义革命理论、社 会主义改造理论、社会主义建设道路初步探索的理论成果。 （2）中国特色社会主义理论体系 ①邓小平理论、“三个代表”重要思想、科学发展观 主要讲授邓小平理论的形成、基本问题和主要内容及历史地位，“三个代表”重要思想和科学 发展观的形成、科学内涵及历史地位。 ②习近平新时代中国特色社会主义思想 主要讲授习近平新时代中国特色社会主义思想及其历史地位、坚持和发展中国特色社会主义的 总任务、 “五位一体”总体布局、“四个全面”战略布局、全面推进国防和军队现代化、中国特色大 国外交、坚持和加强党的领导。 【教学要求】 通过学习，使学生对马克思主义中国化进程中形成的理论成果有更加准确的把握；对中国共产 党领导人民进行的革命、建设、改革的历史进程、历史变革、历史成就有更加深刻的认识；对中国 共产党在新时代坚持的基本理论、基本路线、基本方略有更加透彻的理解；引导学生深刻认识改革 开放的必要性、可能性和艰巨性，牢固树立中国特色社会主义的道路自信、理论自信、制度自信和 文化自信。坚定社会主义的理想信念，提高思想政治水平，明确当代大学生的历史责任，自觉提高 运用马克思主义立场、观点和方法认识问题、分析问题和解决问题的能力。 【考核】 考试课，其中平时考核占总成绩的 40%（出勤、课堂表现 20%；实践活动、课后作业 20%）， 期末闭卷考试总成绩的 60%。 7.形势与政策 【课程类型】 公共课，必修 【课程目标】 “形势与政策”课是理论武装时效性、释疑解惑针对性、教育引导综合性很强的一门高校思 想政治理论课，帮助大学生正确认识新时代国内外形势，深刻领会党的十八大以来党和国家事业发 生的历史性变革、取得的历史性成就、面临的历史性机遇和挑战，第一时间推动党的理论创新成果 进教材进课堂进学生头脑，引导大学生准确理解党的基本理论、基本路线、基本方略。 【主要内容】 既要符合大学生思想政治理论知识发展和能力培养的要求，又要针对大学生关注的热点问题和 思想特点，帮助大学生了解世情、国情、党情、社情、民情、党和国家的路线、方针、政策，促进 学生科学世界观、人生观、价值观的养成和思想道德素质的全面提升。 【教学要求】 认清国内外形势，全面准确地理解党的路线、方针和政策，不断提高大学生认识和把握形势的 能力，坚定在中国共产党领导下走中国特色社会主义道路的信心和决心，为实现全面建设小康社会 的奋斗目标而发奋学习。 【考核】 考查，重点对学生本课程学习的过程进行考核，其中听课、出勤、课堂活动等 60%，课后作业 40%。 8.创新与创业 【课程类型】 公共课，必修 【课程目标】 重点讲授学生创业知识、锻炼创业能力、培育创新意识、培养创业精神等方面，达到情感能力、 专业能力、方法能力、社会能力的培养。 【主要内容】 职业生涯规划，创新思维培养，就业指导，创业指导。 【教学要求】 培养学生创新创业基本素养，掌握创新、创业通用知识与能力。 【考核】 考查，重点对课程学习的过程（听课、出勤、课堂活动、课堂作业、课后作业）进行考核占总 成绩的 100%。 9.体育 【课程类型】 公共课，必修 【课程目标】 1.掌握体育运动的基本理论，基本动作、基本技术。提高速度、力量、柔韧、灵敏等身体 素质，为终身体育和就业打下良好基础。 2.培养学生顽强勇敢精神。增强团队意识，学会有效沟通技巧。 3.按照职业体能标准完成职业体能测试，提高职业体能水平。 【主要内容】 体育（拓展训练）基础理论、体能、体魄、技能技巧、大学生健康体质测试。 【教学要求】 知识：了解体育（拓展训练）基础理论，掌握各种运动外伤的简单处理方法及各项体育 （拓展训练）比赛的简单规则。 体能：掌握体育（拓展训练）基本技能和职业体能。达到大学生健康体质测试标准，达到 社会及企业对学生身体素质的要求及标准。 体魄：团队精神、沟通能力、意志品质的锻炼及培养。 技能技巧：提高职业技能技巧能力，满足企业需求。 【考核】 考查，其中体能项目达标测试占总成绩的 60%，健康体质测试标准占总成绩的 30%，技能技巧 占总成绩的 10%。 10.基础英语 【课程类型】 公共课，必修 【课程目标】 本课程是高等职业教育学生必修的一门公共基础课程，旨在培养学生的英语综合应用能 力，特别是在职场环境下运用英语的基本能力。同时，提高学生的综合文化素养和跨文化交 际意识，培养学生的学习兴趣和自主学习能力，使学生掌握有效的学习方法和学习策略，为 提升学生的就业竞争力及未来的可持续发展打下必要的基础。 【主要内容】 3000～3500 个左右常用英语词汇和短语；日常交流经典句型，主题涉及见面寒暄介绍、表达感 谢与歉意、指路问方向、预约与安排、接受或拒绝邀请、接打电话、登记住宿、就餐购物、求职面 试等；学习精、泛读英语文章；应用文如邀请函、电子邮件、电话留言条、感谢信及求职信简历的 书写；英语听力与口语教学。 【教学要求】 掌握一定数量的单词、短语及固定搭配、常用句型的用法；具有较强的英语读与写的能力；具 有一定的听、说能力；能阅读和翻译一般英语读物、简单的本专业技术说明书、信函、技术资料等； 能进行简单的日常会话。 【考核】 考查，其中日常考核占总成绩的 60%，最终考核占总成绩的 40%。 11.艾滋病教育 【课程类型】 公共课，必修 【课程目标】 知道什么是 HIV 和 AIDS，并了解这两者之间的区别和联系；了解我国近年艾滋病感染趋势和 严峻性；掌握艾滋病传播的几种途径；知道如何保护自己免于感染艾滋；了解在 HIV 暴露之后如何 及时处置可以降低感染的几率；掌握国家对艾滋病防治的相关政策。 【主要内容】 向学生系统介绍艾滋病以及其传播途径和预防方式。通过理论和案例学习，帮助学生了解艾滋 病的危害和当下我国艾滋病感染状况，从而帮助学生建立健康的世界观、价值观、人生观和爱情观。 【教学要求】 1. 通过系统学习，帮助学生建立正确的世界观、价值观、人生观和爱情观； 2. 了解艾滋病对个人、对国家的危害； 3. 让学生了解艾滋病传播的三种途径，以及预防艾滋的方法； 4. 及时传达国家艾滋病防治的最新政策； 【考核】 考查，重点对课程学习的过程进行考核占总成绩的 100%。 12.企业实习安全教育 【课程类型】 公共课，必修 【课程目标】 加强“安全第一、预防为主”的安全意识教育。提高学生在企业实习过程中对安全生产重要性 的认识。在提高思想意识的基础上，正确理解并认真执行相关的安全生产规章制度，加强自身的保 护意识，不违章操作，不违反劳动纪律。 【课程内容】 安全教育内容包括企业相关的法律、法规、规章和标准。坚持理论与实际相结合，采用多种有 效的培训方式，加强案例教学。注重职业道德、安全法律意识、安全技术理论和安全生产的综合培 养。 【课程要求】 熟悉企业实习安全教育中相关法律、法规、规章和标准，牢固树立的安全意识，为今后开展企 业实践教学学习奠定基础。 【考核】 理论考核 80% ，平时考核 20%。 13.驾驶实训 【课程类型】 公共课，必修 【课程目标】 初步掌握基本驾驶技能，甚至能够达到获取机动车驾驶证书资格。 【主要内容】 本课程主要以安全驾驶、规范驾驶为原则，讲授内容主要包括驾驶理论与实操，交通标志的识 别、原地驾驶训练、坡定点起步停车、倒车入库、侧方位停车、直角转弯、曲线行驶等基本驾驶技 能。 【教学要求】 Commented [l1]: 实习科负责填写 通过本课程的学习，帮助在校学生体验汽车驾驶过程，熟悉并遵守交通规则，初步了解防御性 驾驶的重要性，培养安全驾驶意识，初步掌握基本驾驶技能，甚至能够达到获取机动车驾驶证书资 格。 【考核】 考查，重点对课程学习的过程（听课、出勤、课堂活动、课堂作业）进行考核占总成绩的 100%。 14.信息技术 【课程类型】 公共课，必修 【课程目标】 知道计算机基本知识，通过学习文档制作、数据处理与多媒体演示文稿制作等，帮助学生了解 信息技术的发展现状与趋势，掌握信息技术的基本操作技能。 【主要内容】 计算机基础知识：软、硬件常识，信息技术常识。 文档制作：文字处理、表格制作、图文排版。 数据处理：科学计算，数据、信息处理，图表制作。 多媒体演示文稿制作：文字、图片、音频、视频等多媒体信息的综合演示，动画制作等。 【教学要求】 培养学生计算机的基本操作技能，信息意识、信息素养，掌握信息处理的基本功，为进一步学 习其他涉及计算机、信息技术、智能技术等方面的课程打好基础。 【考核】 考查，成绩组成：出勤、学习态度（40%）+课堂作业完成情况（30%）+期末考核（30%）。 重点对课程学习的过程（听课、出勤、课堂活动、课堂作业、课后作业）进行考核，占总成绩 的 70%。 （二）专业（技能）课程 15.汽车文化 【课程类型】 专业基础课,平台课 【课程内容】 汽车文化概述、汽车的诞生历史、汽车品牌认知、汽车参数与车辆性能及产品特点的关系。 【课程要求】 知识目标：学生在本课程中能够识别常见的汽车品牌；区别主要品牌间的特点与差异；记住汽 车诞生的历史以及常见品牌的历史；区分常见车型的品牌归属。 技能目标：学生初步学会利用网络搜集品牌历史与车型信息；能够结合某一品牌特点挖掘产品 信息。 【考核】 汽车市场营销课程的评价方式包括形成性评价与终结性评价。形成性评价的具体形式包括出勤 Commented [W2]: 专业填写 表现、课堂提问、课堂互动、作业完成等，占总成绩的 60%。终结性评价在全部课程教学完成后进 行，以考查形式进行，占总成绩 40%。主要考查学生对汽车文化的理解与汽车文化常识的知晓程度。 16.大数据技术原理与应用 【课程类型】 专业基础课，必修 【课程目标】 通过本课程的学习，使学生了解大数据的概念、分布式数据存储的概念、原理和技术，熟悉 MapReduce 分布式编程框架、Hadoop 大数据平台组件及 Spark 等流数据处理平台。 【主要内容】 本课程主要讲授分布式数据存储的概念、原理和技术，Hadoop 大数据平台组件，流数据处理及 大数据推荐系统。 【教学要求】 掌握大数据的概念，了解分布式数据存储的概念、原理和技术，熟悉 Hadoop 大数据平台组件， 熟悉 Spark 流数据处理平台。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 17. Python 程序设计 【课程类型】 专业核心课，必修 【课程目标】 通过本课程的学习，能够熟练运用 Python 进行数据分析。 【主要内容】 本课程主要讲授 Python 数据分析环境安装、NumPy 基础、pandas 基础、数据读取与存储、数 据预处理、数据分组与聚合、matplotlib 可视化。 【教学要求】 掌握 Python 数据分析环境安装、NumPy 基础、pandas 基础、数据读取与存储、数据预处理、 数据分组与聚合、matplotlib 可视化。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 18. Linux 操作系统与应用 【课程类型】 专业基础课，必修 【课程目标】 通过本课程的学习，培养学生安装、管理和搭建 Linux 服务器的能力。 【主要内容】 本课程主要讲授 Linux 安装、Linux 基本配置、桌面环境基本操作、Shell 基本命令、文件和 目录管理、软件包管理、磁盘管理、用户与用户组管理、进程管理、网络配置、远程登录、Linux 编程工具、Shell 编程、服务器基础知识。 【教学要求】 掌握常用命令的使用，掌握 Linux 系统的配置与管理，熟悉 vi 编辑器的使用，熟悉 SHELL 脚 本编程和网络服务器的配置。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 19. 计算机应用基础 【课程类型】 专业基础课 ，必修 【课程目标】 通过本课程的学习，使学生了解个人计算机及服务器的软硬件常识、日常维护及常见故障处理。 【主要内容】 本课程主要讲授计算机的软硬件常识、选购策略、台式机的组装与升级，个人计算机系统及服 务器的日常维护、常见故障处理。 【教学要求】 掌握计算机的软硬件常识，了解台式机的组装与升级，掌握个人计算机系统及服务器的日常维 护、常见故障处理。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 20. 网络爬虫技术 【课程类型】 专业核心课，必修 【课程目标】 通过本课程的学习，使学生掌握基于 Python 的网络爬虫应用。 【主要内容】 本课程主要讲授如何利用 Python 开发网络爬虫，介绍 urllib、requests、正则表达式、 Beautiful Soup、XPath、pyquery、数据存储、Ajax 数据爬取等，并进行网络爬虫应用。 【教学要求】 掌握 Python 网络爬虫基础知识，能够应用 Python 等工具进行网络爬虫应用。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 21. 数据库原理与应用 【课程类型】 专业基础课，必修 【课程目标】 通过本课程的学习，掌握 MySQL 数据库运用、管理与维护技术。 【主要内容】 本课程主要讲授关系型数据库理论及编程基础、数据库设计与应用。 【教学要求】 掌握数据库的常见命令，熟悉关系型数据库理论，掌握 MySQL 数据库运用、管理与维护技术。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 22. WEB 前端开发 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学生掌握 Web 前端开发的基础知识，能够熟练运用 HTML5、CSS3、 JavaScript 等语言进行前端开发。 【主要内容】 本课程主要讲授 Web 前端开发的全栈知识，HTML5、CSS3、JavaScript 等前端开发语言及实用 技术。 【教学要求】 掌握 Web 前端开发的基础知识，能够熟练运用 HTML5、CSS3、JavaScript 等语言进行前端开发。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 23. Linux Shell 脚本编程 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学生掌握 Linux Shell 的基础知识和命令用法。 【主要内容】 本课程主要讲解 shell 的基础知识、命令用法，介绍文本处理、Web 交互、备份、监视以及其 他系统管理任务。 【教学要求】 掌握 shell 的基础知识和命令用法，能够利用 shell 进行文本处理、Web 交互、备份、监视以及 其他系统管理任务。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 24. ETL 工具应用实训 【课程类型】 专业课，必修 ，实训周 【课程目标】 通过本课程的学习，使学生了解数据处理流程，能够运用大数据工具进行快速的数据预处理， 能够熟练运用 Kettle 工具。 【主要内容】 本课程主要讲授运用大数据工具进行快速的数据预处理，数据仓库构建，Kettle 工具的使用、 数据集成、Kettle 作业项设计等。 【教学要求】 了解数据处理流程，能够运用大数据工具进行快速的数据预处理，能够熟练运用 Kettle 工具。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 25. 小程序开发实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生熟练运用 WEB 前端技术进行应用开发。 【主要内容】 本课程主要讲授小程序开发的准备工作、小程序框架、WEB 前端开发应用。 【教学要求】 掌握小程序开发的准备工作、小程序框架、WEB 前端开发应用。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 26. 数据采集实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生掌握基于 Python 的网络爬虫应用。 【主要内容】 本课程主要讲授如何利用 Python 开发网络爬虫，介绍 urllib、requests、正则表达式、 Beautiful Soup、XPath、pyquery、数据存储、Ajax 数据爬取等，并进行网络爬虫应用。 【教学要求】 掌握 Python 网络爬虫基础知识，能够应用 Python 等工具进行网络爬虫应用。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 27.智享汽车生活 【课程类型】 专业基础课 ，平台课 【课程目标】 通过汽车智慧服务生态圈的介绍，使学生在加深专业知识的基础上，开拓视野，更好的了解新 兴技术在汽车智慧服务中的应用。 【主要内容】 本课程主要介绍智能制造、智慧营销、智慧出行、智慧服务、智慧金融、智能定损、智慧二手 车、智慧物流等八大领域的汽车智慧服务应用。 【教学要求】 了解汽车智慧服务生态中的新兴技术，熟悉汽车智慧服务领域，掌握本专业汽车智慧服务应用。 【考核】 考查。形成性评价：出勤、课堂互动和项目成果占总成绩的 40%；终结性评价：课程项目作品 占总成绩的 60%。 28. Hadoop 数据仓库技术 【课程类型】 专业核心课，必修 【课程目标】 通过本课程的学习，掌握 Hadoop 数据仓库技术。 【主要内容】 本课程主要讲授 Sqoop 从关系数据库全量或增量抽取数据，使用 HIVE 进行数据转换和装载处 理，使用 Oozie 调度作业周期性执行，使用 Impala 进行快速联机数据分析，使用 Hue 将数据可视 化等。 【教学要求】 能够运用 Sqoop 从关系数据库全量或增量抽取数据，能够运用 HIVE 进行数据转换和装载处理， 能够运用 Oozie 调度作业周期性执行，能够运用 Impala 进行快速联机数据分析，能够运用 Hue 将 数据可视化。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 29. 数据挖掘技术 【课程类型】 专业核心课，必修 【课程目标】 通过本课程的学习，使学生掌握大数据存储与清洗，掌握数据抽取与采集，能够熟练进行数据 分析。 【主要内容】 本课程主要讲授大数据存储与清洗、数据格式与编码技术、数据抽取与采集、数据挖掘、数据 可视化技术。 【教学要求】 掌握大数据存储与清洗，掌握数据抽取与采集，能够熟练运用 python 等工具进行数据挖掘。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 30. Java 程序设计 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学生了解和熟悉 Java 编程的知识和技能，能够利用 Java 开发桌面级的 应用及 C/S 模式的应用。 【主要内容】 本课程主要讲解 Struts2 框架技术、Spring 框架技术、Hibernate 框架技术、SSH2 整合技术以及 Java 项目开发。 【教学要求】 了解 Struts2 框架技术，掌握 Spring 框架技术和 Hibernate 框架技术，能够熟练运用 SSH2 整合 技术，能够独立进行 Java 项目开发。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 31. Hadoop 平台部署与运维 【课程类型】 专业核心课，必修 【课程目标】 通过本课程的学习，能够独立的编写 MapReduce 程序并提交 Hadoop 处理，能够监控作业运行 情况和使用资源，能够对 HDFS 中的文件进行管理。 【主要内容】 本课程主要讲授 HDFS、MapReduce、Yarn、Hive、HBase、Sqoop 等 Hadoop 平台组件部署、 管理与运维。 【教学要求】 掌握 HDFS、MapReduce、Yarn、Hive、HBase、Sqoop 等 Hadoop 平台组件部署、管理与运维。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 32. 大数据分析实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生掌握大数据存储与清洗，掌握数据抽取与采集，能够熟练进行数据 分析。 【主要内容】 本课程主要讲授大数据存储与清洗、数据格式与编码技术、数据抽取与采集、数据挖掘、数据 可视化技术。 【教学要求】 掌握大数据存储与清洗，掌握数据抽取与采集，能够熟练运用 python 等工具进行数据挖掘。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 33. 大数据运维实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生掌握大数据系统运行维护。 【主要内容】 本课程主要讲解大数据系统运行维护过程中的各个主要阶段及其任务，包括配置管理、系统管 理、故障管理、性能管理、安全管理、高可用性管理、应用变更管理、升级管理及服务资源管理。 【教学要求】 熟悉大数据系统的配置管理、系统管理、故障管理、性能管理、安全管理等操作，能够独立进 行大数据系统运维。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 34. Java 开发实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生了解和熟悉 Java 编程的知识和技能，能够利用 Java 开发桌面级的 应用及 C/S 模式的应用。 【主要内容】 本课程主要讲解 Struts2 框架技术、Spring 框架技术、Hibernate 框架技术、SSH2 整合技术以及 Java 项目开发。 【教学要求】 了解 Struts2 框架技术，掌握 Spring 框架技术和 Hibernate 框架技术，能够熟练运用 SSH2 整合 技术，能够独立进行 Java 项目开发。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 35. 数据可视化技术 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学生掌握 Excel、Python、Echarts、Tableau 等可视化工具的应用。 【主要内容】 本课程主要讲授 Excel 数据可视化、Python 数据可视化应用、Tableau 可视化初步、Tableau 地 图与预测分析等。 【教学要求】 掌握 Excel 数据可视化，掌握 Python 数据可视化应用，熟悉 Tableau 可视化应用。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 36. 深度学习与人工智能 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学生熟悉卷积神经网络和循环神经网络，熟悉评价优化算法，能够将深 度学习技术在计算机视觉和自然语言处理中进行应用。 【主要内容】 本课程主要介绍深度学习基础的概念和技术，卷积神经网络和循环神经网络，评价优化算法， 及在计算机视觉和自然语言处理中的应用。 【教学要求】 掌握深度学习基础的概念和技术，熟悉卷积神经网络和循环神经网络，熟悉评价优化算法，能 够将深度学习技术在计算机视觉和自然语言处理中进行应用。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 37. Spark 技术 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，使学习掌握 Spark 的基础知识，能够运用 Spark 进行机器学习、深度学习 等应用。 【主要内容】 本课程主要讲授 Spark 的基础知识，及 Structured Streaming、Spark 机器学习、Spark 图挖 掘、Spark 深度学习等 Spark 应用。 【教学要求】 掌握 Spark 的基础知识，能够运用 Spark 进行机器学习、图挖掘、深度学习等应用。 【考核】 考试，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 38. 云计算与大数据技术 【课程类型】 专业课，必修 【课程目标】 通过本课程的学习，能够掌握大数据与云计算基本知识，熟悉阿里云和微软云的应用。 【主要内容】 本课程主要讲授大数据与云计算、Google 云计算、阿里云计算、微软云计算、虚拟化技术、 OpenStack 开源云计算、云计算数据中心、云计算核心算法和中国云计算技术等。 【教学要求】 掌握大数据与云计算基本知识，了解云计算核心算法，熟悉阿里云和微软云的应用。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 39. 大数据应用综合实训 【课程类型】 专业课，必修，实训周 【课程目标】 通过本课程的学习，使学生掌握数据采集、大数据存储与清洗、数据抽取与采集，能够熟练进 行数据分析和数据可视化。 【主要内容】 本课程主要讲授大数据采集、大数据存储与清洗、数据格式与编码技术、数据抽取与采集、数 据挖掘、数据可视化技术。 【教学要求】 掌握数据采集、大数据存储与清洗、数据抽取与采集，能够熟练进行数据分析和数据可视化。 【考核】 考查，其中日常考核占总成绩的 40%，最终考核占总成绩的 60%。 40. 第二学期选修课：以下九门任选其一 （1）汽车营销成功心理学 【课程类型】 专业课，选修 【课程目标】 掌握成功的基本模式；目标设定的方法；时间管理的方法 【主要内容】 自我分析，了解自己到底要成为什么样的人；了解自己人生的目标到底是什么；了解自己最适 合做什么样的工作，设立目标，增强自信，克服困难。 【教学要求】 互动式教学，理实一体。 知识：掌握成功的基本模式；目标设定的方法；时间管理的方法。 技能：能熟练运用呐喊法提升自信，熟练运用剥洋葱法进行目标设定，熟练运用 SWOT 法进行 自我分析。 态度：明确成功必须克服重重困难，有付出才能有回报。 【考核】 考查，过程考核 80%，平时考核 20%。 （2）职业彩妆 【课程类型】 专业课，选修 【课程目标】 能熟练运用化妆用品和工具，熟练化工作淡妆 【课程内容】 通过教学使学生能够正确的运用化妆用品和工具，能够掌握头部造型和脸部妆面的基本功方法 和技巧，提高和培养学生的审美情趣，同时根据不同类型的服饰，能运用相应的色彩和化妆造型， 体现完美自己。 【课程要求】 互动式教学，理实一体。 知识：皮肤结构；五官健康标准。 技能：能熟练运用化妆用品和工具，熟练化工作淡妆。 态度：提升审美。 【考核】 考查，过程考核 80%，平时考核 20%。 （3）礼仪与修养 【课程类型】 专业课，选修 【课程目标】 自觉加强礼仪修养与职业道德修养。 【课程内容】 主要包括礼仪的起源及其精神实质，礼仪与道德修养的关系，现代社交礼仪及基本商务礼仪， 保险从业人员礼仪、求职面试礼仪，保险行业职业道德及保险职业素养。 【课程要求】 懂得基本的社交礼仪、商务礼仪，加强人际交往的能力并提升个人的职业素养。明确礼仪与道 德的内在关系，深刻认识保险职业道德在保险行业中的重要性，自觉加强礼仪修养与职业道德修养。 【考核】 考查，实训考核 50%，理论考核 50%。 （4）客户关系管理 【课程类型】 专业课，选修 【课程目标】 能够对客户异议进行合理的处理；会在情境模拟下完成任务 【课程内容】 客户管理概述、客户分类与管理、顾客满意度与忠诚度评价指标与分析及其相互关系，客户异 议处理。 【课程要求】 知识：了解客户分类、档案建立、跟踪服务流程；认知客户满意度与忠诚度评价指标及相互关 系。 技能：能够对客户异议进行合理的处理；会在情境模拟下完成任务。 态度：养成与达成客户满意的沟通方法及问题解决程序。 【考核】 考查，理论考核 60%，平时考核 40%。 （5）管理学基础 【课程类型】 专业课，选修 【课程目标】 学生在学习专业知识的过程中，掌握一定的管理知识基础。 【课程内容】 主要包括管理和管理者专、计划与决策、领导科学与艺术、管理沟通、危机管理、如何让员工 为你卖命、面试中的那些事。 【课程要求】 本课程为职业基础课程，学生在学习专业知识的过程中，掌握一定的管理知识基础，不论是开 展何种工作都至关重要，同时在以后的职业生涯发展中，担任基层管理者和中层管理者具备一定的 管理理论也有助于其开展管理工作。 【考核】 考查，实训考核 50%，理论考核 50%。 （6）汽车专业英语 【课程类型】 专业课，选修 【课程目标】 能结合汽车和保险专业用语，介绍汽车或保险内容，能翻译一般保险专业英文资料。具备一定 口语表达能力 【课程内容】 常用的汽车英文缩略词，结合汽车和保险专业用语，介绍一定数量的保险专业词汇、提高阅读 保险专业文献的能力。 【课程要求】 汽车和保险专业词汇；能结合汽车和保险专业用语，介绍汽车或保险内容，能翻译一般保险专 业英文资料。具备一定口语表达能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （7）新媒体技术应用 【课程类型】 专业课，选修 【课程目标】 本课程能够掌握数字媒体技术专业理论知识、制作基础与前沿制作技术，具备良好的图形图像 处理能力、音视频编辑能力、虚拟现实设计与开发能力，为企业培养从事数字图像处理、房屋装修 设计、数字模型制作、数字动画制作、数字音视频编辑、数字影视制作、多媒体设计制作等工作的 技能人才。 【课程内容】 进行 UI 设计、音视频编辑与制作和网络动画制作，数字影视制作中拍摄、编辑、特效制作， 广告、室内装饰、VR 虚拟现实等策划与设计。 【课程要求】 掌握数字媒体技术专业理论知识、制作基础与前沿制作技术，具备良好的图形图像处理能力、 音视频编辑能力、虚拟现实设计与开发能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （8）创新创业财务必备 【课程类型】 专业课，选修 【课程目标】 本课程能够完成企业的设立、变更、年检、税务登记、银行开户、三方协议、五险一金，直到 企业注销的业务流程；工业、商业、服务业等多行业账务处理；财务软件的建账、记账、审核、登 账、结账、结转及报表生成；防伪税控开票、认证、发票购买、开具、查询与管理业务；真实企业 报税报表：网上报税与税收筹划等。 【课程内容】 认知企业自画像、设立企业的程序、经营企业必须要有的会计思维、如何读懂财务报表等。 【课程要求】 完成企业的设立、变更、年检、税务登记、银行开户、三方协议、五险一金，直到企业注销的 业务流程。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （9）数据可视化工具应用 【课程类型】 专业课，选修 【课程目标】 《数据可视化工具应用》课程是一门培养学生数据应用能力的专业课，通过本课程的学习，使 学生掌握数据采集、Excel 图表美化、文本可视化、空间信息可视化、网络舆情可视化及可视化大 屏的应用，增强学生的综合素质，提高可视化分析能力。 【课程内容】 数据可视化概述、Excel 数据可视化、文本可视化、空间信息可视化、网络舆情可视化、数据 可视化大屏。 【课程要求】 掌握数据采集、Excel 图表美化、文本可视化、空间信息可视化、网络舆情可视化及可视化大 屏的应用，增强学生的综合素质，提高可视化分析能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 41. 第三学期选修课：以下九门任选其一 （1）汽车营销成功心理学 【课程类型】 专业课，选修 【课程目标】 掌握成功的基本模式；目标设定的方法；时间管理的方法 【主要内容】 自我分析，了解自己到底要成为什么样的人；了解自己人生的目标到底是什么；了解自己最适 合做什么样的工作，设立目标，增强自信，克服困难。 【教学要求】 互动式教学，理实一体。 知识：掌握成功的基本模式；目标设定的方法；时间管理的方法。 技能：能熟练运用呐喊法提升自信，熟练运用剥洋葱法进行目标设定，熟练运用 SWOT 法进行 自我分析。 态度：明确成功必须克服重重困难，有付出才能有回报。 【考核】 考查，过程考核 80%，平时考核 20%。 （2）职业彩妆 【课程类型】 专业课，选修 【课程目标】 能熟练运用化妆用品和工具，熟练化工作淡妆 【课程内容】 通过教学使学生能够正确的运用化妆用品和工具，能够掌握头部造型和脸部妆面的基本功方法 和技巧，提高和培养学生的审美情趣，同时根据不同类型的服饰，能运用相应的色彩和化妆造型， 体现完美自己。 【课程要求】 互动式教学，理实一体。 知识：皮肤结构；五官健康标准。 技能：能熟练运用化妆用品和工具，熟练化工作淡妆。 态度：提升审美。 【考核】 考查，过程考核 80%，平时考核 20%。 （3）礼仪与修养 【课程类型】 专业课，选修 【课程目标】 自觉加强礼仪修养与职业道德修养。 【课程内容】 主要包括礼仪的起源及其精神实质，礼仪与道德修养的关系，现代社交礼仪及基本商务礼仪， 保险从业人员礼仪、求职面试礼仪，保险行业职业道德及保险职业素养。 【课程要求】 懂得基本的社交礼仪、商务礼仪，加强人际交往的能力并提升个人的职业素养。明确礼仪与道 德的内在关系，深刻认识保险职业道德在保险行业中的重要性，自觉加强礼仪修养与职业道德修养。 【考核】 考查，实训考核 50%，理论考核 50%。 （4）客户关系管理 【课程类型】 专业课，选修 【课程目标】 能够对客户异议进行合理的处理；会在情境模拟下完成任务 【课程内容】 客户管理概述、客户分类与管理、顾客满意度与忠诚度评价指标与分析及其相互关系，客户异 议处理。 【课程要求】 知识：了解客户分类、档案建立、跟踪服务流程；认知客户满意度与忠诚度评价指标及相互关 系。 技能：能够对客户异议进行合理的处理；会在情境模拟下完成任务。 态度：养成与达成客户满意的沟通方法及问题解决程序。 【考核】 考查，理论考核 60%，平时考核 40%。 （5）管理学基础 【课程类型】 专业课，选修 【课程目标】 学生在学习专业知识的过程中，掌握一定的管理知识基础。 【课程内容】 主要包括管理和管理者专、计划与决策、领导科学与艺术、管理沟通、危机管理、如何让员工 为你卖命、面试中的那些事。 【课程要求】 本课程为职业基础课程，学生在学习专业知识的过程中，掌握一定的管理知识基础，不论是开 展何种工作都至关重要，同时在以后的职业生涯发展中，担任基层管理者和中层管理者具备一定的 管理理论也有助于其开展管理工作。 【考核】 考查，实训考核 50%，理论考核 50%。 （6）汽车专业英语 【课程类型】 专业课，选修 【课程目标】 能结合汽车和保险专业用语，介绍汽车或保险内容，能翻译一般保险专业英文资料。具备一定 口语表达能力 【课程内容】 常用的汽车英文缩略词，结合汽车和保险专业用语，介绍一定数量的保险专业词汇、提高阅读 保险专业文献的能力。 【课程要求】 汽车和保险专业词汇；能结合汽车和保险专业用语，介绍汽车或保险内容，能翻译一般保险专 业英文资料。具备一定口语表达能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （7）新媒体技术应用 【课程类型】 专业课，选修 【课程目标】 本课程能够掌握数字媒体技术专业理论知识、制作基础与前沿制作技术，具备良好的图形图像 处理能力、音视频编辑能力、虚拟现实设计与开发能力，为企业培养从事数字图像处理、房屋装修 设计、数字模型制作、数字动画制作、数字音视频编辑、数字影视制作、多媒体设计制作等工作的 技能人才。 【课程内容】 进行 UI 设计、音视频编辑与制作和网络动画制作，数字影视制作中拍摄、编辑、特效制作， 广告、室内装饰、VR 虚拟现实等策划与设计。 【课程要求】 掌握数字媒体技术专业理论知识、制作基础与前沿制作技术，具备良好的图形图像处理能力、 音视频编辑能力、虚拟现实设计与开发能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （8）创新创业财务必备 【课程类型】 专业课，选修 【课程目标】 本课程能够完成企业的设立、变更、年检、税务登记、银行开户、三方协议、五险一金，直到 企业注销的业务流程；工业、商业、服务业等多行业账务处理；财务软件的建账、记账、审核、登 账、结账、结转及报表生成；防伪税控开票、认证、发票购买、开具、查询与管理业务；真实企业 报税报表：网上报税与税收筹划等。 【课程内容】 认知企业自画像、设立企业的程序、经营企业必须要有的会计思维、如何读懂财务报表等。 【课程要求】 完成企业的设立、变更、年检、税务登记、银行开户、三方协议、五险一金，直到企业注销的 业务流程。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 （9）数据可视化工具应用 【课程类型】 专业课，选修 【课程目标】 《数据可视化工具应用》课程是一门培养学生数据应用能力的专业课，通过本课程的学习，使 学生掌握数据采集、Excel 图表美化、文本可视化、空间信息可视化、网络舆情可视化及可视化大 屏的应用，增强学生的综合素质，提高可视化分析能力。 【课程内容】 数据可视化概述、Excel 数据可视化、文本可视化、空间信息可视化、网络舆情可视化、数据 可视化大屏。 【课程要求】 掌握数据采集、Excel 图表美化、文本可视化、空间信息可视化、网络舆情可视化及可视化大 屏的应用，增强学生的综合素质，提高可视化分析能力。 【考核】 考查，平时考核 20%，期末开卷考试 80%。 42.企业实习 【课程类型】 专业课，必修 【课程目标】 主动、独立、体验性的完成学校安排的实习学习任务 【主要内容】 本专业学生可到各类中小型企业进行顶岗实习。主要从事大数据挖掘与处理、大数据系统搭建 与运维、海量数据库管理、大数据可视化、大数据分析等相关岗位的实习工作。 【教学要求】 学生主动、独立、体验性的完成学校安排的实习学习任务。 【考核】 考查，校企双方根据学生实习表现、实习效果，给出综合成绩。 43.毕业实践 【课程类型】 专业课，必修 【课程目标】 学生主动、独立、体验性的完成实习任务，撰写毕业论文 【主要内容】 本专业学生可到各类中小型企业进行顶岗实习。主要从事大数据挖掘与处理、大数据系统搭建 与运维、海量数据库管理、大数据可视化、大数据分析等相关岗位的实习工作。 【教学要求】 学生主动、独立、体验性的完成实习任务，撰写毕业论文。 【考核】 考查，校企双方根据学生实习表现、实习效果，毕业论文撰写等情况给出综合成绩。 44.公共选修课 【课程类型】 公共课，选修 【课程目标】 弘扬劳动精神、劳模精神，教育引导学生崇尚劳动、尊重劳动。推动中华优秀传统文化融入教 育教学，加强革命文化和社会主义先进文化教育。深化体育、美育教学改革，促进学生身心健康， 提高学生审美和人文素养。 【主要内容】 主要包括音乐、美术、舞蹈、戏剧、戏曲、影视等国家相关规定中要求的课程内容。包括非语 言类课程和美育类课程 【教学要求】 公共选修课分为Ⅰ、Ⅱ，分别在不同学期开设，每生在公共选修课Ⅰ、Ⅱ类中选择相应的课程 学习且至美育类课程少修满 2 学分。 【考核】 考查，重点对课程学习的过程（听课、出勤、课堂活动、课堂作业）进行考核占总成绩的 100%。 45.个性化课程 【课程类型】 公共课，选修 【课程目标】 以尊重、发挥学生的个性出发，激发学生全面可持续的发展。 【主要内容】 针对学生兴趣（专业兴趣、爱好、特长）或学生某方面能力较薄弱等情况，以学生社团活动、 技能专项训练等形式开展教学，拓宽学生视野、提升学生素养。 【教学要求】 在一、二、三、四学期分别开设，每生在开设个性化课程课程的学期至少选择 1 门课程学习且 评价合格，每学期 1 学分，累计至少修满 4 学分。 【考核】 考查。 46.专家讲座 【课程类型】 公共课，必修 【课程目标】 拓宽学生视野、提升学生素养。 【主要内容】 聘请在学术﹑技艺等各方面有专门研究或特长的专家开展专题讲座。 【教学要求】 根据有关文件规定开设关于国家安全教育、节能减排、绿色环保、金融知识、社会责任、人口 资源、海洋科学、管理等人文素养、科学素养方面的专题讲座。学生根据学校安排参加专家讲座。 【考核】 考查，不做成绩记录，不计入毕业学分。 （三）课程体系框架 Commented [W3]: 内容为例，表头不得更改，内容各专 业根据实际填写 1.课程框架 知识能力素质要求 课程 课程类型 入学教育 军事技能（军训） 思想政治理论（基础） 树立正确的人生观、价值观； 锻炼健康的体魄和体能； 思想道德修养与法律基础 掌握数据统计与分析能力； 毛泽东思想和中国特色社会主义理论体系概论 英文资料翻译能力与口语能 形势与政策 力； 创新与创业 计算机应用能力。 大学生心理健康教育 公共课 体育 基础英语 企业实习安全教育 Commented [W4]: 样式 1 以下专业（群）适用： 汽车运用技术专业群 汽车工程专业群 汽车服务与贸易专业群（不含物流技术专业） 新开设专业根据专业情况自主确定 驾驶实训 信息技术 熟悉分布式数据存储的概念、 熟悉 Hadoop 大数据平台组件； 熟悉 Spark 流数据处理平台。 掌握计算机的硬件常识； 原理和技术； 掌握计算机的日常维护、常 大数据技术原理与应用 计算机应用基础 见故障处理。 掌握 Linux 系统的配置与管 理； 熟悉 vi 编辑器的使用。 掌握数据库的常见命令； 掌握 MySQL 数据库运用、管 专业 基础课 Linux 操作系统与应用 数据库原理与应用 理与维护。 掌握 Web 前端开发基础知识； 熟 练 运 用 HTML5 、 CSS3 、 WEB 前端开发 JavaScript。 掌握 shell 的基础知识和命令 专业课 用法； 能够利用 shell 进行文本处 理、Web 交互、备份、监视以 及其他系统管理任务。 Linux Shell 脚本编程 掌握 Struts2 框架技术； 掌 握 Spring 框 架 技 术 和 Hibernate 框架技术； Java 程序设计 掌握 SSH2 整合技术。 掌握深度学习基础的概念和 技术； 熟悉卷积神经网络和循环神 深度学习与人工智能 经网络; 熟悉评价优化算法。 熟悉云计算核心算法； 掌握阿里云和微软云的应用。 掌握 Spark 的基础知识； 能够运用 Spark 进行机器学 云计算与大数据技术 Spark 技术 习、图挖掘、深度学习等应用。 掌握 Python 网络爬虫基础 知识； 能够应用 Python 等工具进行 数据采集实训 网络爬虫应用。 能够运用大数据工具进行快 速的数据预处理； 能够熟练运用 Kettle 工具。 掌握小程序开发的准备工作、 小程序框架； 掌握 WEB 前端开发应用。 掌握大数据存储与清洗； 能够熟练运用 python 等工具 ETL 工具应用实训 小程序开发实训 大数据分析实训 进行数据挖掘。 熟悉大数据系统的配置管理、 系统管理、故障管理、性能管 理、安全管理等操作； 大数据运维实训 能够独立进行大数据系统运 维。 掌握 Struts2 框架技术； 掌 握 Spring 框 架 技 术 和 Hibernate 框架技术； 掌握 SSH2 整合技术。 掌握数据采集技术； 掌握大数据存储与清洗； 掌握数据抽取与采集； 掌握数据分析； 掌握数据可视化。 Java 开发实训 大数据应用综合实训 掌握 Python 数据分析环境安 装； 掌握 NumPy 基础、pandas 基础； 掌握数据读取与存储、数据预 Python 程序设计 处理； 掌握 matplotlib 可视化。 掌握 Python 网络爬虫基础知 识； 能够应用 Python 等工具进行 网络爬虫技术 网络爬虫应用。 能够运用 Sqoop 从关系数据库 全量或增量抽取数据 能够运用 HIVE 进行数据转换 和装载处理； 能够运用 Oozie 调度作业周期 专业核心课 Hadoop 数据仓库技术 性执行； 能够运用 Impala 进行快速联 机数据分析。 掌握大数据存储与清洗； 掌握数据抽取与采集； 能够熟练运用 python 等工具 数据挖掘技术 进行数据挖掘。 掌握 HDFS、MapReduce、Yarn、 Hive、HBase、Sqoop 等 Hadoop Hadoop 平台部署与运维 平台组件部署、管理与运维。 掌握 Excel 数据可视化； 掌握 Python 数据可视化应用； 掌握 Tableau 可视化应用。 数据可视化技术 2.课程关系图 Commented [W5]: 内容为例，表头不得更改，内容各专 业根据实际填写 七、教学进程总体安排 大数据技术与应用专业 教学计划时间进程表（学制三年） 周 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 一R ：≡≡≡≡≡≡≡ ★★★ ：※≡ ≡ ≡ ≡ ★★★：≡≡≡≡≡≡ ≡ ★★★★：≡≡≡≡≡ R R R R △ 二 三○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ○ ≡ ≡ ≡ ≡ ≡ ≡ ≡ ≡ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ‖ ＋ ＋ ≡ ≡ ≡ ≡ 大数据技术与应用专业 教学周数统计表 学年 理论 教学 一 29 二 31 军事 理论 入学 教育 军训 系列 实验 技能 训练 V R □ ★ 5 职业 技能 鉴定 社会 实践 毕业 实践 考试 机动 假期 其他 ○ × ▽ ※ ‖ ： △ ≡ Q 2 1 11 52 12 52 14 52 37 156 3 1 7 三 合计 实习 课程 设计 2 19 60 5 10 19 19 1 19 4 填表说明：技能鉴定周数和时间安排各专业课根据具体情况确定；社会实践建议安排在暑假期间进行。 1 小计 大数据技术与应用专业 课程 序号 课程名称 1 入学教育 2 军事技能（军训） 3 军事理论 4 5 6 课程总 课时 课程类型 课时分配 课程 考核 授课 性质 方式 方式 第一学期 2 公共课 必修课 考查 A 2 公共课 必修 考查 A 38 2 公共课 必修 考试 A 大学生心理健康教育 24 1.5 公共课 必修 考查 D 24 思想道德修养与法律基础 48 3 公共课 必修 考查 A 24 64 4 公共课 必修 考查 A 毛泽东思想和中国特色社 24 学分 教学计划进程表 112 （3 周） 第二学期 第三学期 第四学期 32 32 8 8 第五学期 第六学期 24 112 （3 周） 38 24 会主义理论体系概论 7 形势与政策 32 2 公共课 必修课 考查 A 8 8 8 创新与创业 38 2 公共课 必修 考查 A 9 体育 130 7.5 公共课 必修课 考查 A 24 36 10 基础英语 80 5 公共课 选修 考查 A 30 50 11 艾滋病教育 24 不计 公共课 必修课 考查 D 24 12 企业实习安全教育 10 不计 公共课 必修课 考查 A 13 驾驶实训 4 0 公共课 必修 考查 C 4 14 信息技术 30 2 公共课 必修 考查 A 30 38 10 15 汽车文化 平台课 20 2 专业课 必修 考查 A 20 16 大数据技术原理与应用 32 2 专业基础课 必修 考试 A 32 17 Python 程序设计 64 4 专业核心课 必修 考试 A 64 18 Linux 操作系统与应用 32 2 专业基础课 必修 考试 A 32 34 36 Commented [l6]: 建议各专业安排在第二学期 Commented [W7]: 样式 2 以下专业（群）适用： 现代制造技术专业群 自动控制技术专业群 物流技术专业 新开设专业根据专业情况自主确定 19 计算机应用基础 32 2 专业基础课 必修 考查 A 32 20 网络爬虫技术 32 2 专业课 必修 考查 A 32 21 数据库原理与应用 48 3 专业课 必修 考试 A 48 22 WEB 前端开发 64 4 专业课 必修 考试 A 64 23 Linux Shell 脚本编程 32 2 专业基础课 必修 考查 A 32 24 ETL 工具应用实训 实训周 24 2 专业课 必修 考查 A 24 25 小程序开发实训 实训周 24 2 专业课 必修 考查 A 24 26 数据采集实训 实训周 24 2 专业课 必修 考查 A 24 27 智享汽车生活 平台课 20 1.5 专业课 必修 考查 B 20 28 Hadoop 数据仓库技术 48 3 专业核心课 必修 考试 A 48 29 数据挖掘技术 48 3 专业核心课 必修 考试 A 48 30 Java 程序设计 64 4 专业课 必修 考查 A 64 31 Hadoop 平台部署与运维 64 4 专业核心课 必修 考试 A 64 32 大数据分析实训 实训周 24 2 专业课 必修 考查 A 24 33 大数据运维实训 实训周 24 2 专业课 必修 考查 A 24 34 Java 开发实训 实训周 24 2 专业课 必修 考查 A 24 35 数据可视化技术 48 3 专业核心课 必修 考试 A 48 36 深度学习与人工智能 64 4 专业课 必修 考试 A 64 37 Spark 技术 64 4 专业课 必修 考试 A 64 38 云计算与大数据技术 48 3 专业课 必修 考查 A 48 96 8 专业课 必修 考查 A 96 39 40 大数据应用综合实训 实训周 管理学基础 30 营销成功心理学 30 职业彩妆 30 2 专业课 选修 A 30 （九选 考查 A 30 一） A 30 41 客户关系管理 30 A 30 汽车专业英语 30 A 30 新媒体技术应用 30 A 30 创新创业财务必备 30 A 30 数据可视化工具应用 30 A 30 现代礼仪与修养 30 A 30 管理学基础 30 A 30 营销成功心理学 30 A 30 职业彩妆 30 A 30 客户关系管理 30 选修 A 30 汽车专业英语 30 （九选 考查 A 30 新媒体技术应用 30 一） A 30 创新创业财务必备 30 A 30 数据可视化工具应用 30 A 30 现代礼仪与修养 30 A 30 42 企业实习 43 毕业实践 44 公共选修课 45 456 2 专业课 19 专业课 必修 考查 F 19 专业课 必修 考查 F 64 4 公共课 选修课 考查 C 个性化课程 240 4 公共课 选修课 考查 F 46 学习筑梦 12 1 公共课 选修课 考查 47 专家讲座 不计入合计 公共课 选修 合计 (19 周) 456 (19 周) 3010 156.5 学期合计 考查 456 (19 周) 456 (19 周) 32 32 48 64 64 64 F 6 6 F 40 72 68 72 68 72 538 556 534 460 456 456 填表说明： 课程类型：公共课；专业基础课；专业课；专业核心课； 学 分：16 课时 1 学分；有实训周的课程，实训单独考核的，学分单算，每周 2 学分；企业实习按每周 1 学分计算。毕业实践按每周 1 学分计，学分 最小单位为 0.5。 课程性质：必修或选修 考核方式：考试或考查 授课方式：A：集中授课；B：网络教学；C：自适应教学；D：慕课教学；F：其它； 八、实施保障 （一）师资队伍 大数据技术与应用专业教学团队由中、青年专职教师及兼职教师组成教学梯队，是一支知识基 础强，技术精湛的教师队伍，在职业教育、技能培训、技术支持和技术服务等方面发挥积极作用。 教学团队现由 8 名专任教师和 2 名兼职教师组成，在专任教师中，其中教授 1 人，副教授 1 人，讲 师 5 人，助教 3 人，研究生以上学历教师占比达到 70%；专业教师均具有“双师”素质要求。兼职 教师 2 人分别来自华为北研所和一汽金融，有着丰富的大数据平台部署和大数据分析经验。 1.专业带头人 具有先进的高职教理念、较强的教学设计能力、丰富的教学经验；能够掌握行业、企业最近技 术动态，把握专业技术发展方向，在同行业有一定影响力；具有较强的生产、科研能力，且具有相 应技能证书的高级技术人员；具有主持教学、培训及实训基地项目建设能力；能够解决企业实际生 产问题和对企业提供技术支持。 2.骨干教师队伍 具备本专业研究生及以上学历，扎实的理论基础和较强的发展潜力；具有严谨的治学态度和良 好的团队协作精神，具有一定的组织能力和领导能力；具有创新性思维，能参与人才培养方案的制 定或修改，担任专业的核心课程教学，主持或参与核心课程建设和特色教材开发，参与对行业、企 业的技术开发、技术服务、技术培训工作。 3.兼职教师队伍 在专业技术领域或职业岗位有 5 年以上的工作经历，热爱职业教育，了解目前专业技术发展趋 势，具有较强的专业技术应用或很强的实践操作能力，能够指导校内实践教学、企业生产实习、职 业技能培训和考评鉴定；能够参与专业人才培养方案及职业能力标准的制定，参与实训室建设方案 的评审和论证、课程建设和教学改革、教材编审等工作；良好的沟通与表达能力和一定的教学能力， 胜任专业课程教学工作。 （二）教学设施 本专业拥有 2 个实训中心，配有大型服务器 2 台，高性能计算机 74 台，装有 Python、 Rstudio、Hadoop 等大数据常用软件，可以满足学生进行数据采集、数据存储、数据清洗、数据转 换、数据分析、数据可视化等大数据应用需求。 （三）教学资源 1.配套教材 为了满足工学结合优质课程建设需要，推进模块化、项目引导、教学做一体的课程教学改革， 课程配套教材在目前教材建设的基础上，着力做好《Python 程序设计》、 《数据挖掘技术》等 6 门核 心课程的特色校本教材建设。其它教材应选用符合职业教育理念与知识技能需求的高等职业教育教 材。 2.图书文献 建立与高职教育相关的电子文献、杂志、参考书籍等资料库；将相关的行业标准分类整理、提 供链接，实现资源共享。 7 3.数字资源 （1）网络课程。为提高专业教学的开放性和充分利用专业优质教学资源，应将专业课程建设 成线上+线下的混合式在线课程，以便学生自主下载相关资料进行学习。在线课程应包括视频、题 库、测试等内容。 （2）视频教程。建立视频动画库，收录专业核心课程的视频资料，包括教师授课、学生实训、 知识点讲解等，将涉及本专业的关键知识与技能训练点等囊括进视频教程，供学生职业发展前期使 用。 （3）多媒体课件资源库。开发形式多样、与课程相配套的多媒体课件，供教师授课使用并方 便学生自主学习。 （四）教学方法 充分发挥校内实训设备与校外实训基地的作用，采用多种教学方法和手段有机结合的方式实施 教学，如：任务驱动四步教学法、教学做一体的教学法、案例教学法、现场教学法、启发式教学等 方法。利用校内实训室的设备资源矫健，将教室设在实训室，实施教学做一体化教学，让学生在教 中学、做中学、边学边做，使知识、技能与职业素质同步增长。发挥企业兼职教师作用，将教室设 在企业生产现场，用真实的场景进行教学，让学生体验真实的职业分为，使教学与现场实际应用 “零距离”对接。 （五）学习评价 根据教学目标、教学方式，采用形式多样的考核办法。考核内容应体现：能力本位的原则、实 践性原则、实用性原则、针对性原则及可持续性原则。 考核方式应体现：“过程考核、结果考核、综合评价”，强调以人为本的整体性评价观。评价 主体应体现：从过去校内评价、教师单一评价方式转向企业评价、社会评价的开放式评价 1.公共基础课采用以学生的学习态度、思想品德，以及学生对知识的理解和掌握程度等进行综 合评定。要注重平时教学过程的评定，将课堂表现、平时作业、实践环节和期末考试成绩有机结合， 综合评定成绩。 2.其他专业基础课与专业核心课采用笔试答卷、实训报告、观察记载表格、考勤情况和劳动态 度等综合评定成绩的考核方法。技能部分必须动手操作，现场考核，由教师、行业专家和能工巧匠 参与。形成“过程＋成果”的考核评价方法。两项考核中任何一项不及格，均判为本门课程不及格。 3.顶岗实习以企业考核为主，学院考核为辅。校企双重考核学生的工作态度和工作业绩。 （六）质量管理 1.教学管理队伍及教学管理机构健全，完善了校、分院、教研室三级督导监控体系。 2.建立了教师教学质量评价、新任教师及新课试讲、学生学习质量评价、教学信息反馈等教学 管理制度。 3.修订完善各环节教学质量标准，增强教学质量监控的可操作性。 4.修订课程评估标准、课堂教学质量评估标准，强化对教师改进教学的指导、激励作用，提高 专业办学质量。 5.研究制定毕业设计（论文）评价体系、实训（实验）教学评价体系、实习教学评价体系。 九、毕业要求 大数据技术与应用专业学业总学分为 156.5 分，毕业需达到 120 学分，其中： 公共课程类必修课程学分：共计 33 学分。 公共课程类选修课程学分：共计 4 学分，其中，美育类至少 2 学分。 Commented [W8]: 国家规定，至少修满 2 学分 专业课程类必修课程学分：共计 111.5 学分。 专业课程类选修课程学分：共计 4 学分。 个性化课程学分：共计 4 学分。 Commented [W9]: 每个学期学生至少参加一个社团活动， 社团活动每学期 1 学分。 十、附录 附件 1： 大数据技术与应用专业职业能力分析与相应学习内容分析 一、职业岗位群分析 二、职业能力分析 1. 职业能力要求 能够独立解答客户关于大数据分析技术相关的问题； 能够根据业务需求推荐合适的大数据平台及方案； 能够根据业务需求，输出大数据分析解决方案架构图及说明文档； 能够根据大数据平台使用手册，开通和配置大数据计算平台； 能够根据业务需求构建数据评估体系，对企业数据进行完整性评估； 能够确立数据质量改进目标、评估并制定改善计划，实施改进并评估改善效果； 能够根据业务需求，使用 SQL 进行数据清洗、分析处理； 能够独立使用大数据平台实现数据库与大数据平台之间的数据迁移； 能够独立进行数据仓库方案设计； 能够基于数据仓库方案设计，选择合适的大数据产品进行数据仓库搭建； 能够独立使用数据仓库进行数据的 ETL（抽取、转化、加载）操作； 能够根据业务需求，进行数据可视化的整体方案设计； 能够根据数据可视化方案，选择合适的数据可视化工具； 能够使用数据可视化工具完成数据 BI 报表的制作； 能够根据数据可视化方案和数据分析指标，完成数据展示大屏的制作； 能够基于数据挖掘分类算法，对业务目标进行预测分析； 能够使用不同维度和方法，对模型效果进行准确性评估； 能够基于机器学习平台，根据业务需求进行分类、聚类分析； 能够基于机器学习平台，根据用户画像分析，构建简单的推荐系统； 能够基于机器学习平台，根据用户行为进行用户流失预测； 能够根据业务需求，基于云平台进行大数据系统架构设计并实现搭建部署； 能够根据业务需求，规划设计自建大数据系统往云上迁移的方案。 2.职业知识要求 （1）掌握数据采集相关知识 （2）掌握数据存储相关知识 （3）掌握数据清洗相关知识 （4）掌握大数据平台搭建、应用、运维相关知识 （5）掌握数据分析相关知识 （6）掌握数据可视化相关知识 3．职业素质要求 （1）政治素质：热爱祖国，拥护党的基本路线，懂得中国特色社会主义理论体系的基本原理， 具有爱国主义、集体主义精神和良好的思想品德； （2）道德素质：有正确的人生观、价值观；有较高的道德修养，文明礼貌、遵纪守法、诚实 守信； （3）文化素质：理解国家有关的法律、法规，具有扎实的会计学基本理论、基础知识和熟练 的专业技能，并具备较高的语言水平和熟练的计算机操作能力。 （4）身心素质：有健康的体魄，良好的心理素质，有吃苦耐劳、甘于奉献的精神； （5）协作精神：具有团队精神和合作意识，具有一定的协调工作的能力和组织管理能力； （6）遵守职业道德：敬业爱岗、熟悉法律、依法办事、客观公正、搞好服务、保守秘密。坚 持诚信为本、操守为重、坚持准则、不做假账。 4.资格证书要求 (1)获得大学专科毕业证书； (2)获得全国大学英语应用能力合格证书； (3)获得全国计算机等级考试证书； (4)获得华为 HCIA-Big Data 大数据工程师认证证书； (5)获得阿里巴巴大数据分析与应用“1+X 证书” 。 三、学习领域分析表 知识能力素质要求 课程 课程类型 熟悉分布式数据存储的概念、 原理和技术； 熟悉 Hadoop 大数据平台组件； 熟悉 Spark 流数据处理平台。 掌握计算机的硬件常识； 掌握计算机的日常维护、常 见故障处理。 掌握 Linux 系统的配置与管 理； 熟悉 vi 编辑器的使用。 掌握数据库的常见命令； 掌握 MySQL 数据库运用、管 理与维护。 掌握 Web 前端开发基础知识； 熟 练 运 用 HTML5 、 CSS3 、 JavaScript。 掌握 shell 的基础知识和命令 用法； 能够利用 shell 进行文本处 理、Web 交互、备份、监视以 及其他系统管理任务。 大数据技术原理与应用 计算机应用基础 Linux 操作系统与应用 数据库原理与应用 WEB 前端开发 Linux Shell 脚本编程 掌握 Struts2 框架技术； 掌 握 Spring 框 架 技 术 和 Hibernate 框架技术； 掌握 SSH2 整合技术。 Java 程序设计 深度学习与人工智能 掌握深度学习基础的概念和 技术； 熟悉卷积神经网络和循环神 经网络; 熟悉评价优化算法。 熟悉云计算核心算法； 掌握阿里云和微软云的应用。 云计算与大数据技术 专业 基础课 专业课 掌握 Spark 的基础知识； 能够运用 Spark 进行机器学 习、图挖掘、深度学习等应用。 Spark 技术 掌握 Python 网络爬虫基础 知识； 能够应用 Python 等工具进行 网络爬虫应用。 数据采集实训 能够运用大数据工具进行快 速的数据预处理； 能够熟练运用 Kettle 工具。 ETL 工具应用实训 掌握小程序开发的准备工作、 小程序框架； 掌握 WEB 前端开发应用。 小程序开发实训 掌握大数据存储与清洗； 能够熟练运用 python 等工具 进行数据挖掘。 大数据分析实训 熟悉大数据系统的配置管理、 系统管理、故障管理、性能管 理、安全管理等操作； 能够独立进行大数据系统运 维。 大数据运维实训 Java 开发实训 掌握 Struts2 框架技术； 掌 握 Spring 框 架 技 术 和 Hibernate 框架技术； 掌握 SSH2 整合技术。 掌握数据采集技术； 掌握大数据存储与清洗； 掌握数据抽取与采集； 掌握数据分析； 掌握数据可视化。 大数据应用综合实训 掌握 Python 数据分析环境安 装； 掌握 NumPy 基础、pandas 基础； 掌握数据读取与存储、数据预 处理； 掌握 matplotlib 可视化。 Python 程序设计 专业核心课 掌握 Python 网络爬虫基础知 识； 能够应用 Python 等工具进行 网络爬虫应用。 网络爬虫技术 能够运用 Sqoop 从关系数据库 全量或增量抽取数据 能够运用 HIVE 进行数据转换 和装载处理； 能够运用 Oozie 调度作业周期 性执行； 能够运用 Impala 进行快速联 机数据分析。 掌握大数据存储与清洗； 掌握数据抽取与采集； 能够熟练运用 python 等工具 进行数据挖掘。 掌握 HDFS、MapReduce、Yarn、 Hive、HBase、Sqoop 等 Hadoop 平台组件部署、管理与运维。 掌握 Excel 数据可视化； 掌握 Python 数据可视化应用； 掌握 Tableau 可视化应用。 Hadoop 数据仓库技术 数据挖掘技术 Hadoop 平台部署与运维 数据可视化技术 附件 2：大数据技术与应用专业教学进程安排表 2020 级大数据技术与应用专业 第 1 学期教学进程安排表 序号 课程名称 课程类型 课程学时 周数 周学时 考核方式 主要授课地点 主要授课方式 1 入学教育 公共课 24 1 24 考查 普通教室 集中授课 2 军事技能（军训） 公共课 112 3 36 考查 操场 集中授课 3 思想政治理论（基础） 公共课 24 12 2 考查 普通教室 集中授课 4 大学生心理健康教育 公共课 24 12 2 考查 普通教室 集中授课 5 思想道德修养与法律基础 公共课 24 12 2 考查 普通教室 集中授课 6 形势与政策 公共课 8 4 2 考查 普通教室 集中授课 7 体育 公共课 24 12 2 考查 操场 集中授课 8 基础英语 公共课 30 10 3 考查 普通教室 集中授课 9 信息技术 公共课 30 15 2 考查 普通教室 集中授课 10 大数据技术原理与应用 专业基础课 32 16 2 考试 普通教室 集中授课 11 Python 程序设计 专业核心课 64 16 4 考试 实训室 集中授课 12 Linux 操作系统与应用 专业基础课 32 16 2 考试 实训室 集中授课 13 计算机应用基础 专业基础课 32 16 2 考查 普通教室 集中授课 财经法规与职业道德 汽车机械基础 汽车营销成功心理学 职业彩妆 专业课（选修 14 24 12 2 考查 普通教室 集中授课 四选一） 周学时合计 22 2020 级大数据技术与应用专业 第 2 学期教学进程安排表 序号 课程名称 课程类型 课程学时 周数 周学时 考核方式 主要授课地点 主要授课方式 1 军事理论 公共课 36 16 2 考试 普通教室 集中授课 2 思想道德修养与法律基础 公共课 24 12 2 考查 普通教室 集中授课 3 形式与政策 公共课 8 4 2 考查 普通教室 集中授课 4 体育 公共课 36 16 2 考查 操场 集中授课 5 基础英语 公共课 50 16 3 考查 普通教室 集中授课 6 企业实习安全教育 公共课 10 5 2 考查 普通教室 集中授课 7 网络爬虫技术 专业课 32 16 2 考查 实训室 集中授课 8 数据库原理与应用 专业课 48 16 3 考试 实训室 集中授课 9 WEB 前端开发 专业课 64 16 4 考试 实训室 集中授课 10 Linux Shell 脚本编程 专业基础课 32 16 2 考查 实训室 集中授课 11 ETL 工具应用实训 专业课 24 1 24 考查 实训室 集中授课 12 小程序开发实训 专业课 24 1 24 考查 实训室 集中授课 13 数据采集实训 专业课 24 1 24 考查 实训室 集中授课 经济应用文写作 保险礼仪与职业道德 国际物流与国际贸易 汽车营销沟通技巧 专业课 （选修， 14 30 15 2 考查 普通教室 集中授课 四选一） 周学时合计 22 2020 级大数据技术与应用专业 第 3 学期教学进程安排表 序号 课程名称 毛泽东思想和中国特色 1 社会主义理论概述 课程类型 课程学时 周数 周学时 考核方式 主要授课地点 主要授课方式 公共课 32 16 2 考查 普通教室 集中授课 2 形势与政策 公共课 8 4 2 考查 普通教室 集中授课 3 创新与创业 公共课 38 16 2 考查 普通教室 集中授课 4 体育 公共课 34 16 2 考查 操场 集中授课 5 Hadoop 数据仓库技术 专业核心课 48 16 3 考试 实训室 集中授课 6 数据挖掘技术 专业核心课 48 16 3 考试 实训室 集中授课 7 Java 程序设计 专业课 64 16 4 考查 实训室 集中授课 8 Hadoop 平台部署与运维 专业核心课 64 16 4 考试 实训室 集中授课 9 大数据分析实训 专业课 24 1 24 考查 实训室 集中授课 10 大数据运维实训 专业课 24 1 24 考查 实训室 集中授课 11 Java 开发实训 专业课 24 1 24 考查 实训室 集中授课 现代企业管理 二手车鉴定与评估 ERP 系统应用 汽车美容装饰 专业课（选修， 12 30 15 2 考查 普通教室 集中授课 四选一） 周学时合计 22 2020 级大数据技术与应用专业 第 4 学期教学进程安排表 序号 课程名称 毛泽东思想和中国特色 1 社会主义理论概述 2 形势与政策 3 体育 4 数据可视化技术 5 深度学习与人工智能 6 Spark 技术 7 云计算与大数据技术 8 大数据应用综合实训 课程类型 课程学时 周数 周学时 考核方式 主要授课地点 主要授课方式 公共课 32 16 2 考查 普通教室 集中授课 公共课 8 4 2 考查 普通教室 集中授课 公共课 36 16 2 考查 操场 集中授课 专业核心课 48 16 3 考试 实训室 集中授课 64 16 4 考试 实训室 集中授课 64 16 4 实训室 集中授课 48 16 3 考查 实训室 集中授课 96 4 24 考查 实训室 集中授课 30 15 2 考查 普通教室 集中授课 专业课 专业核心课 专业课 专业课 考试 现代企业管理 9 二手车鉴定与评估 专业课 （选修， ERP 系统应用 四选一） 汽车美容装饰 周学时合计 22 2020 级大数据技术与应用专业 第 5 学期教学进程安排表 序号 课程名称 课程类型 课程学时 周数 周学时 1 企业实习 专业课 456 19 24 考核方式 主要授课地点 主要授课方式 考查 周学时合计 24 2020 级大数据技术与应用专业 第 6 学期教学进程安排表 序号 课程名称 课程类型 课程学时 周数 周学时 1 毕业实践 专业课 456 19 24 周学时合计 考核方式 主要授课地点 考查 24 主要授课方式 附件 3：人才培养方案变更审批表 长春汽车工业高等专科学校人才培养方案变更审批表 院部名称 专业名称 专业代码 变更原因 变更说明 专业负责 人意见 签字： 年 月 日 专业委员 会意见 签字： 年 月 日 学院 意见 签字（盖章）： 年 月 日 教务处 意见 签字（盖章）： 年 月 日 主管校长 意见 签字（盖章）： 年 月 日 学校学术 委员会意 见 签字（盖章）： 年 月 日 注：双面打印，一式二份，经批复后，教务处存一份，院（部）存一份。 附件 4：大数据技术与应用专业毕业标准 大数据技术与应用专业毕业标准 序号 1 毕业评价指标 内容 要求标准 学分 完成专业人才培养方案规定的课程 学习，完成理论与实训考核。 156.5 学分 职业素质 1.良好的压力承受能力 思想政治素质过硬，道德情操高尚， 2.良好的环境适应能力 身心素质健全，并具有良好的适应企业 3.良好的协作能力 或行业要求的具备职业理想、职业道德、 4.良好的信息获取和选择能力 人文素质、团队合作精神、创新精神和 5.具有责任感 创业能力的高素养职业。 6.具有忠诚度 知识水平 1.掌握数据采集相关知识 2.掌握数据存储相关知识 完成 DT 数据技术、 AT 分析技术、 PT 3.掌握数据清洗相关知识 平台技术、OT 运营技术 4 条技术路径的 4.掌握大数据平台搭建、应用、 学习，掌握数据收集、存储、分析、可 运维相关知识 视化等相关知识。 5.掌握数据分析相关知识 6.掌握数据可视化相关知识 4 技能水平 面向大数据挖掘与处理、大数据系 统搭建与运维、海量数据库管理、大数 据可视化、大数据分析等岗位，具备相 应的职业技能。 1.能够根据业务需求推荐合适 的大数据平台及方案； 2.能够根据业务需求，输出大 数据分析解决方案架构图及说 明文档； 3.能够根据大数据平台使用手 册，开通和配置大数据计算平 台； 4.能够根据业务需求，使用 SQL 进行数据清洗、分析处理； 5.能够独立使用大数据平台实 现数据库与大数据平台之间的 数据迁移； 6.能够独立使用数据仓库进行 数据的 ETL（抽取、转化、加 载）操作； 7.能够基于数据挖掘分类算法， 对业务目标进行预测分析； 8.能够使用不同维度和方法， 对模型效果进行准确性评估。 5 职业证书 在获得毕业证书的基础上，至少获 得一个行业认可的职业证书。 包括但不限于： 1.全国计算机等级考试证书 2 3 2.华为 HCIA-Big Data 大数据 工程师认证证书 3.阿里巴巴大数据分析与应用 “1+X 证书” 4.工信部大数据分析师、大数 据工程师证书