学院概况

曙光大数据学院概况

山东英才学院曙光大数据学院,是由教育部统筹、教育部规划司指导,联合曙光信息产业股份有限公司联合发起的“数据中国、百校工程项目建设院校。山东英才学院与曙光教育合作中心采用“共建、共管、共营”的模式筹建了“曙光大数据应用创新中心”,中心建筑面积约1000平方米,校企双方总计投资1500余万元。主要包含4间实验室、1间课题研讨室、1间项目研讨室、1间展示大厅,1间机房,1间校企合作办公室。首选深度合作的是信息管理与信息系统专业,下设数据分析管理方向,贯彻国际工程认证(OBE)人才培养理念,以培养具备解决复杂工程问题能力的应用创新型人才为目标,针对性地开展相关专业的课程设计开发、团队培训、项目实践培训等教育服务工作,培养大数据行业应用型人才、服务地方经济

一、学院特色

产教融合、校企合作,数据中国百校工程实施项目

    基于国家大数据战略及教育发展战略,2016年由教育部统筹,教育部规划司指导,曙光教育合作中心具体实施的“数据中国产教融合促进计划”百校工程,在全国范围遴选百所高校,部署集人才培养、科研支撑、行业应用及社会服务于一体的曙光都数据应用创新中心”,设立曙光大数据学院”,特色如下:

1校企双方资源共享,优势互补,共同创建,共同管理;

2)校企共建行业顶尖专业实验室,百校联网,共享数据价值,协同创新;

3并且真正贯彻国际工程认证(OBE)人才培养理念,以培养具备解决复杂工程问题能力的应用创新型人才为目标,专业内部教材,同步行业最前沿;

4)经验丰富的企业讲师驻校授课,带来企业的氛围和全新的项目案例;

5)采用VIP垂直整合项目教学,循序渐进地参与项目组的形式,以研促学;

6)企业职素课程、职素活动、行业调研、企业考察、企业夏令营等各项活动用以实践;

7)完善的就业服务体系。按照1 : 1.2的就业岗位比例为毕业生提供就业推荐及服务,并保证合作专业的就业率不低于该专业合作前三年的平均就业率。

二、培养目标

培养具有良好的职业道德和专业素养,具备扎实的信息管理基础和一定的计算机应用能力,熟练掌握数据收集、处理、分析的方法与技能,并具有一定的实践创新能力的高级应用型人才。毕业生掌握信息统计与管理、大数据体系主流技术的基础理论知识,具备良好的信息管理、数据处理及数据可视化的能力,并且具备在行业应用中解决复杂工程问题的能力,能够在经济部门、金融机构、工商企业、电商行业、政府部门等不同行业中从事大数据应用项目的市场调研、数据分析、信息管理、系统开发、项目实施等相关工作。

具体培养目标包括:

(1)适应社会发展的政治、人文、科技素养;

2)专业能力:理解并掌握大数据应用技术体系,能够完成大数据行业五类典型的工程师在项目工作中的常规任务,能够较熟练使用大数据行业在进行研发或者分析工作时所使用的通行的工具和技术,同时具备一定的创新解决行业应用问题的能力;

3)从业素质:理解和认同行业规范和素质要求,在项目工作中体现相应要求,同时掌握求职就业的技巧方法,有一定的创新创业意识;

4)项目工作经验:以不同角色参与到需要协同进行的行业项目类型的工作,拥有自己的项目工作成就并能够就参与的项目工作做出清晰说明。

三、课程介绍

1、前导课程

学生在进入大数据专业核心课程的学习之前,需要具备必要的数学、计算机等知识基础。校方所开设的必备前导课程及相关课程要求如下表:: 大数据专业应开设的前导课程及课程要求

前导课程

课程要求

数学类课程

在符合教育部颁布的《工科类本科数学基础课程教学基本要求》的前提下,增加概念原理教学,减少常规计算训练,并运用数学软件(如mathematicamatlab)进行教学。

程序设计基础

熟练掌握C语言的数据类型和各类运算符;能正确使用表达式实现各种数据的简单加工;熟练掌握C语言的三种基本结构的特点;掌握C语言的常用库函数的使用,以及用户函数的定义,调用参数传递的方法;熟练掌握阅读和分析简单程序的方法和技巧;了解并初步掌握实用程序的开发与调试技术。

面向对象

程序设计

掌握面向对象的基本概念和使用面向对象进行程序设计的基本思想;掌握Java的基本语法和语言特点并可以进行一般的面向对象程序设计;培养学生规范编码和良好的程序设计风格;培养学生面向对象编程的思维和提高逻辑思维能力。

操作系统(Linux

理解Linux操作系统的基本原理和基础应用;能够安装和卸载Linux系统及相关软件包;能够熟练操作图形界面;能够熟练使用常用命令;能够熟练配置和管理Linux系统、网络连接和常用服务器;了解Linux下的shell编程。

数据结构

掌握线性表、栈、队列、串、数组、树、二叉树等基本数据结构及其操作;能够分析计算机加工的数据结构的特性;能够为应用中涉及的数据选择适当的逻辑结构、存储结构;熟练掌握各种常用算法的基本思想和程序实现。

2、专业核心课程设置与要求

 1Hadoop大数据技术

课程目标:掌握Hadoop大数据技术基本概念、体系结构、技术原理、主要组件等主要内容。

 2)分布式数据库原理与应用

课程目标:了解分布式数据库系统的基本概念和基本理论其实现的关键技术,并且了解大数据行业常用的以HBaseMongoDB为代表的NoSQL非结构化数据库。

  3)数据导入与预处理

课程目标:本课程是一门实践性与应用性都比较强的课程,学生需要通过实践来深入理解数据采集、数据清洗、数据导入等数据预处理技术的基础概念、理论原理、行业工具和技术应用。通过本课程的学习,学生可以基本掌握数据清洗、数据集成、数据转换、数据载入的原理与技术,能够独立完成数据预处理工作,并具备参与大数据项目中数据前期处理与实施的基本技能。

4 数据仓库与数据挖掘技术

课程目标通过本课程的教学,阐述了数据仓库与数据挖掘的基本原理,系统而全面地介绍了数据仓库与数据挖掘的概念、作用、算法和应用举例,并且给出了信息分析所涉及到的若干问题及框架。

5)数据可视化技术

课程目标通过本课程学习,了解数据可视化分析工具和图表。参与者也将学习如何为各种不同的数据类型和场景选择适当的图表类型,创造有效的仪表板传达组织信息。

3、专业实践课程

Hadoop部署实践、数据可视化开发实验(开发项目型)、数据预处理实践(复杂实操型)、毕业实习、毕业论文(设计)VIP创新教学课程(VIP项目)

4、专业选修课程设置与要求

应用开发方向一:大数据应用开发语言

课程目标:通过本课程学习以及操练课程的系统Infinity Edu教学实验系统和Infinity Xdata大数据生态分析管理平台,学会使用平台支持大数据应用开发语言课程相关内容的教学,包括PythonR语言开发环境的配置和部署,开发语言的介绍、开发语言的应用。学习通过平台连接到Xdata系统实践开发环境部署和配置,实践开发语言的应用。

  应用开发方向二:大数据分析与内存计算

课程目标:通过本课程学习以及操练课程的系统Infinity Edu教学实验系统和Infinity Xdata大数据生态分析管理平台,温习巩固平台支持大数据分析与内存计算课程相关内容,包括基于内存计算的大数据分析的SPARK架构的基本知识,掌握Spark的关键技术,完成Spark体系的安装及部署,完成基于内存计算的大数据应用分析。

  科研分析方向一:商务智能方法与应用

课程目标:通过本课程学习以及操练课程的系统Infinity Edu教学实验系统+Infinity Xdata大数据生态分析管理平台+Infinity Insight大数据智能分析平台,掌握平台支持商务智能方法与应用课程相关内容,包括数据仓库、在线分析处理以及数据挖掘的建模、分析和评价方法,多维数据模型的建模、多维分析方法。

  科研分析方向二:机器学习

课程目标:通过本课程学习以及操练课程的系统Infinity Edu教学实验系统+Infinity Xdata大数据生态分析管理平台+Infinity Mining大数据智能分析平台,掌握平台支持大数据机器学习课程相关内容,包括R语言算法开发环境的配置和部署,聚类算法、分类算法、协同过滤算法和模式挖掘算法的应用。

5、职业素质课程

   职素课程体系共分为:准职业人导向、职业定位与发展、求职能力提升三阶段, 相关作用如下:

1S1-S2阶段――准职业人导向训练

培养目标:通过本阶段的训练,学生能够初步具备职场所需的礼仪,能清晰地进行自我介绍向外展现自己。

2S3-S4阶段――职业定位与发展

培养目标:通过本阶段训练,学生对大数据行业的整体发展情况、细分行业、典型企业和岗位、职业环境和职业发展通道有较为清晰的认识;学生能够对自己的职业生涯进行有效规划并能清楚了解自身与行业要求的差距。

3S5阶段――就业能力提升训练

培养目标:通过本阶段训练,学生能顺利通过面试关,同时拥有在企业有工作一年以上的职业心态,进而提升学生的就业竞争力,引导学生树立正确的职业价值观就是本阶段的培养目标,本阶段培养内容包括:简历制作、面试能力提升和职业心态引导。

四、就业前景及分析

虽然大数据在国内还处于初级阶段,但是商业价值已经凸显。大数据的特征是数据量大、数据种类多、非标准化数据的价值最大化。因此,大数据的价值是通过数据共享、交叉复用后获取最大的数据价值。大数据的发展会催生许多新兴新职业,会产生数据分析师、数据科学家、数据工程师,有非常丰富的数据经验的人才会成为稀缺人才。

大数据目前在业界持续火热,整个行业出现了井喷式的快速发展,产生了超千亿级的市场规模。然而在产业快速发展、投资持续火爆的背后,又有多少人知道,目前在大数据行业打拼的从业者中,大部分都是半路出家,极少有人受过系统化的培养和教育。

    全球最顶尖管理咨询公司麦肯锡出具的一份详细分析报告显示,预计到2018年,大数据或者数据工作者的岗位需求将激增,大数据决策分析师和经理岗位缺口则将达到150!大数据产业面临越来越大的人才缺口。2:大数据专业代表性就业岗位及其职责

岗位类别

岗位职责

大数据系统研发

工程师

1.        负责大数据系统研发工作,包括大规模非结构化数据业务模型构建、大数据存储、数据库架构设计以及数据库详细设计、优化数据库构架、解决数据库中心建设设计问题;

2.        负责集群的日常运作、系统的监测和配置、Hadoop与其他系统的集成。

大数据应用开发

工程师

1.        负责搭建大数据应用平台、开发分析应用程序;

2.        熟悉编程、包装、优化或者部署不同的MapReduce事务;

3.        以大数据技术为核心,研发各种基于大数据技术的应用程序及行业解决方案。

大数据分析师

1.        从事数据的抓取,导入,预处理的工作;

2.        运用算法来解决分析问题,并且从事数据挖掘工作;

3.        辅助开发数据产品,推动数据解决方案的更新。

数据可视化

工程师

1.        负责研究用户需求,进行概念设计,并最终定义产品信息架构、交互及视觉细节;

2.        负责数据可视化产品的视觉设计,参与大数据分析产品策划工作,深入理解主流数据可视化展现形式,针对实际场景梳理数据信息,提出专业的数据可视化元素运用的建议;

3.        负责大数据可视化工具插件研究,根据业务需求,进行系统分析和设计,提供优秀的数据可视化解决方案;

4.        根据给定的业务数据,完成数据的可视化展示,实现较为丰富的数据交互功能。

大数据运维

工程师

1.        负责和参与公司大数据基础架构平台的运维,保障数据平台服务的稳定性和可用性;

2.        负责和参与超大规模数据存储与计算任务的精细化管理系统的设计,选型和开发;

3.        负责和参与大数据基础架构平台的监控、资源管理、数据流管理;

4.        负责和参与自动化运维系统及平台的建设;

5.        负责和参与基于数据分析的、可预测的云平台弹性扩展解决方案。