专业方向设置及人才培训目标方案
- 培养目标：按照国家教育部培养方针和“面向世界、特色鲜明、服务业界”的定位；坚持“教学、实践、研究为一体”的原则；培养德才兼备、素质精良、进取创新的大数据科学及工程相关领域高素质人才。
- 专业概念：大数据学科是一门研究大数据的理论、方法、技术和大数据项目的设计、开发、运用以及对企业整体大数据问题的创造性解决方案的一门交叉专业。
- 专业特色：“区域化、应用化、国际化”；结合地方区域特质、民族特征、经济特色等加强区域性人才培养；结合实践教学、实验课题、科技研发等强化人才应用能力；吸收国外先进教学经验、加强国际化交流。结合地区特色与产业发展模式，专业的师资团队，打造地区乃至全国的标杆型专业。
特色方向：分别融合管理、统计、金融、计算机、信息系统和电子商务等传统专业方向，形成多样化的人才培养方向；如数据挖掘与数据分析、数据可视化、大数据与云计算以及大数据行业应用等方向。
精品课程：
- 大数据概论
- 大数据架构及设计
- 大数据统计分析与预测
- 大数据挖掘建模
- 大数据行业应用案例
- 大数据行业解决方案设计
- 就业前景：
- 项目咨询：
- 大数据项目咨询
- 大数据方案设计
- 大数据工程实施
- 软件开发：
- 大数据软件开发
- 大数据信息服务
- 大数据项目运营
- 零售行业：
- 大数据平台运营
- 大数据挖掘
- 大数据业务分析
- 金融机构：
- 大数据实时监控
- 大数据信用评级
- 大数据风险控制
- 大数据挖掘分析
- 项目咨询：
大数据学科是大数据在定性发展中科学与工程化的过程，美国工程与技术认证委员会（ABET）对创新型工程人才提出的 11 条标准中，着重强调：坚实深厚的专业知识，专业方向实践科研能力和创新能力。ABET 的评估标准同样是对大数据学科人才的培养要求，基这一人才评估标准，大数据学科专家顾问团队根据大数据学科人才培养多样化的创新理念，融合管理、统计、数学及计算机等专业方向内容，将大数据学科人才培养方向划分为以下内容：
- 大数据与云计算
- 数据分析与挖掘
大数据与云计算
人才培养目标
大数据与云计算，培养的是大数据与云计算系统工程师、数据工程师等。使学习者熟悉云计算领域的核心技术与应用，同时掌插大数据技术构架和生态系统，能够很好的结合云计算和大数据，协助企业决策者制定合适的技术路线或业务发展图，使企业适应行业发展需求。
特色课程
- 大数据概论
- 云计算概念及其模型
- 虚拟化
- 云基础架构
- OpenStack
- Hadoop
- Storm
- Hive
- HBase
- Spark
教学特色
对大数据、云计算等相关知识进行培养。
培养能力
实现对大数据、数据分析、云服务开发与部署等能力的全面提高。
岗位定位
为金融行业、零售业、通信行业、电力行业、教育行业等输送大数据、云计算系统工程师、数据工程师等人才。
数据分析与挖掘
人才培养目标
在掌握大数据学科概况的基础上，为包括金融、零售、电信、医疗以及电子商务等多个行业培养数据分析师，行业分析 师等。
特色课程
- 大数据概论
- 爬虫理论与实践
- 数据 ETL 抽取
- 大数据统计建模
- R统计分析
- 数据预处理
- 数据挖掘与机器学习
- 高级数据挖掘技术
教学特色
对常见数据分析、数据挖掘的科学方法和理论等相关知识进行培养。
培养能力
实现对数据的分析与挖掘等能力的全面提高。
岗位定位
为银行、零售商、电商、医院、供应链管理公司和电信公司等多个行业输送数据分析师、行业分析师人才。为政府部门，金融机构、大型企业输送 BI 工程师，大数据业务分析师，数据 ETL 工程师，爬虫工程师等相关人才。
大数据应用开发
人才培养目标
在掌握大数据概论的基础上，为互联网、电信、金融、电子商务等行业培养数据研发工程师、数据 ETL 工程师、可视化开发工程师，爬虫工程师等。
特色课程
- 大数据概论
- 网络爬虫开发
- Python数据分析
- NoSQL
- MapReduce
- HDFS
- Mahout
- Pig
- Hive
- Hadoop Java
- Spark Java
- 数据可视化
教学特色
对大数据技术需要的应用开发及数据可视化开发能力进行培养。培养能力
对大数据应用开发和数据可视化开发等能力的全面提升。岗位定位
为互联网、金融机构、电信行业、交通领域等行业输送爬虫工程师、数据应用研发工程师、数据 ETL 工程师、可视化开发工程师等相关人才。