| 标题 | 新工科背景下地方高校大数据技术专业课程体系建设 |
| 范文 | 唐小勇 摘要：由于新技术、新业态、新产业、新模式为特点的新经济蓬勃发展，亟需大量适合此需求的人才，新工科因而受到社会广泛关注。该文以大数据技术专业课程体系建设为研究对象，提出适合地方高校的大数据技术专业人才教育的知识体系和相应的课程教学体系。 关键词：大数据；课程体系；新工科 中图分类号：TP393 文献标识码：A 文章编号：1009-3044（2018）24-0122-02 1 大数据技术专业课程体系建设意义 随着社会经济生活各领域数据规模的急剧增长，大数据已成为社会广泛关注的重要技术，其应用已日益深入到普通生活的各方面。目前，国内已经涌现一大批专注于大数据的商用技术公司，他们各自提出了大数据应用解决方案或云平台解决方案，并在不同的行业领域得到有效应用，产生了较大的社会效益。要支撑这些大数据产业发展，亟需大量精通大数据技术及应用的专业人才。 大数据技术专业人才培养的关键是人才培养理念、思想和方法，其核心是如何构建适合社会经济生活发展需要的专业课程体系。当前，我国政府大力倡导以创新为核心的“互联网+产业”创业模式、支持“中国制造2025”向智能化方向发展。为适应国家的上述战略需求，发展新业态、新技术、、新模式、新产业为主要特征的新经济是当前社会的普共识。要想中国在核心关键技术上获得突破，在未来全球他的贸易与创新经济中获得有效战略地位，迫切需要高等学校培养一大批适应新经济的工程技术人才。签此，本文以新工科建设理念为基础，提出适合新工科人才培养的大数据技术专业的课程配置体系，这对于地方普通高校参与新兴大数据技术专业教育教学，培养适应新经济的数据分析及应用人才具有重要的现实意义。 2 国内外大数据技术专业教育现状 国外大数据技术专业人才教育是最初设为数据分析学专业，其最早可以追溯到2007年在美国北卡罗来纳州立大学设立的数据分析硕士学位[1]。与传统意义上的计算机科学与技术、统计分析学和应用数学等专业不同，大数据分析技术及应用专业对数据应用的底层科学问题进行了抽象，弥补现有的基础学科与数据科学间空白，从而发展为数据科学与大数据技术。2013年后，国外一流大学包括加州大学伯克利分校、斯坦福大学、伦敦城市大学等在内的多所学校分别开设了此专业。加州大学伯克利分校数据科学与大数据技术专由信息学院开设，侧重于培养学生的研究设计、挖掘与探索、数据清洗、存储与检索、数据分析、道德与隐私、沟通与呈现等能力[2]。伦敦城市大学该专业由数学、计算机与工程学院和计算机系联合开设，其课程体系由核心模块、选修模块和综合训练课程3部分组成，每个模块包括实验教程和课程作业。其培养体系主要面向数据科学家，强调大数据技术与其他专业学科的融合培养[3]。这些国外知名高校大数据技术专业的教学改革为地方高校开设此专业课程体系提供了有力参考。 近年来，大数據技术专业也成了国内高校教学改革的重要内容。樊迪等人结合地方应用型院校实际师资与发展情况，从满足社会对大数据专业人才的需求为出发点，提出应用程大数据人才培养的课程体系和培养方案[4]。朝乐门等人在分析世界一流大学数据科学专业建设现状的基础上，提出了大数据技术专业应重视的10门特色课程[5]。梁柏榉从人才培养目标、课程体系设置、实验内容等方面对大数据应用专业实验教学与创新驱动型人才培养进行了论述[6]。以上大数据技术课程体系研究表明课程体系对人才培养目标最有重要的作用。随着我国社会以新技术、新业态、新产业、新模式为特点的新经济迅猛发展，面向新工科的大数据技术专业课程体系建设就显得异常重要。 3 大数据技术专业知识体系模型 本文以新经济模式下对大数据技术人才的需求为导向，强调海量数据获取、数据组织与存储、数据清洗、数据预处理、数据分析以及数据可视化的工程实践能力，研究大数据技术专业所需的知识体系。具体包括大数据概念、数据处理基本流程、数据来源、大数据特征及应用领域；大数据的源数据获取技术主要有计算机早期的信息管理数据库系统、传统网络信息获取系统和最新数据传感与物联网数据采集；大数据的源数据主要表现为格式化数据库行列信息、图形图像、文本、富媒体视频音频网页等；对于传统结构化、半结构化以及非结构化数据需进行预处理，这些技术主要有数据提取、清洗和数据集成技术，大数据技术中具体表现为ETL引擎方法、联邦数据库引擎、大数据中间件法、面向数据流的引擎方法、搜索技术等；大数据存储理论与方法、结构化分布式数据存储、分布式文件系统等技术，具体有Google大数据分析技术 Colossus、Bigtable、Dremel和PowerDrill等；数据处理核心计算技术有：流计算、批处理计算、迭代计算、图计算及内存计算等，这些处理技术的每种计算模式现都有具体系统如Spark、MapReduce、Caffeine、Tensorflow、Storm、Pregel等；数据分析与显示方法有数据挖掘、机器学习、数据统计等分析技术；大数据技术基础支撑技术有并行分布式计算、云计算等，其中云计算平台是大数据的基础，主要包括云服务提供技术、云服务管理技术及软件即服务模式（SaaS）、平台即服务模式（PaaS）及基础架构即服务（IaaS）的云服务资源等。 4 大数据技术专业课程体系 本文在专业知识体系基础上从专业基础课、专业核心课和专业选修课三方面构建适合地方高效的大数据技术专业课程系统。专业基础课主要涉及传统数学、统计学和计算机科学与技术相关课程，如：大数据导论、高等数学、概率论与数理统计、多元统计、Java程序设计语言、数据结构、离散数学、R语言或Python程序设计语言等。专业核心课程将重点培养学生数据获取、数据组织与存储、数据清洗、数据预处理、数据分析以及数据可视化的工程实践能力，包括MySql数据库系统、Linux操作系统、JavaWeb应用开发、Hadoop系统基础、HBase系统基础、云计算、Hive数据仓库开发理论与技术、Spark大数据应用技术、大数据支撑平台关键技术、大数据基础理论、数据挖掘算法与技术、并行分布式技术、人工智能技术、数据可视化技术等。专业选修课为学生提供多种感兴趣的发展方向，可开设的课程有高级科学编程及高性能计算、大数据商务智能、大数据行业应用实例与实践、数据因果推理科学、机器学习在数据科学中的应用、数据仓库及并行处理等。 参考文献： [1]Steve Pierson.Masters Programs in Data Science and Analytics. http：//magazine.amstat.org/blog/ 2017/06/01/. [2]UC Regents. Master of Information and Data Science. https：//www.ischool.berkeley.edu/programs/mids. [3]City， University of London. Objectives. https：//www.city.ac.uk/courses/postgraduate/data-science-msc. [4]樊迪. 论高校本科开设大数据专业的重要性[J]. 沈阳工程学院学报（社会科学版）， 2018，14（1）：119-123. [5]朝乐门，邢春晓，王雨晴. 数据科学与大数据技术专业特色课程研究[J].计算机科学， 2018，45（3）：1-8. [6]梁柏榉. 大数据技术专业实验教学与创新驱动型人才培养[J].物联网技术， 2017（10）：113-114. 【通联编辑：王力】 |
| 随便看 |
|
科学优质学术资源、百科知识分享平台，免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。