论文部分内容阅读
摘要：大数据技术与应用发展前景广阔，如何在新形势下设置人才培养目标，培养掌握该专业相关技术跨界意识和跨界实践的合格人才、实现专业的可持续发展，是目前必须考虑的首要问题。文中从专业内容、培养目标、培养方案等几方面做了阐述和研究。
关键词：数据科学 ，大数据技术， 培养目标
中国互联网行业经历了20年的蓬勃发展，现代人们的衣食住行都离不开网络，每个人产生的数据正在快速增长，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用预示着新一轮生产率增长和消费者盈余浪潮的到来，由此产生大数据工程师的岗位。大数据工程师就是一群“玩数据”的人，玩出数据的商业价值，让数据变成生产力。重视数据的机构已经越来越多，上到国防部，下到互联网创业公司、金融机构需要通过大数据项目来做创新驱动，需要数据分析或处理岗位也很多;常见的食品制造、零售电商、医疗制造、交通检测等也需要数据分析与处理，如优化库存，降低成本，预测需求等。
面对百万级人才缺口，教育部和各大高校显然也意识到这一数据人才的奇缺，各大高校纷纷开设数据科学与大数据技术这一本科专业。那么该专业培养目标是什么？应该学些什么？如何能够切合实际的培养出有跨界意识和跨界实践的人才呢？
一、培养目标
“数据科学与大数据技术” 专业的核心是计算机和统计分析，具备经济、金融、商业、管理等相关学科作为应用拓展性学科，推动并引领未云计算、大数据技术在各领域的深入应用，具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才。
二、学习内容
大数据是交叉学科，走的是“复合型”培养路线，需要了解和掌握的知識面比较广，在四年制的本科学习中，数学方面应该掌握数学分析、高等代数与解析几何、概率论、数理统计;计算机学科需要掌握Linux基础、java程序设计、pyhon语言基础、R语言基础、数据库应用技术、数据采集与网络爬虫、数据挖掘、Hadoop大数据存储与运算、Hbase大数据快速读写、Spark大数据快速运算、深度学习、与数据可视化。综合学科需要掌握金融大数据分析、健康医疗数据分析、交通物流数据分析等行业领域相关知识。
三、培养方案
随着科学技术的迅速发展与网络信息技术的不断革新，大数据技术这种新一代技术构架不断涌现和发展，人才培养与行业发展存在差距。那么如何切实可行的落实数据科学与大数据技术专业“产、学、研”一体化的教学模式，与企业接轨，与社会接轨呢？
首先高校可以与企业协作一同完成专业共建，从数据采集，数据接入与存储，数据分析与可视化，到最终的产品智能的驱动，实现数据驱动的四部曲。可以在网络爬虫的实践教学中采集数据，也可以与生产企业合作，获取脱敏后的数据。数据存储需要建设分布式生态系统，即使在PB及的数据存储下，只需要选择合适的分析模型，点选关注的属性和指标，达到一键便可查询分析结果，数据实时更新、秒级响应，分析业务表现从而驱动决策，挖掘出数据的价值，叠加学习算法，反馈到产品，从而驱动产品智能。
其次高校在教学体系中加强理论与实践教学，建立大数据教学实验室，全面落实“产、学、研”一体化的思想和模式，从教学、实践中注重专业人才和特色人才的培养。利用虚拟化教学资源，搭建教学系统和集群平台，将理论学习、实践教学和大数据项目实战融为一体，由难而易、循序渐进，逐步提升学生的学习技能和实践水平，提高“学”的质量和成效。利用大数据分析主流软件框架，搭建与业界主要用户一致的实验与科研环境，将理论课程中学到的数据挖掘算法运用到实际的数据分析过程中，提升学生的动手操作和项目实践能力。使得学生所学与企业项目人才需求无缝衔接，与教师的科研工作紧密配合。
最后项目案例训练作为实践教学的一个重要闭环，充分支撑教育科研工作。通过采集的行业数据及案例剖析用于基础研究，对行业数据进行分析统计，按需求生成数据报表例如某地区经济数据分析，电商商品交易数据分析，房屋租售交易分析，食品价格行业分析等。面向当前的海量数据应用，教学研究关键理论模型算法及各种软件体系架构，以理论研究为指导，深入研究企事业单位的各种应用信息系统，具体研发方向包括：
1.数据库仓库理论研究：研究数据仓库的多维模型、OLAP技术，多数据库信息集成技术，分布式数据库理论研究，面向互联网的信息智能处理技术，基于WEB的数据仓库技术和数据挖掘技术。
2.大数据环境下的数据存取技术：面向大数据环境的列式数据库技术，面向大数据环境的NoSQL技术。
3.数据模型的数学理论研究：基于数学的思想进行组合矩阵论、图论相关的研究。
4.软件体系架构研究：研究基于SOA体系下各种云应用系统的构建、实施与开发。
5.企事业单位信息化研究：研究各种企事业单位信息化的方法论与实施过程，开发各类企事业单位的各种信息系统。
虽然大数据目前在国内还处于初级阶段，但是其商业价值已经显现出来，特别是有实践经验的大数据分析人才更是各企业争夺的热门。为了满足日益增长的大数据分析人才需求，很多大学开始尝试开设不同程度的大数据分析课程。“大数据分析”作为大数据时代的核心技术，必将成为高校数学与统计学专业的重要课程之一。在实践教学中通过一定理论指导下，通过引导学习者的实践活动，从而传承实践知识，形成技能，发展实践能力，提高综合素质的教学活动。
总之大数据在带来极大商业价值的同时，也面临着巨大的人才需求。据数联寻英发布的《大数据人才报告》称：目前我国大数据人才仅46万，在未来3-5年内大数据人才缺口达 1，500，000 之多！面对如此巨大的人才缺口，应该深入探讨高校如何开展大数据分析与实践教学这一课题，让学生在校期间学习的专业知识在未来的职场生涯中有一定的用武之地。为各大企事业单位以及研究院所输送复合型跨界人才
参考文献
[1]刘凤娟 . 大数据的教育应用研究综述[J].软件导刊（教育技术），2014卷（G40-057）：47-51
[2] 胡铁生.微课、慕课的建设误区与房展建议[D]南京：南京农业大学，2014
[3]郑怡文，陈红星，白云晖.基于大数据在课堂教学中对学生精准关注的实验研究[J].现代教育科学，2016，（2）：54-57.
关键词：数据科学 ，大数据技术， 培养目标
中国互联网行业经历了20年的蓬勃发展，现代人们的衣食住行都离不开网络，每个人产生的数据正在快速增长，数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用预示着新一轮生产率增长和消费者盈余浪潮的到来，由此产生大数据工程师的岗位。大数据工程师就是一群“玩数据”的人，玩出数据的商业价值，让数据变成生产力。重视数据的机构已经越来越多，上到国防部，下到互联网创业公司、金融机构需要通过大数据项目来做创新驱动，需要数据分析或处理岗位也很多;常见的食品制造、零售电商、医疗制造、交通检测等也需要数据分析与处理，如优化库存，降低成本，预测需求等。
面对百万级人才缺口，教育部和各大高校显然也意识到这一数据人才的奇缺，各大高校纷纷开设数据科学与大数据技术这一本科专业。那么该专业培养目标是什么？应该学些什么？如何能够切合实际的培养出有跨界意识和跨界实践的人才呢？
一、培养目标
“数据科学与大数据技术” 专业的核心是计算机和统计分析，具备经济、金融、商业、管理等相关学科作为应用拓展性学科，推动并引领未云计算、大数据技术在各领域的深入应用，具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才。
二、学习内容
大数据是交叉学科，走的是“复合型”培养路线，需要了解和掌握的知識面比较广，在四年制的本科学习中，数学方面应该掌握数学分析、高等代数与解析几何、概率论、数理统计;计算机学科需要掌握Linux基础、java程序设计、pyhon语言基础、R语言基础、数据库应用技术、数据采集与网络爬虫、数据挖掘、Hadoop大数据存储与运算、Hbase大数据快速读写、Spark大数据快速运算、深度学习、与数据可视化。综合学科需要掌握金融大数据分析、健康医疗数据分析、交通物流数据分析等行业领域相关知识。
三、培养方案
随着科学技术的迅速发展与网络信息技术的不断革新，大数据技术这种新一代技术构架不断涌现和发展，人才培养与行业发展存在差距。那么如何切实可行的落实数据科学与大数据技术专业“产、学、研”一体化的教学模式，与企业接轨，与社会接轨呢？
首先高校可以与企业协作一同完成专业共建，从数据采集，数据接入与存储，数据分析与可视化，到最终的产品智能的驱动，实现数据驱动的四部曲。可以在网络爬虫的实践教学中采集数据，也可以与生产企业合作，获取脱敏后的数据。数据存储需要建设分布式生态系统，即使在PB及的数据存储下，只需要选择合适的分析模型，点选关注的属性和指标，达到一键便可查询分析结果，数据实时更新、秒级响应，分析业务表现从而驱动决策，挖掘出数据的价值，叠加学习算法，反馈到产品，从而驱动产品智能。
其次高校在教学体系中加强理论与实践教学，建立大数据教学实验室，全面落实“产、学、研”一体化的思想和模式，从教学、实践中注重专业人才和特色人才的培养。利用虚拟化教学资源，搭建教学系统和集群平台，将理论学习、实践教学和大数据项目实战融为一体，由难而易、循序渐进，逐步提升学生的学习技能和实践水平，提高“学”的质量和成效。利用大数据分析主流软件框架，搭建与业界主要用户一致的实验与科研环境，将理论课程中学到的数据挖掘算法运用到实际的数据分析过程中，提升学生的动手操作和项目实践能力。使得学生所学与企业项目人才需求无缝衔接，与教师的科研工作紧密配合。
最后项目案例训练作为实践教学的一个重要闭环，充分支撑教育科研工作。通过采集的行业数据及案例剖析用于基础研究，对行业数据进行分析统计，按需求生成数据报表例如某地区经济数据分析，电商商品交易数据分析，房屋租售交易分析，食品价格行业分析等。面向当前的海量数据应用，教学研究关键理论模型算法及各种软件体系架构，以理论研究为指导，深入研究企事业单位的各种应用信息系统，具体研发方向包括：
1.数据库仓库理论研究：研究数据仓库的多维模型、OLAP技术，多数据库信息集成技术，分布式数据库理论研究，面向互联网的信息智能处理技术，基于WEB的数据仓库技术和数据挖掘技术。
2.大数据环境下的数据存取技术：面向大数据环境的列式数据库技术，面向大数据环境的NoSQL技术。
3.数据模型的数学理论研究：基于数学的思想进行组合矩阵论、图论相关的研究。
4.软件体系架构研究：研究基于SOA体系下各种云应用系统的构建、实施与开发。
5.企事业单位信息化研究：研究各种企事业单位信息化的方法论与实施过程，开发各类企事业单位的各种信息系统。
虽然大数据目前在国内还处于初级阶段，但是其商业价值已经显现出来，特别是有实践经验的大数据分析人才更是各企业争夺的热门。为了满足日益增长的大数据分析人才需求，很多大学开始尝试开设不同程度的大数据分析课程。“大数据分析”作为大数据时代的核心技术，必将成为高校数学与统计学专业的重要课程之一。在实践教学中通过一定理论指导下，通过引导学习者的实践活动，从而传承实践知识，形成技能，发展实践能力，提高综合素质的教学活动。
总之大数据在带来极大商业价值的同时，也面临着巨大的人才需求。据数联寻英发布的《大数据人才报告》称：目前我国大数据人才仅46万，在未来3-5年内大数据人才缺口达 1，500，000 之多！面对如此巨大的人才缺口，应该深入探讨高校如何开展大数据分析与实践教学这一课题，让学生在校期间学习的专业知识在未来的职场生涯中有一定的用武之地。为各大企事业单位以及研究院所输送复合型跨界人才
参考文献
[1]刘凤娟 . 大数据的教育应用研究综述[J].软件导刊（教育技术），2014卷（G40-057）：47-51
[2] 胡铁生.微课、慕课的建设误区与房展建议[D]南京：南京农业大学，2014
[3]郑怡文，陈红星，白云晖.基于大数据在课堂教学中对学生精准关注的实验研究[J].现代教育科学，2016，（2）：54-57.