大数据技术专业实验教学与创新驱动型人才培养

梁柏榉

摘 要：随着大数据技术和产业的发展，大多数企业对大数据应用的创新驱动型人才有着迫切需求，因此各高校相继开设了相应大数据技术与应用专业，重点从人才培养目标、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。

关键词：大数据；实验教学；创新驱动；人才培养

中图分类号：TP39；G482 文献标识码：A 文章编号：2095-1302（2017）10-0-02

0 引 言

《2017中国大数据发展报告》显示，我国大数据发展总体处于起步阶段，资本和产业是当前地方大数据发展的突出短板，人才短缺。随着大数据技术的创新与应用，考虑到潜在企业对大数据创新驱动技能型人才的需求，国内多所高职院校已开设大数据技术与应用及相关专业。但大数据专业的教学资源和实验条件目前相对缺乏，如何培养应用大数据创新驱动技能型人才已成为高职院校探讨的新热点。

1 大数据创新驱动技能型人才培养方案与课程体系设置

深入贯彻实施国家大数据创新驱动战略，坚持以市场为主导，从2016年开始国内共有32所高校开设了数据科学与大数据技术专业，显示出国家对培养大数据创新驱动技能型高素质人才的高度重视。为此，我们提出的大数据创新驱动技能型人才培养方案与课程体系设置对大力推动大数据技术创新驱动教学模式具有十分重要的意义。

1.1 培养思路与目标

确立不同学历层次的人才培养目标，培养大数据系统研发类人才；培养大数据应用开发类人才；培养大数据分析類人才。以培养具有大数据分析与应用的生产、服务、管理创新驱动技能型高素质专门人才为目标，培养本专业学生熟练掌握大数据技术原理、分布式文件系统、关系型数据库技术、非关系型数据库技术、海量数据分析与数据挖掘、算法与数据结构等方面知识。培养学生的大数据分析与处理、大数据系统研发、大数据应用实践能力。从大数据技术理论知识学习到实践应用，使学生具有一定的大数据服务综合应用能力，培养一大批应用大数据创新驱动技能型高素质人才。

1.2 培养方案

从Java语言编程、Hadoop、Spark、Storm到MySQL数据库、多维大数据集、数据挖掘方法学习，培养学生掌握大数据技术专业知识；掌握关系型数据库和非关系型数据库系统基本原理；掌握数据统计分析方法与R语言编程；掌握海量数据分析与数据挖掘基础理论与专业知识，能进行相关大数据的分析与处理；掌握大数据应用平台的搭建。

1.3 构建大数据专业实验教学体系

实验课程要求包括实验预习、实验操作、实验记录、实验态度和表现、实验报告等，根据上述五个方面进行综合评定。每24学时实验课程计2学分，最小学分单位为0.5学分。

实验课程设置。大数据专业实验教学体系的目的在于增强学生的实践能力训练，分为四个层次，分别为实现数据挖掘展示、算法实现、数据分析、大数据技术综合应用等方面的训练，共有10个模块，100多个实验项目。大数据专业实训内容见表1所列。

2 大数据实验教学具体项目实训及案例

进行多角度、多层面、多方位的项目实训，让学生掌握大数据收集、大数据分析、大数据展现等基本内容和原理，特别是大数据分析工具及大数据分析方法等关键技术。

根据项目设计开发数据模型、数据挖掘和处理算法，运用直接数据挖掘和间接数据挖掘分析，利用可用的数据建立一个模型，在所有的变量中建立起某种关系。通过数据探索和模型的输出分析，利用图形化工具，一目了然地揭示数据间的复杂信息。实施步骤为数据抓取、数据存取、数据清洗、数据重构、基础架构、数据处理、统计和分析、数据挖掘、数据可视化。项目实训流程见表2所列。

项目实践使学生了解关系数据库和非关系数据库的知识以及分布式文件系统技术，全面掌握物联网中的大数据应用、时间序列数据查询、分析和挖掘等工作流程。

3 构建全方位立体培训体系积极推进大数据高技能人才队伍的建设

由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设：

（1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面；

（2）精通处理大数据分析的人才；

（3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。

大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求， 以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。

4 教学手段与措施

注意学科群均衡发展，将课程设置模块化、系统化，提高教学手段。围绕“创新驱动型”办学战略，树立创新教育理念，把握教学过程中理论和实践的结构比例，并注重“实践能力质量”的创新驱动模式，积极引进企业优势资源，开展校企共建教学实践基地，把实践教学活动从第一课堂延伸到第二课堂、延伸到企业，为培养学生技术应用能力创造实践环境，从而推动大数据技术专业的发展。

提高实验教学效果的关键在于优化实验教学，在实践教学手段方面，应以项目为载体，采用验证性实验——综合性实验——创新性实验的实践教学模式，结合大数据技术专业的特点进行实验教学，以大数据Hadoop实训为例。

实现Hadoop底层分布式文件系统原理、操作和应用的开发。运用Hadoop集群开发工具搭建和开发一个企业大数据平台，包括架构设计、环境搭建、分布式并行计算框架、集群交互、分析处理数据、优劣分析和取舍、运用Spark技术在实际项目中实现各种类型的业务需求，让学生真正做到融会贯通、举一反三，更好地掌握大数据项目的开发。

从大数据中提取拥有较高价值的挖掘技术的实验，通过Hadoop离线数据挖掘系统从数据采集、入库、分析及报表展现研究数据挖掘，包括需求分析、数据采集、数据存储管理、数据清洗、数据仓库设计、ETL、业务模型统计分析等。

5 结 语

本文阐述了大数据应用专业实验教学与创新驱动型人才培养方案，具体对大数据应用专业实验课程设置、教学内容、实训平台建设方面进行综述。为学校如何开展好大数据应用专业实验教学提供参考。实践证明，此举大大提升了大数据应用专业人才培养能力，可满足社会对科技创新人才的需求。

参考文献

[1]曹耀钦，李发陵，周龙福.应用型智能科学与技术专业大数据课程群建设研究[J].计算机教育，2016（10）： 22-25.

[2]赵姝，白浩，张瑞敏.基于大数据的卓越教师培养路径探析[J].电化教育研究，2017（1） ： 47-53.

[3]王岩，欧歌，向健，等.Java课程体系本体系统构建探索[J].计算机教育，2016（6）：108-115.

[4]谢志明，王鹏，李俊杰，等.基于CDIO的云计算与大数据课程体系建设[J].计算机教育， 2017（1）：47-52.

[5]陈晓亮.Openstack框架的大数据课程教学平台搭建及实验规划[J].科教导刊，2016（16）：49-50.

[6]贺宁，汤明伟，贺萌.大数据课程在高职学院中的建设和发展[J].软件，2015，36（10）：50-52.

[7]朱琳.关于高校大数据专业教学模式初探索[J].电脑知识与技术，2017，13（5）： 125-127.

[8]唐小勇.高校计算机专业大数据分析课程教学内容初探[J].福建电脑，2017（3）：169.endprint