论文部分内容阅读
摘要：大数据时代背景下，需要培养擅长大数据收集、存储、管理与分析的专业人才，以适应社会和改革的需求。在计算机专业的大数据课程上，高等院校不管是在课程体系方面还是实践教育上都需要进行探索式创新改革。本文结合文华学院计算机科学与技术专业应用型人才的培养目标，探讨了大数据方向课程群建设的目标和思路，利用现有的浪潮云海大数据一体机平台，从课程群规划、理论教学、实践教学三个方面提出了一系列提高学生综合应用能力的高效的方法。
关键词：大数据方向；课程群；应用型人才；实践课程
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）28-0274-03
一、背景
大数据的研究正面临着全球性的人才荒问题。根据麦肯锡报告，预计到2018年美国市场大数据人才（包括高级数据分析專家）缺口将高达19万。此外，美国企业还需要150万能够看出关键问题所在并运用大数据来进行分析的相关管理人才。中国是人才大国，但掌握和应用大数据技术的创新型人才仍是稀缺资源，培养大数据相关人才成为最为紧迫的任务。
国内外相关高校先后通过开设《数据科学》课程、开展数据科学学位计划及数据科学短期培训班来进行数据科学家和数据工程师的培养。美国加州大学伯克利分校从2011年起开设《数据科学导论》课程，并从2012年起开设《数据科学和分析》课程；麻省理工学院开设《计算思维和数据科学导论》这门课，介绍如何利用计算机来理解真实世界的现象，主要面向具备一定Python编程经验和计算复杂度基础知识的学生，课程更加看重涉及面的广度，而不是一味追求深度，该课程为学生提供了许多主题的简要介绍，课程的主题包括：绘图、随机程序、概率和统计、随机漫步、蒙特卡洛模拟、数据模型化、优化问题和分类归并，使得学生对今后职业生涯中计算机的角色有了更多了解；美国华盛顿大学开设了《Introduction to Data Science》，介绍了关系型数据库、MapReduce、NoSQL、基础数据分析、机器学习、可视化以及图论[1]。在英国，大概有七所高校开设了《数据科学》及其相关课程，包括谢菲尔德大学、爱丁堡大学、伦敦大学学院、东英吉利大学、布里斯托大学、曼彻斯特大学、伦敦大学皇家霍洛威学院。
在中国，一批知名企业也开设了自己的大数据研究中心，并与各大高校开展合作，促进了大学中大数据专业的发展。北航软件学院、北航计算机学院与慧科教育（工信部移动云计算教育培训中心）联合打造的大数据技术与应用专业，于2012年开始招收工程硕士[2]；2013年，华东师范大学成立了数据科学与工程研究院；2014年，华南理工大学设立了云计算与大数据专业；同年，清华大学成立“清华―青岛数据科学研究院”，设立大数据的硕士博士学位项目。另外，开设大数据相关本科专业的院校有贵州师范学院、贵州大学和北京城市学院等。
二、大数据方向课程群构建思路
大数据学科方向是一门交叉专业方向，与不同专业相结合可以发展成特定方向的专业或研究领域。IT、金融、管理、社会、生物等传统专业方向与大数据学科方向相结合表现出多样化的差异特征，包括专业研究方向与社会需求岗位。例如统计学专业与计算机专业，前者注重数据统计相关理论与数据挖掘理论的结合应用，而后者则注重其应用领域的IT工程实现方式；从岗位需求层次来看，前者需要数据分析人才，后者需要大数据应用开发和大数据系统开发人才。不同的社会岗位有着不同的教育层次与专业技术背景要求，这就要求在不同的专业方向要有不同的课程规划。就民办高校来说，需要设置较为精细的专业课程，除基础课程之外，还应进行主干专业课程和实践课程设置的优化改革，这样才能形成民办高校特有的计算机专业大数据方向的课程群特色。
三、大数据方向课程群构建内容
我们的课程群设置分为三个层次，逐步深入并加深难度。第一个层次是基础课程，包括数学基础课程和专业基础课程；第二个层次是大数据专业方向课程；第三个层次是大数据实践课程。从基础课程、大数据专业方向课程到大数据实践课程，给学生制定了一个系统、完整的课程体系，如下图1所示。
1.基础课程。基础课程是学生学习计算机知识的入门课程和能力培养的起点课程。包括数学基础课程和计算机专业基础课程。（1）数学基础。主要包括高等数学、线性代数、离散数学、概率论、数理统计等，数学是计算机专业的基础课程，是进行数据分析和处理的基础工具。例如：微积分和线性代数为大多数数据挖掘应用程序提供进行矩阵计算的基本算法；数据结构课程中涉及到大量的概念、模型及算法，模型和算法的理解需要学生有较为扎实的数学基础和较强的逻辑推理能力。通过数学的学习，使学生具有良好的抽象思维和逻辑推理能力。（2）计算机专业基础。计算机专业基础课程包含两部分，第一部分是计算机专业基础中的语言类课程，包括C语言、C 以及JAVA语言等，程序设计课程作为计算机专业的基础课程，让学生掌握解决问题的算法和算法实现的具体过程是该类课程的主要目标，这些都需要通过强化计算思维训练实现。计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学的一系列思维活动。基于计算思维的程序设计课程要在教会学生计算机编程的同时培养他们的计算思维能力。第二部分是计算机专业基础中的核心课程，包含计算机专业中必修的一些核心课程，如：数据结构，linux操作系统、数据库系统原理、计算机组成原理与系统、编译原理、数据结构和计算机网络等。
其中《linux操作系统》和《Java语言程序设计》是大数据方向课程的先行课，在选修大数据方向课程之前，要把《linux操作系统》和《Java语言程序设计》作为必修课程。
2.大数据方向课程建设。了解和掌握大数据的整个处理流程是该课程群建设的关键，因为只有结合具体的大数据处理流程才能做到有的放矢，而大数据的处理流程主要包括以下几个部分[3]：①数据采集：使用传感器、ETL工具、爬虫等数据采集工具获得结构化、半结构化（或称之为弱结构化）及非结构化的海量各类数据，经过清洗、转换、集成，最后加载到数据仓库，成为联机分析处理、数据挖掘的基础。②数据存储：分布式存储与访问是大数据存储的关键技术，虽然采集端本身会有自己的数据库，但如果要相对海量的数据进行有效分析，就应该将这些前端的数据导入到一个大型分布式数据库，并且可以在导入基础上做一些简单的预处理工作，从而减轻后续的数据处理压力。③数据分析：数据分析就是用适当的统计分析方法对收集来的大量数据进行详细研究和概括总结，提取出有用信息并形成结论的过程。通常会使用相关性分析、多元回归等来揉合各种数据，从不同角度进行预测性和指导规范性建模，学会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。④数据挖掘：数据挖掘就是从大量的、不完全的、随机的实际应用数据中，通过算法搜索隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。其常通过机器学习、专家系统和模式识别等方法来实现。⑤数据建模和预测建模：从ERWin、Agile Data Modeling、ORM Diagrams、ML class diagrams、CRC cards、Conceptual/logical/physical schema、DDL、Bachman diagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。⑥数据可视化：清晰有效地在大数据与用户之间传递信息是数据可视化的重要目标，将大数据分析和处理的结果以易于理解的方式呈现出来，让用户对结果有更加直观的认知。⑦数据安全：随着大数据的不断增加，对数据存储的物理安全性需求也越来越高，数据的多副本与容灾机制也面临更高的要求。同时，相对于传统的数据模式，大数据更加容易成为网络攻击的目标，大数据分析技术也更容易被黑客利用到攻击当中去。大数据方向课程目前包括以下课程：大数据与云计算概论、Hadoop系统应用、数据挖掘与数据仓库、R语言数据分析。这些课程能够让学生系统地学习和掌握大数据基本架构和整个处理流程。 3.大数据方向实践课程建设。大数据特色专业，目前存在著理论教学要求较高，而学生实际设计和动手能力偏弱的问题，不能满足当前企业事业单位的需要。所以，实践课程的设置对于大数据方向的教学体系建设至关重要。因此，我们结合民办类院校学生的实际情况，在课程设置和教学内容安排上做出改变，将“大数据及数据挖掘”的理论教学与浪潮大数据系统平台的实操实训相结合，安排了《大数据应用开发》和《R语言实训》课程，使学生能够掌握大数据处理方向的理论基础和应用技能，对数据采集、数据存储、统计分析、数据挖掘和模型预测等问题有了深入了解，具有较为熟练的应用技能和面对具体应用进行分析处理的能力。学校除了让学生完成教学计划中的实训课程以外，还应该给学生提供加强实际动手能力的辅助课程设置。例如：鼓励学生参加大数据相关的学科竞赛，鼓励学生参加教师的科研项目，指导学生申报大学生课外科技创新基金项目，组织学生到合作企业实习，通过毕业实习和毕业设计来综合训练大学生利用四年所学知识去系统完成某一方面科研课题的全过程，培养学生综合知识运用及解决实际问题的能力等。这一系列实践及辅助课程的设置使得大数据方向相比校内其他专业具有同级乃至跨级别的专业优势，使学生更具竞争力。
四、结论
通过对现有计算机专业大数据方向培养方案的修订，把大数据方向课程的先行课程作为必修课程，增加了大数据方向的实践课程，并在此基础上探讨了适合于应用型民办高校计算机专业培养特点的大数据人才的课程群的设置与建设。以社会岗位的实际需求作为根本出发点，把大数据系统基本理论学习与大数据实训结合起来，为当前蓬勃发展的大数据市场培养一批既具备扎实理论基础知识，又具备实际设计和动手能力的人才，提高学生在就业市场的竞争力[4]。民办高校计算机专业的大数据人才培养也还在摸索过程中，随着大数据技术的不断发展，现有的课程群也在不断完善和建设，根据学生在学习过程中的反馈和学生就业的情况，不断地探讨和改进课程体系及课程设置，使得学生能够得到最好的教育。
参考文献：
[1]何海地.美国大数据专业硕士研究生教育的背景、现状、特色与启示：全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014，（2）：48-56.
[2]张晓芳，王芬，黄晓涛.国内外大数据课程体系与专业建设调查研究[A].Proceedings of 2nd International Conference on Education，Management and Social Science （ICEMSS 2014）[C]. 2014.
[3]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[4]程彦博.大数据专业人才急需培养[N].中国计算机报，2014-07-21（24）.
Abstract：With the evolution of big data，we need to train professional talents，good at collection，storage，management and analysis of big data，to meet the needs of society and reform. In the big data course of computer science，colleges and universities should bring forth new ideas in both the curriculum system and practical education. According to the practical talents cultivation target of computer science in Wenhua College，we explore the idea and goal of big data course group implementation. Finally，we propose some effective methods，mainly about course group programming，theoretical teaching and practical teaching，to improve the comprehensive ability of students by taking full advantage of Inspur big data platform.
Key words：big data；course group；applied talent；practical course
关键词：大数据方向；课程群；应用型人才；实践课程
中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2017）28-0274-03
一、背景
大数据的研究正面临着全球性的人才荒问题。根据麦肯锡报告，预计到2018年美国市场大数据人才（包括高级数据分析專家）缺口将高达19万。此外，美国企业还需要150万能够看出关键问题所在并运用大数据来进行分析的相关管理人才。中国是人才大国，但掌握和应用大数据技术的创新型人才仍是稀缺资源，培养大数据相关人才成为最为紧迫的任务。
国内外相关高校先后通过开设《数据科学》课程、开展数据科学学位计划及数据科学短期培训班来进行数据科学家和数据工程师的培养。美国加州大学伯克利分校从2011年起开设《数据科学导论》课程，并从2012年起开设《数据科学和分析》课程；麻省理工学院开设《计算思维和数据科学导论》这门课，介绍如何利用计算机来理解真实世界的现象，主要面向具备一定Python编程经验和计算复杂度基础知识的学生，课程更加看重涉及面的广度，而不是一味追求深度，该课程为学生提供了许多主题的简要介绍，课程的主题包括：绘图、随机程序、概率和统计、随机漫步、蒙特卡洛模拟、数据模型化、优化问题和分类归并，使得学生对今后职业生涯中计算机的角色有了更多了解；美国华盛顿大学开设了《Introduction to Data Science》，介绍了关系型数据库、MapReduce、NoSQL、基础数据分析、机器学习、可视化以及图论[1]。在英国，大概有七所高校开设了《数据科学》及其相关课程，包括谢菲尔德大学、爱丁堡大学、伦敦大学学院、东英吉利大学、布里斯托大学、曼彻斯特大学、伦敦大学皇家霍洛威学院。
在中国，一批知名企业也开设了自己的大数据研究中心，并与各大高校开展合作，促进了大学中大数据专业的发展。北航软件学院、北航计算机学院与慧科教育（工信部移动云计算教育培训中心）联合打造的大数据技术与应用专业，于2012年开始招收工程硕士[2]；2013年，华东师范大学成立了数据科学与工程研究院；2014年，华南理工大学设立了云计算与大数据专业；同年，清华大学成立“清华―青岛数据科学研究院”，设立大数据的硕士博士学位项目。另外，开设大数据相关本科专业的院校有贵州师范学院、贵州大学和北京城市学院等。
二、大数据方向课程群构建思路
大数据学科方向是一门交叉专业方向，与不同专业相结合可以发展成特定方向的专业或研究领域。IT、金融、管理、社会、生物等传统专业方向与大数据学科方向相结合表现出多样化的差异特征，包括专业研究方向与社会需求岗位。例如统计学专业与计算机专业，前者注重数据统计相关理论与数据挖掘理论的结合应用，而后者则注重其应用领域的IT工程实现方式；从岗位需求层次来看，前者需要数据分析人才，后者需要大数据应用开发和大数据系统开发人才。不同的社会岗位有着不同的教育层次与专业技术背景要求，这就要求在不同的专业方向要有不同的课程规划。就民办高校来说，需要设置较为精细的专业课程，除基础课程之外，还应进行主干专业课程和实践课程设置的优化改革，这样才能形成民办高校特有的计算机专业大数据方向的课程群特色。
三、大数据方向课程群构建内容
我们的课程群设置分为三个层次，逐步深入并加深难度。第一个层次是基础课程，包括数学基础课程和专业基础课程；第二个层次是大数据专业方向课程；第三个层次是大数据实践课程。从基础课程、大数据专业方向课程到大数据实践课程，给学生制定了一个系统、完整的课程体系，如下图1所示。
1.基础课程。基础课程是学生学习计算机知识的入门课程和能力培养的起点课程。包括数学基础课程和计算机专业基础课程。（1）数学基础。主要包括高等数学、线性代数、离散数学、概率论、数理统计等，数学是计算机专业的基础课程，是进行数据分析和处理的基础工具。例如：微积分和线性代数为大多数数据挖掘应用程序提供进行矩阵计算的基本算法；数据结构课程中涉及到大量的概念、模型及算法，模型和算法的理解需要学生有较为扎实的数学基础和较强的逻辑推理能力。通过数学的学习，使学生具有良好的抽象思维和逻辑推理能力。（2）计算机专业基础。计算机专业基础课程包含两部分，第一部分是计算机专业基础中的语言类课程，包括C语言、C 以及JAVA语言等，程序设计课程作为计算机专业的基础课程，让学生掌握解决问题的算法和算法实现的具体过程是该类课程的主要目标，这些都需要通过强化计算思维训练实现。计算思维是运用计算机科学的基础概念进行问题求解、系统设计以及人类行为理解等涵盖计算机科学的一系列思维活动。基于计算思维的程序设计课程要在教会学生计算机编程的同时培养他们的计算思维能力。第二部分是计算机专业基础中的核心课程，包含计算机专业中必修的一些核心课程，如：数据结构，linux操作系统、数据库系统原理、计算机组成原理与系统、编译原理、数据结构和计算机网络等。
其中《linux操作系统》和《Java语言程序设计》是大数据方向课程的先行课，在选修大数据方向课程之前，要把《linux操作系统》和《Java语言程序设计》作为必修课程。
2.大数据方向课程建设。了解和掌握大数据的整个处理流程是该课程群建设的关键，因为只有结合具体的大数据处理流程才能做到有的放矢，而大数据的处理流程主要包括以下几个部分[3]：①数据采集：使用传感器、ETL工具、爬虫等数据采集工具获得结构化、半结构化（或称之为弱结构化）及非结构化的海量各类数据，经过清洗、转换、集成，最后加载到数据仓库，成为联机分析处理、数据挖掘的基础。②数据存储：分布式存储与访问是大数据存储的关键技术，虽然采集端本身会有自己的数据库，但如果要相对海量的数据进行有效分析，就应该将这些前端的数据导入到一个大型分布式数据库，并且可以在导入基础上做一些简单的预处理工作，从而减轻后续的数据处理压力。③数据分析：数据分析就是用适当的统计分析方法对收集来的大量数据进行详细研究和概括总结，提取出有用信息并形成结论的过程。通常会使用相关性分析、多元回归等来揉合各种数据，从不同角度进行预测性和指导规范性建模，学会使用R、SAS、SPSS、SciPy、Stata等统计工具软件。④数据挖掘：数据挖掘就是从大量的、不完全的、随机的实际应用数据中，通过算法搜索隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。其常通过机器学习、专家系统和模式识别等方法来实现。⑤数据建模和预测建模：从ERWin、Agile Data Modeling、ORM Diagrams、ML class diagrams、CRC cards、Conceptual/logical/physical schema、DDL、Bachman diagrams、Zachman Framework等数据建模工具开始，掌握建模技术和方法。⑥数据可视化：清晰有效地在大数据与用户之间传递信息是数据可视化的重要目标，将大数据分析和处理的结果以易于理解的方式呈现出来，让用户对结果有更加直观的认知。⑦数据安全：随着大数据的不断增加，对数据存储的物理安全性需求也越来越高，数据的多副本与容灾机制也面临更高的要求。同时，相对于传统的数据模式，大数据更加容易成为网络攻击的目标，大数据分析技术也更容易被黑客利用到攻击当中去。大数据方向课程目前包括以下课程：大数据与云计算概论、Hadoop系统应用、数据挖掘与数据仓库、R语言数据分析。这些课程能够让学生系统地学习和掌握大数据基本架构和整个处理流程。 3.大数据方向实践课程建设。大数据特色专业，目前存在著理论教学要求较高，而学生实际设计和动手能力偏弱的问题，不能满足当前企业事业单位的需要。所以，实践课程的设置对于大数据方向的教学体系建设至关重要。因此，我们结合民办类院校学生的实际情况，在课程设置和教学内容安排上做出改变，将“大数据及数据挖掘”的理论教学与浪潮大数据系统平台的实操实训相结合，安排了《大数据应用开发》和《R语言实训》课程，使学生能够掌握大数据处理方向的理论基础和应用技能，对数据采集、数据存储、统计分析、数据挖掘和模型预测等问题有了深入了解，具有较为熟练的应用技能和面对具体应用进行分析处理的能力。学校除了让学生完成教学计划中的实训课程以外，还应该给学生提供加强实际动手能力的辅助课程设置。例如：鼓励学生参加大数据相关的学科竞赛，鼓励学生参加教师的科研项目，指导学生申报大学生课外科技创新基金项目，组织学生到合作企业实习，通过毕业实习和毕业设计来综合训练大学生利用四年所学知识去系统完成某一方面科研课题的全过程，培养学生综合知识运用及解决实际问题的能力等。这一系列实践及辅助课程的设置使得大数据方向相比校内其他专业具有同级乃至跨级别的专业优势，使学生更具竞争力。
四、结论
通过对现有计算机专业大数据方向培养方案的修订，把大数据方向课程的先行课程作为必修课程，增加了大数据方向的实践课程，并在此基础上探讨了适合于应用型民办高校计算机专业培养特点的大数据人才的课程群的设置与建设。以社会岗位的实际需求作为根本出发点，把大数据系统基本理论学习与大数据实训结合起来，为当前蓬勃发展的大数据市场培养一批既具备扎实理论基础知识，又具备实际设计和动手能力的人才，提高学生在就业市场的竞争力[4]。民办高校计算机专业的大数据人才培养也还在摸索过程中，随着大数据技术的不断发展，现有的课程群也在不断完善和建设，根据学生在学习过程中的反馈和学生就业的情况，不断地探讨和改进课程体系及课程设置，使得学生能够得到最好的教育。
参考文献：
[1]何海地.美国大数据专业硕士研究生教育的背景、现状、特色与启示：全美23所知名大学数据分析硕士课程网站及相关信息分析研究[J].图书与情报，2014，（2）：48-56.
[2]张晓芳，王芬，黄晓涛.国内外大数据课程体系与专业建设调查研究[A].Proceedings of 2nd International Conference on Education，Management and Social Science （ICEMSS 2014）[C]. 2014.
[3]孟小峰，慈祥.大数据管理：概念、技术与挑战[J].计算机研究与发展，2013，50（1）：146-169.
[4]程彦博.大数据专业人才急需培养[N].中国计算机报，2014-07-21（24）.
Abstract：With the evolution of big data，we need to train professional talents，good at collection，storage，management and analysis of big data，to meet the needs of society and reform. In the big data course of computer science，colleges and universities should bring forth new ideas in both the curriculum system and practical education. According to the practical talents cultivation target of computer science in Wenhua College，we explore the idea and goal of big data course group implementation. Finally，we propose some effective methods，mainly about course group programming，theoretical teaching and practical teaching，to improve the comprehensive ability of students by taking full advantage of Inspur big data platform.
Key words：big data；course group；applied talent；practical course