| 表4 专业基础课程概述
|
| 序号
|
课程名称
|
课程目标
|
课程主要内容
|
教学要求
|
| 1
|
计算机组装与维护
|
通过学习，让学生掌握计算机的组装和基本设置方法，了解计算机工作原理、计算机硬件各个组成部分的功能，各组成部件的性能指标等，并掌握常见故障的诊断和排除方法。
|
计算机工作原理；
CPU、内存、主板、硬盘等其它部件的构成和维护方法；
3.计算机组装、系统调试和常见故障排除等内容。
|
课程性质：专业基础课
开课学期：第1学期
授课学时：周2学时，共32学时
授课形式：线下
考试形式：考试
|
| 2
|
JAVA程序设计基础
|
通过本课程的学习，学生能够了解 Java 语言特征、常见的 Java 类库以及面向对象程序设计思想，学会利用 Java 语言编写面向网络应用的简单程序。
|
1. Java开发入门，Java语言相关特性；2，Java编程基础，包括Java语言基本语法、常量和变量的定义、常见运算符的使用、选择结构语句的概念及其使用、循环构语句的概念及其使用、方法的概念、数组的相关操作。3.面向对象的知识，包括面向对象的封装、继承、多态和抽象等。
|
课程性质：专业基础课
开课学期：第1学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 3
|
JAVA程序设计开发
|
《Java程序设计开发》是面向计算机相关专业的一门专业基础课，涉及Java语言中面向对象编程、多线程处理、网络通信等内容，通过本课程的学习，学生能够了解常见的 Java 类库以及面向对象程序设计思想，学会利用 Java 语言编写面向网络应用的简单程序。
|
1.Java API , Java中的常用类 String类、StringBuffer类、 System类、 Runtime类、 Math类以及 Random类的定义及常见操作；2.集合，List集合、Set集合、Map集合的使用，集合遍历的方法的使用。3. I/O流 字节流、字符流以及File类的主要用法。4. GUI（图形用户接口），GUI开发的相关原理和布局管理器，GUI中的事件处理，Swing常用组件的使用，JavaFX图形用户工具的概念、配置和基本使用 。5. JDBC ，JDBC 的常用API以及使用JDBC操作数据库 。6多线程，线程的概念、创建、调度以及多线程同步。7网络编程的相关知识
|
课程性质：专业基础课
开课学期：第2学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 4
|
Python程序设计基础
|
通过学习，使学生掌握 python 基本语法、字符串、列表、元组、字典、文件的读写、函数与 模 块 等 基 础 知识，掌握 python基本语法、流程控制、函数、模块、面向对象、文件操作、异常处理等技能，具备 Python编程能力。
|
1.开发环境搭建和配置；
2.python基本数据类型与表达式、程序结构、基本流程控制、序列字典集合等特征数据类型；
3.异常处理；
4.python中函数的定义和应用；
5.python面向对象编程；
6.文件操作；
7.MySql数据库操作；
8.Python标准库、第三方库的应用
|
课程性质：专业核心课
开课学期：第2学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 5
|
计算机网络技术
|
通过本门课程的学习，使学生掌握网络相关基础知识、OSI参考模型和TCP/IP参考模型的体系结构、各层主要功能与实现过程、各层常见设备和主要协议、网络安全基础知识，能独立处理生活学习中遇到的网络问题。
|
1.计算机网络基础知识
2.网络的体系结构
3.物理层
4.数据链路层
5.网络层
6.传输层
7.会话层、表示层、应用层
8.网络安全基础知识
|
课程性质：专业基础课
开课学期：第3学期
授课学时：周2学时，共36学时
授课形式：线下
考试形式：考试
|
| 6
|
数据结构与算法
|
通过本课程的学习，学生可以学会分析研究计算机加功的数据结构的特性，以便为应用涉及的数据选择适当的逻辑结构、存储结构及其相应的运算，并初步掌握算法的时间分析和空间分析的技术。
|
数据结构的基本概念和术语；
线性表、栈和队列的定义及其相应的算法；
掌握字符串与数组的概念；
掌握树和二叉树的定义，性质与算法；
掌握图和表的概念及其求法；
掌握基本的排序方法
|
课程性质：专业基础课
开课学期：第3学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 7
|
JavaScript程序设计
|
通过本课程的学习，掌握JavaScript的基本语法及常用的内置函数；掌握事件以及事件触发机制；掌握文档对象的常用属性和方法；掌握Javascript的基本流程控制；cookie对象的使用方法；dom的概念和使用。
|
JavaScript概述及基本语法；
变量和常量、数据类型及转换、运算符和表达式、函数、分支结构、循环结构数组的创建和使用；
常用数组操作、二维数组、String字符串、正则表达式、常用对象的操作（Math、Date、Number、Boolean）；
常用函数的使用方法 ；
JavaScript面向对象的设计 。
|
课程性质：专业基础课
开课学期：第3学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 8
|
Python web程序设计
|
通过学习本门课程，使学生了解 python web开发的几种基本框架，掌握python基础语法、Django框架基础、模型与数据库、视图、模板、路由配置等基础知识，尽快的掌握python web编程方法，具备 网站后端开发能力。
|
1.python web环境搭建；2.python基础语法；3.企业门户网站框架设计；4.开发科研基地模块；5.开发公司简介模块；6.开发产品中心模块；7.开发新闻动态模块；8.开发人才招聘模块；9.开发服务支持模块；10.开发首页模块；11.基于Windows的项目部署
|
课程性质：专业基础课
开课学期：第4学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 9
|
数学建模
|
通过学习，使学生一方面建立正确的数学观念、强化数学意识、提高数学应用能力。另一方面，本课程可培养学生运用所学知识及计算机技术去分析实践项目，以提高学生的数学素养、文化素养、科学素养。
|
基本初等模型；统计模型，回归分析模型；计量模型；时间序列；机器学习模型；复杂网络；神经网络；SVM以及建模竞赛案例分析。
|
课程性质：专业基础课
开课学期：第4学期
授课学时：周4学时，共72学时
授课形式：线下
考试形式：考试
|
| 10
|
大数据技术基础
|
以经典案例为引导，帮助学生理解大数据的定义、特征、来源，了解大数据的行业应用、关键技术、云计算与大数据的关系、云计算相关概念等知识，使学生初步理解和掌握大数据的基本概念，并初步使学生对大数据课程体系及未来发展有较为清晰的认识。为后续的大数据专业基础课程和专业核心课程提供必要的先修知识。
|
1.大数据的发展及其现状；
2.云计算与大数据的关系；
3.云服务提供商及其产品；
4.大数据的相关概念；
5.理解大数据的核心技术；
6.理解云计算的相关概念。
7.具备能够阅读大数据相关
文档的能力；
8.能够对大数据的专业名词
有所了解；
9.能够对大数据课程体系及未来发展有较为清晰的认识。
|
课程性质： 专业基础课程
开课学期： 第1学期
授课学时：
32 学时
授课形式： 线下
考核方式：考试
|
| 11
|
Web前端技术
|
主要涵盖HTML语言的语法规则及文字、链接、列表、表格、表单、图像、多媒体等标签的使用，CSS文字、背景、盒模型、浮动、定位等样式的设置，JavaScript脚本编程语言，HTML5、CSS3等Web前端领域的前沿技术。使学生了解Web前端开发的基本概念，理解HTML、CSS、JS语言在Web前端开发中所处的地位和作用，掌握HTML、CSS、JS语言的基本语法，能够结合三者的相关技术制作出网页，同时对Web前端开发中的前沿技术有一个清晰的认识。
|
1.Web前端开发的基本
概念；
2.了解HTML、CSS、JS
语言在Web前端开发中
的作用；
3.熟悉HTML5、CSS3中
的新特性；
4.掌握常用Web前端开
发工具的使用；
5.掌握HTML常用标签
及属性；
6.掌握CSS常用样式属性；
7.掌握JavaScript语言
的基本语法；
8.掌握DOM技术，能够完成网页的动态效果
|
课程性质： 专业基础课程
开课学期： 第1学期
授课学时：
64 学时
授课形式：
线下
考核方式：
考试
|
| 12
|
开源大数据技术与应用
|
通过学习使学生具有Hadoop 平台框架知识， 了解 Hadoop 平台上存储及计算的原理、结构、工作流程，具有 Hadoop 生态圈常用组件的功能、 作用、 使用等知识，掌握 Hadoop 平台的搭建和使用，具备简单问题调试能力， 掌握Hadoop 常用组件的安
装、配置、使用，具备各组件操作能力，具备将所学知识应用于实际项目中的能力，具备一定解决问题的能力，具备良好工作态度和习惯，具有较强团队意识和协作能力，具有较强学习能力和主动性。
|
大数据技术概述， Hadoop 概述
Linux 和 Hadoop 环境安装
HDFS 相关知识、安装配置和操作
4.MapReduce 相关知识、安装配置和操作5.zookeeper 相关知识、安
装配置和操作6.hbase相关知识、安装配置和操作
7.hive 相关知识、安装配置和操作
8.kafka 相关知识、安装 配 置 和 操 作 9.flume 相关知识、安装配置和操作
10.sqoop相关知
识、安装配置和操作
11.spark相关知识、安装配置和操作
|
课程性质： 专业基础课程
开课学期： 第2学期
授课学时：
64 学时
授课形式：
线下
考核方式：
考试
|
| 13
|
Linux操作系统及网络运维
|
主要内容为操作系统的基本概念、原理、基本方法等知识和操作系统实战技能。通过对操作系统原理篇的学习，使学生掌握操作系统的基本概念、原理和基本方法，能够在Linux操作系统上方便的操作文件目录，管理文件、配置环境等，掌握操作系统的开发模式、开发方法和操作系统的分析、设计能力，了解操作系统的发展方向，培养学生观察问题、分析问题、解决问题和实际动手能力，为学生以后参与系统软件分析和开发奠定基础。
|
1.环境搭建与安装
编辑器与编译器
Shell脚本
系统调用与文件管理
进程管理
进程间通信管道
通信消息队列与共享内存
线程与线程池
同步与互斥
|
课程性质：
专业核心课程
开课学期：
第2学期
授课学时：
48 学时
授课形式：线下
考核方式：考试
|
| 14
|
高级数据库技术实践
|
依托MySql数据库技术的启蒙教育，初步培养学生建立关系数据模型，解决软件开发中对所需数据的增、删、改、查的能力。使学生理解和掌握SQL语言的基础语法，理解和掌握关系数据库的基本概念、基本方法和基本技巧。熟悉运用MySQL数据库技术给出简单问题的解决方案，并初步建立学生的关系数据库思维模式。
|
1.数据库基础知识
2.数据库和表的基本操作
3.各类查询
4.数据定义
5.存储引擎和事务
6.索引和视图
7.DBA命令和数据库设计的三范式
8.数据存储过程及触发器
9.JDBC数据库连接
10.员工管理系统的实现
|
课程性质：
专业核心课程
开课学期：
第3学期
授课学时：
48 学时
授课形式：线下
考核方式：考试
|
| 15
|
网络爬虫与数据收集
|
使学生了解网络数据获取的基本方式、基本要求和技术要点、掌握Web信息爬取、内容解析、数据存储的基本技能、理解“网站是数据源接口”这一理念。使用Python语言构建网络爬虫程序，收集网络数据的基本过程和关键技术；使学生能够根据实际情况，逐步形成发现问题、分析问题、解决问题的能力，建立网络是数据API的思想，能够自主设计程序实现数据采集。
|
1.理解网络数据采集的基本概念、基本原理和基本方法；
2.理解网络爬取相关的Web技术组成；
3.掌握Web页面爬取的基本过程；
4.掌握构建健壮Python爬虫程序的基本架构，能够借助各种程序工具实现页面信息爬取；
5.掌握解析页面内容的方法，并能够结合实际情况选择、运用相关技术构建内容提取程序；
6.掌握Web身份认证技术，并能够设计程序完成自动身份认证；
7.掌握爬取动态网站、富互联网应用网站的信息爬取方法，能够构建程序实现基本信息获取；
8. 掌握Scrapy爬虫框架，能够借助这一框架设计健壮、高效的网络爬虫工具；
9.掌握分布式数据收集系统的基本架构，能够利用Scrapy-redis等工具，设计分布式爬虫系统。
|
课程性质：
专业核心课程
开课学期：
第3学期
授课学时：48 学时
授课形式：线下
考核方式：考试
|
| 16
|
Python数据分析技术
|
数据分析的生命周期、数据分析常用的方法、数据分析问题定义和场景建模的方法、数据分析项目实施流程和方法，通过理论与实践结合的方法，教会同学们能够辨别现实生产环境中的数据分析场景在数据分析的生命周期中所处的阶段，能够使用数据分析的方法、工具等对生产环境或商业环境中遇到的具体问题进行问题定义、场景建模，能够实施数据分析项目解决用户的问题。
|
1.能够准确描述数据分
析基本概念和术语，数
据分析师的知识范畴，
数据分析过程；
2.能够分组模拟数据分
析项目中涉及的各关键
角色，并演练数据分析
整个生命周期各阶段的
场景；
3.能够正确描述数据预
处理及数据分析常见的
工具和方法，并完成课
程中所有的数据预处理
实践、数据分析方法
实践。
4.能够对几种常见数据
化运营场景进行问题
定义、场景建模、数据
分析方案设计。
5.能够清晰地描述数据分析项目实施的完整流程、数据分析项目结果交付要点、案例应用和部署方法，能够完成每个案例的实践演练。
|
课程性质：
专业核心课程
开课学期：
第3学期
授课学时：48 学时
授课形式：线下
考核方式：考试
|
| 17
|
数据仓库理论与实践
|
涵盖数据仓库的基本概念、数据仓库系统设计、数据ETL、报表与即席查询、OLAP多维分析、数据挖掘、元数据管理、Hive数据仓库等内容。以企业数据仓库产品为平台，讲解电信套餐数据分析、企业关键绩效指标分析、电商销售数据多维分析、基于聚类算法的客户细分、网站访问日志分析等实验。使学生了解数据仓库的基本概念，理解数据仓库在企业数据管理中所起的作用，掌握数据仓库体系架构的设计以及数据存储、数据处理、数据分析的方法，使学生能够将所学技术有效运用于数据集市及数据仓库解决方案中，并对大数据技术体系、大数据管理方法及未来发展方向有清晰的认识。
|
1.了解数据仓库的基本
概念；
2.了解常见的数据仓库
产品；
3.理解数据仓库与数据库
的区别及各自的应用
场景；
4.掌握数据仓库体系架构
的设计；
5.掌握数据仓库数据ETL
技术；
6.掌握基于数据仓库的即
席查询与OLAP多维分析
技术；
7.掌握基于数据仓库的数
据挖掘方法；
8.掌握元数据管理技术并能利用元数据解决数据仓库中的常见问题；
|
课程性质：
专业核心课程
开课学期：
第3学期
授课学时：48 学时
授课形式：线下
考核方式：考试
|
| 18
|
大数据实时计算技术
|
依托scala语言进行大数据应用开发的核心教育，培养学生大数据应用开发能力，了解其特点及使用场景，掌握一定的大数据系统架构能力，并能自行开展大数据应用开发。使学生初步掌握目前流行的大数据主流技术，理解和掌握大数据实时计算技术的核心概念、方法和技巧。熟悉给出不同场景的实时计算解决方案，并初步建立学生的实时计算思维模式。
|
1.掌握Spark环境搭建；
2.理解Spark工作原理及
架构原理；
3.理解和熟练
运用Transformation
和Action；
4.掌握Spark宽、窄
依赖、Stage划分算法
、Task工作原理；
5.理解
MapRdeduce-Shuffle
机制；
6.熟练运用Spark性能
调优；
7.理解Spark SQL工作
原理和DataFrame的
使用；
8.掌握DStream工作原理、缓存与持久化机制、Checkpoint机制；
|
课程性质：专业核心课程
开课学期：第4学期。
授课学时：64 学时
授课形式：线下
考核方式：考试
|
| 19
|
BI与数据可视化应用实践
|
涵盖数据BI及可视化的起源、定义、设计方法、应用领域引入，然后结合生产环境中的真实案例及最便捷的BI可视化工具Tableau，讲解各类基本统计图、特殊图、动态图等可视化模型的应用选型和实践操作方法，并将数据科学家所需的数据思维、可视化思维贯穿其中，使学生能够独立完成所有企业日常办公所需的BI及可视化展示操作，能够独立完成中、小数据规模企业数据项目的BI及可视化方案设计等重要工作。
|
1.了解BI及数据可视化的
起源、定义；
2.具备数据思维、可视化
思维，掌握设计方法；
3.掌握各类基本统计图、
特殊图、动态图等可视
化模型的应用选型和实
践操作方法；
4.能够进行可视化隐喻设
计和利用可视化思维进
行信息沟通；
5.能够独立完成所有企业
日常办公所需的可视化
展示操作；
6.能够独立完成中、小数据规模企业数据项目的BI及可视化方案设计等重要工作；
|
课程性质：专业核心课程
开课学期：第4学期。
授课学时：
48 学时
授课形式：线下
考核方式：考试
|
| 20
|
阿里大数据技术基础
|
以经典案例为引导，帮助学生理解大数据的定义、特征、来源，了解大数据的行业应用、关键技术、云计算与大数据的关系、云计算相关概念等知识，使学生初步理解和掌握大数据的基本概念，并基于阿里云平台掌握阿里云大数据处理框架，能够进行基本的数据操作，并且根据实际的项目需求，选定合适的操作工具，实现数据指标，驱动企业决策，对大数据未来发展有较为清晰的认识。
|
1.了解大数据场景及发展需求
2. 了解MaxCompute的概念、场景、架构及计费
3.掌握MaxCompute的操作和使用
4．掌握MaxCompute Tunnel应用
5.掌握MaxCompute DDL、DML、SQL操作
6.掌握MaxCompute MR处理
7.掌握分析型数据库AnalyticDB应用
8.掌握表格存储TableStore使用
9.掌握DataIDE数据开发、运维等
10.掌握机器学习平台的使用
11.掌握阿里云QuickBI的使用
|
课程性质：
专业核心课程
开课学期：
第4学期
授课学时：
48 学时
授课形式：线下
考核方式：考试
|
| 21
|
精益创业与产品创新
|
通过不断理论加实践持续更新迭代的教学内容让学生获得最实用的创新创业工具与职业素养的提升，学习过程中提供成体系的体验管理师与管理规范，充分调动学生学习积极性，学员将从实际操作的层面上，掌握精益创业思维的核心思想与相关工具，提升师生产品化能力和商业思考能力，实现创就结合、专创融合。
|
1.精益创业的必要性
2.设计思维与同理心
3.核心价值分析与MVP
4.影响地图深度解析
5.商业模式画布揭秘
6.产品原型设计
7.商业计划书
8.最小可行性产品
9.产品原型制作
|
课程性质：
专业核心课程
开课学期：
第4学期
授课学时：
32 学时
授课形式：线下
考核方式：考试
|
| 22
|
淘宝用户行为分析实战
|
基于从用户产生、点击、购买、支付、售后等用户购物全流程行为信息流中，构建出系统的电子商务数据分析指标体系。使学生理解和掌握阿里云大数据分析工具DataWorks，熟练使用其数据开发、数据管理、运维管理、项目管理等核心模块，理解和掌握阿里云大数据开发的基本概念、基本方法和基本技巧，掌握淘宝业务线数据分析常见指标实现。包括大数据处理、数据分析和数据挖掘能力，通过数据治理更好的管理信息流、物流和资金流，进而由数据驱动决策，使得电子商务运营的精细化，更好的提升运营效果，提升业绩。
|
1.了解淘宝电商类业务指标体系架构，培养基本的数据分析思维；
2.了解阿里云大数据相
关产品优势，能根据运
营需求选取合适计算
模块；
3.理解阿里云大数据项
目开发流程，掌
握DataWorks工作流调
度模块
4.掌握DataWorks数据
开发、数据管理模块，
理解二者在项目中的
异同；
5.理解和灵活运
用DataWorks中数据源
的添加到如何导出，做
到合理选型；
6.理解和运用模块化的
程序设计思想和方法，
初步培养计算思维能力；
7.培养学生编写和调试
程序的基本技巧，规范
代码编写习惯；
|
课程性质：
专业核心课程
开课学期：
第5学期
授课学时：
64学时
授课形式：线下
考核方式：考试
|
| 23
|
企业级数据仓库实战
|
课程以真实企业项目为引导，在带领学生巩固基础知识的同时，强化所学知识点与技能点，让学生充分把握交通大数据应用领域、发展趋势、挑战、热点。重点讲解数据仓库的基础知识和工具，研究数据挖掘的任务及其挑战，给出经典的数据挖掘算法，介绍数据挖掘的产品，剖析交通大数据挖掘的案例，探索大数据的管理和应用问题。
|
1.数据仓库概述
2.了解基础概念
3.了解基础组件应用
4.掌握数据模型使用
5.掌握维度建模步骤
6.掌握事实表应用
7.交通大数据案例剖析
|
课程性质：
专业核心课程
开课学期：
第5学期
授课学时：
64学时
授课形式：线下
考核方式：考试
|
