课程体系包括哪些要素_大数据课程体系和课程内容建设研究

曾凯

摘要：人才培养模式是实现大数据人才培养目标的重要内容之一，是教学内涵建设的核心，其中课程体系建设和课程内容建设是人才培养模式的重要环节。将大数据课程体系结构归纳为基础设施、算法与辅助课程三类，并以《深度学习》课程为例阐述了面向产教融合的课程内容建设思路。

关键词：大数据课程体系;课程内容建设;大数据技术

中图分类号：G642        文献标识码：A

文章编号：1009-3044(2019)22-0121-02

开放科学(资源服务)标识码(OSID)：

1 大数据课程体系建设

数据科学与大数据技术专业要求学生掌握、计算机科学、管理科学及统计学等相关学科的基础理论和大数据采集、存储、处理、分析与应用的基本理论知识，通过对互联网和通信等行业的项目研究与实践训练，具备大数据工程项目的设计、开发、应用能力[1-5]。从大数据技术角度看，算法是大数据的核心;基础设施算法应用的基本保障;同时又要求研发人员具有一定的软件开发能力。为实现这一培养目标，我们将大数据专业相关课程分为基础设施、算法与辅助课程三类。其中，基础设施类主要讲授大数据技术实施的相关基础设施原理及其使用方法。包括Hadoop、Spark原理与应用、分布式原理、数据挖掘与分析、数据采集技术、云计算与数据中心等相关课程。算法类课程主要讲授大数据与人工智能基本算法原理及其应用模式。包括模式识别、深度学习、推荐系统等相关课程。辅助类主要向学生讲授软件工程领域相关知识，提升学生实际工程应用能力。包括移动开发、大数据可视化、数据安全与隐私保护等相关课程。专业课程体系如下图所示：

2 面向产教融合的课程内容