大数据专业考研(大数据专业考研学校推荐)

大数据专业考研，大数据专业考研学校推荐

2016年，教育部先后设置“数据科学与大数据技术”本科专业和“大数据技术与应用”高职专业，首批3所本科院校（北京大学、中南大学、对外经贸大学）、62所高职院校正式开设大数据相关专业。

截止2020年4月，我国获批本科“大数据科学与技术”专业的高校有619所，本科“大数据管理与应用”专业是82所，高职“大数据技术与应用”专业是872所，极大推动了我国大数据和人工智能等专业人才的培养，对产业发展、社会进步、国家竞争力提升等产生深远影响。

大数据技术和产业发展态势

近年来，大数据技术和产业发展迅速，其技术、平台、案例、模式都在快速升级，推动形成了蓬勃发展的全新“数据&AI景观”―大数据发展已至深水区！

猎聘2019年《中国AI&大数据人才就业趋势报告》显示，目前全国大数据相关人才仅46万。在未来5-10年，我国大数据市场规模年均增速将超过30%，未来3-5年内大数据人才的缺口将高达150万。

随着大数据技术的应用场景、企业投入、盈利模式不断发生变化，创新型、管理型、应用型等人才需求迅猛增长。紧跟技术和产业发展态势、加快新型大数据人才培养迫在眉睫！

各国及高校积极推动大数据专业升级

美国数据科学人才测评专业机构Correlation One公司发布的《2019年全球未来数据人才报告》指出：2020年美国将新增270万个与数据相关的新职位，对数据人才的需求预计将增长20％。

由于市场对大数据人才的需求日益激烈，美国、英国、法国等发达国家有超过150所高校开设了大数据相关专业，其中包括了美国USNews排名Top50院校中的哈佛大学、哥伦比亚大学、斯坦福大学、芝加哥大学、麻省理工学院、卡耐基梅隆大学，英国的伦敦政治经济学院、利兹大学、伦敦国王学院等，以及法国的里昂一大、索邦大学、波尔多大学、HEC商学院等等。

根据知识范围与人才培养的侧重点不同，这些专业主要有面向商学院、管理学院、财经学院的大数据分析方向，也有面向计算机学院与软件学院的大数据平台方向和面向理学院的深度计算分析方向等。

国家相关指导意见

近年来，国务院、教育部、财政部等针对大数据技术和产业发展、本科教学改革、职业教育改革等重大课题连续发布了多项重要文件，对专业建设提出了很高要求，也给出了重要指导意见：

教育部批准的大数据专业类型

上述三类大数据专业均设立了不同的课程体系，其中有共性，也有个性。下面针对三个专业分别分析筛选了排名前5的大数据专业人才培养方案，并将其主要课程列举如下：

大数据专业建设2.0

01大数据专业建设的新挑战

由于大数据专业具有很强的实践性、工程性与综合性，且快速发展变化，对人才培养方案的实践创新体系提出了很高要求。当前，大数据专业建设工作面临四类新挑战：

1．线上线下融合难：大数据专业类的教学活动，其知识综合性强、实践活动要求高，各类教学环境的搭建成本高、技术类型多、研发难度大，现有教学模式难以有效打通线上课堂教学和线下实践活动，师生难以实现常态化教学和实验实训活动的统一组织和管理。

2．实践资源复用难：现有大数据专业的教学与硬件资源分散，共享程度低，缺乏领域性、行业性的大规模实验数据集和鲜活案例；缺乏遵循统一标准的大规模实践资源案例素材库，教师难以根据个性化需求对已有实验项目进行创新和优化，形成自己的教学与科研成果。

3．工程能力评估难：缺少真实系统的评测机制，难以对学生的各类实践活动进行自动化评测；难以获得教学和实践过程的完整数据，并据此改进完善教学方法，提供个性化教学；难以支持不同类型的专业评估、专业认证、绩效考核等教学管理需求。

4．科创环境构建难：随着大数据技术和应用的发展，面向特定场景的开发和创新成为各院校大数据教学活动的重要内容，如何为师生提供一种开放式协同实验、协同开发、协同创新的环境，已成为大数据专业的迫切需求。

综上，当前的大数据产业发展需求和国家引导的教学改革要求，决定了大数据实践教学模式必须升级到2.0阶段，其中实践教学体系的课程内容、实践方式、管理模式、自动辅助、创新研究条件等都提出了更高的要求。

为此，EduCoder平台在中国计算机学会大数据专委会、新工科联盟、中国高校计算机教育MOOC联盟、绿色计算产业联盟、中国开源软件推进联盟、中国开源云联盟的指导下和支持下，提出了大数据实践教学2.0模式，并构建了全链条一体化大数据教学实验与科研创新平台及课程体系。

02大数据专业建设1.0 vs 2.0

大数据专业建设模式1.0主要解决了早期大数据技术平台的校内部署和应用体验问题，让院校师生能够在内部大数据环境的系统中开展相关实验。

但是，这种模式难以常态化和规模化应用，难以适应疫情期间等“互联网+”场景下的教学和实验活动，不能有效应对上述需求和挑战。当前，大数据专业建设迫切需要2.0模式：

EduCoder大数据专业建设方案

针对大数据专业建设2.0模式的需求与挑战，EduCoder大数据平台紧密围绕大数据专业人才培养目标，全面打通教学、实验、实训、教学质量管控、工程教育认证等全流程实践教学活动，为大数据人才培养提供全链条、一体化大数据教学实验与科研创新支撑。

01课程体系的连续性与完整性

该方案提供了大数据专业建设所需的前导基础、核心专业、选修实践等各阶段课程教学需求，采用MOOP（Massive Open Online Practices）大规模在线实践创新模式，紧密结合工业界需求，汇聚北京大学、复旦大学、国防科技大学、华中科技大学、中南大学、湖南大学等国内顶尖高校知名专家团队，共同打造了循序渐进体系化大数据课程资源库。

02实践案例的层次化和领域化

该方案面向不同类型大数据专业的课程大纲和教学计划，在不同赛道，围绕基础知识、核心理论、关键技术、主流平台、综合应用等重点内容，提供超过3000个涵盖不同层次、领域的实践案例，支持实践案例的按需组合与定制，支持师生共建。每个实践任务以具体案例为牵引，配以相关知识点和技能点的详细讲解。

03教学管理与实验管理的一体化

该方案提出了“软件定义”实践教学模式，支持学练测评闭环式教学管理，以课程大纲和实验要求为依据，围绕实践任务形成知识点、技能点、教学案例、实战项目一体化的教学资源，提供企业级软硬件开发环境，全面支持教学与实验的管理需求。

04实验实训评测的自动化

该方案将软件工程最新理论和机制引入大数据专业教学，提供自动化企业级持续集成（CI）和持续部署（CD）支撑，能够自动测试、自动展示实验实训结果，提示具体问题或错误，学习者通过实践任务测试即可获得相应的技能点和分值。

05大数据科研创新环境建设

该方案支持全流程大数据科研活动和创新活动管理，包括团队协作开发、协作编程、协作研究、云化部署、持续测试与集成等。EduCoder平台不仅能够提供类似Trustie和Github的代码托管工具，还能够提供开放式、研究型的大数据平台容器环境和容器集群，支持不同场景、不同架构、不同软硬件设施的科学实验与开发活动。

06大数据专业题库建设

面向大数据专业能力考核这一长期痛点，该方案提供智能化课程题库系统，支持实战类试题，支持批量导入试题、试题知识体系自定义、自动化评分等功能。

题库系统的选题可以像超市购物一样便捷，老师在预览试题的过程中，可以将满足需求的试题一键加入“试题篮”，需要组卷的时候只需从试题篮中选择即可，真正做到了随取随用。

07三大类金课建设

该方案支持高校老师申报省级和国家级教学成果、省级和国家级在线精品课程（线上金课）、线上线下金课，以及虚拟仿真金课（对于超大规模数据应用场景，以及高敏感度数据场景具有重要价值）。

平台基于开源模式建立了一种软件定义的新型实践教学案例和课程开发模式，支持教师基于案例库的复制、修改、创作新的教学案例和课程体系。

08大数据专业的工程教育专业认证

作为前几批设立的大数据专业，工程教育专业认证的任务即将到来。该方案可面向大数据专业的毕业要求、课程目标及其达成度等通用和专用要求，将线上自动采集和线下标准化导入相结合，极大提高教学全流程数据管控，以及课程认证责权到人，是助力大数据专业顺利通过工程教育专业认证的利器！

//应用案例//

本科院校应用案例：

国防科技大学、中国人民大学、华中科技大学、中南大学等14余所985/211高校、200余所各类本科院校规模化使用，取得了显著效果。

高职院校应用案例：

湖南科技职业技术学院、湖南工业职业技术学院、郑州工业应用技术学院等100多所高职院校基于EduCoder开展大数据专业的改革和升级。

//应用与服务方式//

EduCoder大数据专业建设解决方案目前支持多种不同的模式部署，主要包括公有云模式、私有云模式、混合云模式，具体如下：

大数据专业考研(大数据专业考研学校推荐)

未经允许不得转载：考研指南 » 大数据专业考研(大数据专业考研学校推荐)