2025年大數據分析與應用微專業招生簡章
一、微專業簡介
大數據分析與應用微專業具有廣闊的社會需求和良好的就業前景。在當今數字化時代，數據已成為企業和社會發展的重要資產。企業需要通過對大量數據的收集、存儲、管理和分析，挖掘其中的價值，以支持決策制定、優化業務流程、提升客戶滿意度和創新能力。政府機構也在利用大數據技術進行政策制定、公共服務優化和社會治理等方面的工作。
2024年大數據產業生態聯盟調研發現，我國互聯網、工業、通信和金融領域對于大數據分析與應用人才的需求較為突出，其中互聯網行業需求過半，未來，數字中國建設、產業轉型升級，這些將對大數據人才產生巨大需求量且需求呈快速增長趨勢。近幾年數字經濟發展和產業轉型升級加快，對大數據分析與應用人才的專業技能、實操能力提出更高要求，擁有編程能力、數據分析、算法設計等專業技能的大數據人才備受企業關注。中國商業聯合會數據分析專業委員會統計，未來5年中國基礎性數據分析行業人才缺口將達到1400萬，人才培養的速度和數量難以滿足這種需求。
二、培養目標
（一）培養方向
大數據分析與應用
（二）培養模式
采用“理論教學 + 實踐教學”相結合的培養模式。理論教學通過課堂教學、在線學習等方式進行，注重培養學生的大數據基礎知識和理論素養。實踐教學通過實驗、項目實踐、企業實習等方式進行，讓學生在實際操作中掌握大數據技術的應用和解決實際問題的能力。
（三）培養要求
培養思想政治堅定、德技并修、全面發展，適應新一代信息技術產業發展需要，具有一定的科學文化水平、良好的人文素養和職業道德、精益求精的工匠精神、較強的就業創業能力和可持續發展的能力，掌握本專業知識和技術技能，重點面向數據采集、大數據分析、大數據開發、大數據可視化、大數據運維工程師的工作崗位，掌握大數據技術專業必備知識，具備大數據采集、存儲、清洗、分析、開發及系統維護的專業能力和技能，具有良好的職業素質和創新創業精神，服務區域經濟發展的（發展型、創新性、復合型）技術技能人才。
三、招生對象及要求
（一）招生對象：
主要面向大數據技術、計算機網絡技術、云計算技術應用、軟件技術、人工智能技術應用、虛擬現實技術應用等相關專業，尤其是對大數據技術有濃厚興趣，且具備一定計算機基礎和數學基礎在校生學生。
（二）計劃招生人數：30-50人。
（三）收費標準：本年度不收取學費。
四、報名及錄取
（一）報名時間：2025年5月30日-2025年6月5日。
（二）報名方式：掃碼提交報名材料。
2025年大數據分析與應用微專業報名
（三）錄取方式：對填報數據和提交材料進行審核，擇優錄取。
五、學分認定與證書授予
根據《福建船政交通職業學院微專業管理辦法（試行）》制定。
六、微專業課程
（一）課程設置及學時分配表
課程名稱 | 主要內容 |
Python程序設計 | 《Python程序設計》課程內容涵蓋大數據應用領域的核心概念、常用庫和工具的介紹，系統講解Python基礎語法、數據結構及面向對象編程，涵蓋函數、文件操作及模塊化開發，培養解決實際問題的編程能力與計算思維。 |
數據采集與存儲 | 《數據采集與存儲》課程內容圍繞Python的核心數據采集工具（如Requests、BeautifulSoup）展開，聚焦多源數據（日志、網絡爬蟲、數據庫）的采集方法，結合關系型與非關系型數據庫技術，掌握分布式存儲工具如Hadoop和Kafka的應用實踐。 |
數據處理與分析 | 《數據處理與分析》課程內容涵蓋Pandas、Matplotlib、Seaborn和pyecharts等主流工具的使用方法，從數據清洗、缺失值處理到統計分析（描述性統計、回歸分析）等，實現數據轉換與建模形成有效的分析結論。 |
數據挖掘與機器學習 | 《數據挖掘與機器學習》課程內容涵蓋回歸分析、分類分析、聚類分析、關聯規則挖掘、推薦系統以及時間序列分析等算法實現實際場景的應用分析。 |
數據可視化技術 | 《數據可視化技術》課程內容涵蓋，前后端技術，Node.js、PythonECharts、Vue3等技術結合常見可視化框架Flask/Django，進行圖表設計、交互式可視化開發及動態數據展示，能夠將復雜數據轉化為直觀的圖表與儀表盤。 |
數據分析綜合實踐 | 《數據分析綜合實踐》課程內容涵蓋交通數據分析、農業數據分析、金融數據分析等綜合實戰項目通過整合數據采集、清洗、建模及可視化全流程解決真實業務問題。 |
（二）課程簡介
1.《Python程序設計》課程
本課程旨在系統講解Python基礎語法、數據結構及面向對象編程，結合Requests/BeautifulSoup等工具實現網絡數據采集，通過模塊化開發培養學生工程化編碼能力，為大數據處理與人工智能開發奠定基礎。
2.《數據采集與存儲》課程
本課程旨在系統掌握基于Python生態的數據采集工具鏈（Requests/Scrapy/Selenium/Pyppeteer），覆蓋日志抓取、API接口調用、動態網頁爬蟲及無頭瀏覽器渲染等多源數據獲取技術，結合關系型數據庫（MySQL/PostgreSQL）與非關系型數據庫（MongoDB/Redis）實現異構數據規范化存儲與實時讀寫以及分布式存儲工具如Hadoop和Kafka的應用實踐。
3.《數據處理與分析》課程
本課程旨在運用Pandas/NumPy實現數據清洗與特征工程，結合Matplotlib/Seaborn完成描述性統計與可視化分析，通過回歸分析、假設檢驗等方法形成業務洞察報告，培養數據驅動決策能力。
4.《數據挖掘與機器學習》課程
本課程旨在深入解析監督學習（回歸分析/分類分析）與非監督學習（聚類分析/關聯規則挖掘）的數學原理及算法實現，涵蓋特征工程、模型評估與超參數調優全流程，結合Scikit-learn框架完成推薦系統、時間序列預測等復雜場景的建模與分析，強化從數據預處理到模型部署的閉環技術棧應用能力。
5.《數據可視化技術》課程
本課程旨在融合Flask/Django框架與ECharts/Vue3技術，開發交互式動態圖表與數據儀表盤，通過Tableau/Plotly實現復雜業務數據的多維度可視化呈現，提升數據敘事能力。
6.《數據分析綜合實踐》課程
本課程旨在通過電商/金融/交通領域實戰項目，整合數據采集、清洗、建模與可視化全流程，結合團隊協作與報告撰寫解決真實業務問題，培養全棧數據分析師核心技能。
七、招生咨詢
專業負責人：王老師
聯系電話：13358291653