2025年大数据分析与应用微专业招生简章
一、微专业简介
大数据分析与应用微专业具有广阔的社会需求和良好的就业前景。在当今数字化时代，数据已成为企业和社会发展的重要资产。企业需要通过对大量数据的收集、存储、管理和分析，挖掘其中的价值，以支持决策制定、优化业务流程、提升客户满意度和创新能力。政府机构也在利用大数据技术进行政策制定、公共服务优化和社会治理等方面的工作。
2024年大数据产业生态联盟调研发现，我国互联网、工业、通信和金融领域对于大数据分析与应用人才的需求较为突出，其中互联网行业需求过半，未来，数字中国建设、产业转型升级，这些将对大数据人才产生巨大需求量且需求呈快速增长趋势。近几年数字经济发展和产业转型升级加快，对大数据分析与应用人才的专业技能、实操能力提出更高要求，拥有编程能力、数据分析、算法设计等专业技能的大数据人才备受企业关注。中国商业联合会数据分析专业委员会统计，未来5年中国基础性数据分析行业人才缺口将达到1400万，人才培养的速度和数量难以满足这种需求。
二、培养目标
（一）培养方向
大数据分析与应用
（二）培养模式
采用“理论教学 + 实践教学”相结合的培养模式。理论教学通过课堂教学、在线学习等方式进行，注重培养学生的大数据基础知识和理论素养。实践教学通过实验、项目实践、企业实习等方式进行，让学生在实际操作中掌握大数据技术的应用和解决实际问题的能力。
（三）培养要求
培养思想政治坚定、德技并修、全面发展，适应新一代信息技术产业发展需要，具有一定的科学文化水平、良好的人文素养和职业道德、精益求精的工匠精神、较强的就业创业能力和可持续发展的能力，掌握本专业知识和技术技能，重点面向数据采集、大数据分析、大数据开发、大数据可视化、大数据运维工程师的工作岗位，掌握大数据技术专业必备知识，具备大数据采集、存储、清洗、分析、开发及系统维护的专业能力和技能，具有良好的职业素质和创新创业精神，服务区域经济发展的（发展型、创新性、复合型）技术技能人才。
三、招生对象及要求
（一）招生对象：
主要面向大数据技术、计算机网络技术、云计算技术应用、软件技术、人工智能技术应用、虚拟现实技术应用等相关专业，尤其是对大数据技术有浓厚兴趣，且具备一定计算机基础和数学基础在校生学生。
（二）计划招生人数：30-50人。
（三）收费标准：本年度不收取学费。
四、报名及录取
（一）报名时间：2025年5月30日-2025年6月5日。
（二）报名方式：扫码提交报名材料。
2025年大数据分析与应用微专业报名
（三）录取方式：对填报数据和提交材料进行审核，择优录取。
五、学分认定与证书授予
根据《福建船政交通职业学院微专业管理办法（试行）》制定。
六、微专业课程
（一）课程设置及学时分配表
课程名称 | 主要内容 |
Python程序设计 | 《Python程序设计》课程内容涵盖大数据应用领域的核心概念、常用库和工具的介绍，系统讲解Python基础语法、数据结构及面向对象编程，涵盖函数、文件操作及模块化开发，培养解决实际问题的编程能力与计算思维。 |
数据采集与存储 | 《数据采集与存储》课程内容围绕Python的核心数据采集工具（如Requests、BeautifulSoup）展开，聚焦多源数据（日志、网络爬虫、数据库）的采集方法，结合关系型与非关系型数据库技术，掌握分布式存储工具如Hadoop和Kafka的应用实践。 |
数据处理与分析 | 《数据处理与分析》课程内容涵盖Pandas、Matplotlib、Seaborn和pyecharts等主流工具的使用方法，从数据清洗、缺失值处理到统计分析（描述性统计、回归分析）等，实现数据转换与建模形成有效的分析结论。 |
数据挖掘与机器学习 | 《数据挖掘与机器学习》课程内容涵盖回归分析、分类分析、聚类分析、关联规则挖掘、推荐系统以及时间序列分析等算法实现实际场景的应用分析。 |
数据可视化技术 | 《数据可视化技术》课程内容涵盖，前后端技术，Node.js、PythonECharts、Vue3等技术结合常见可视化框架Flask/Django，进行图表设计、交互式可视化开发及动态数据展示，能够将复杂数据转化为直观的图表与仪表盘。 |
数据分析综合实践 | 《数据分析综合实践》课程内容涵盖交通数据分析、农业数据分析、金融数据分析等综合实战项目通过整合数据采集、清洗、建模及可视化全流程解决真实业务问题。 |
（二）课程简介
1.《Python程序设计》课程
本课程旨在系统讲解Python基础语法、数据结构及面向对象编程，结合Requests/BeautifulSoup等工具实现网络数据采集，通过模块化开发培养学生工程化编码能力，为大数据处理与人工智能开发奠定基础。
2.《数据采集与存储》课程
本课程旨在系统掌握基于Python生态的数据采集工具链（Requests/Scrapy/Selenium/Pyppeteer），覆盖日志抓取、API接口调用、动态网页爬虫及无头浏览器渲染等多源数据获取技术，结合关系型数据库（MySQL/PostgreSQL）与非关系型数据库（MongoDB/Redis）实现异构数据规范化存储与实时读写以及分布式存储工具如Hadoop和Kafka的应用实践。
3.《数据处理与分析》课程
本课程旨在运用Pandas/NumPy实现数据清洗与特征工程，结合Matplotlib/Seaborn完成描述性统计与可视化分析，通过回归分析、假设检验等方法形成业务洞察报告，培养数据驱动决策能力。
4.《数据挖掘与机器学习》课程
本课程旨在深入解析监督学习（回归分析/分类分析）与非监督学习（聚类分析/关联规则挖掘）的数学原理及算法实现，涵盖特征工程、模型评估与超参数调优全流程，结合Scikit-learn框架完成推荐系统、时间序列预测等复杂场景的建模与分析，强化从数据预处理到模型部署的闭环技术栈应用能力。
5.《数据可视化技术》课程
本课程旨在融合Flask/Django框架与ECharts/Vue3技术，开发交互式动态图表与数据仪表盘，通过Tableau/Plotly实现复杂业务数据的多维度可视化呈现，提升数据叙事能力。
6.《数据分析综合实践》课程
本课程旨在通过电商/金融/交通领域实战项目，整合数据采集、清洗、建模与可视化全流程，结合团队协作与报告撰写解决真实业务问题，培养全栈数据分析师核心技能。
七、招生咨询
专业负责人：王老师
联系电话：13358291653