基本信息
发布历史
-
2021年12月
-
2023年08月
-
2023年08月
研制信息
- 起草单位:
- 北京大数据协会、北京应用统计学会、教育部西部民族地区统计学专业虚拟教研室、安徽财经大学、北京大学、北京工业大学、广州大学、贵州财经大学、江西财经大学、辽宁大学、南京审计大学、南开大学、清华大学、厦门大学、上海对外经贸大学、首都经济贸易大学、首都师范大学、云南财经大学、云南大学、浙江财经大学、中国科学技术大学、中国科学院、中国人民大学、中南财经政法大学、北京普开数据技术有限公司、北京东方艾学信息技术有限责任公司、北京聚源锐思数据科技有限公司、北京博昇泰元科技有限公司
- 起草人:
- 本《标准》主要起草人:白涛珍、柴海涛、华佳林、黄性芳、李琳、刘磊、刘生、刘小惠、刘艺媛、欧阳汉、潘树坤、平卫英、石磊、夏万军、徐健、徐臻元、闫辛、余玉丰、张秋妍、张兴发、朱江乐。 本《标准》总起草人:刘生、刘小惠、平卫英、石磊、张宝学。 本《标准》主要审稿人:陈敏、程维虎、崔恒建、房祥忠、葛建军、洪兴建、纪宏、李卫光、林金官、罗良清、任韬、阮敬、石磊、孙六权、唐年胜、王德辉、王学钦、王兆军、杨瑛、叶刚、岳松青、张宝学、张虎、张日权、赵彦云、朱建平、朱利平、朱忠义。 本《标准》总审稿人:房祥忠、罗良清、叶刚、赵彦云、朱建平
- 出版信息:
- 页数:- | 字数:- | 开本: -
内容描述
ICS35.020
L01
团体标准
T/BBDA001—2023
大数据实训实验室建设与实施标准
Constructionandimplementationguidelinesforbig
datatraininglaboratory
2023-08-25发布2023-09-01实施
目录
前言.........................................................................................................................................2
引言.................................................................................................................................3
大数据实训实验室建设与实施标准.......................................................................................4
1范围.......................................................................................................................................4
2规范性引用文件...................................................................................................................4
3术语与定义...........................................................................................................................4
4课程建设与开发...................................................................................................................5
5讲课与实验...........................................................................................................................7
6实训与案例建设...................................................................................................................8
7科研.....................................................................................................................................13
8考核.....................................................................................................................................15
9.管理...................................................................................................................................18
10安全规范...........................................................................................................................19
11物理空间...........................................................................................................................21
12硬件条件...........................................................................................................................21
13软件资源...........................................................................................................................23
14数据来源...........................................................................................................................24
15实验室维护与运营...........................................................................................................25
1
大数据实训实验室建设与实施标准
1范围
本《标准》确立了大数据实训实验室建设和实施的总体原则和规范,并规定
了实验室教学、实训、科研、考核、管理、软硬件资源、安全等的实施要求。
本《标准》适用于数据科学、大数据、人工智能、数字经济等相关专业。
本《标准》适用于大数据实训实验室的建设与运维,为课程资源建设、案例
库建设、人才培养、实施规范等提供指导。
2规范性引用文件
下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其
中,著日期的引用文件仅该日期对应的版本适用于本文件。不著日期的引用文件,
其最新版本(包括所有的修改单)适用于本文件。
GB/T13745-2009学科分类与代码
GB/T5271.1-2000信息技术词汇第1部分:基本术语
GB/T35295-2017信息技术大数据术语
GB/T41867-2022信息技术人工智能术语
GB/T27245-2020科研实验室良好规范(规范实验室的管理)
JGJ91-2019科研建筑设计标准(包含实验建筑,环境,水电等)
3术语与定义
GB/T35295-2017界定的以及下列术语和定义适用于本文。为了便于使用,
以下重复列出GB/T35295-2017中的某些术语和定义。
3.1
大数据bigdata
具有体量巨大、来源多样、生成极快、且多变等特征,并且难以使用传统数
据体系结构有效处理的包含大量数据集的数据。
注:国际上,大数据的4个特征普遍不加修饰地直接用
volume、variety、velocity和variability予以表述,并分别赋予了它们在
大数据语境下的定义:
a)体量volume:构成大数据的数据集的规模。
4
b)多样性variety:数据可能来自多个数据仓库、数据领域或多种数据类
型。
c)速度velocity:单位时间的数据流量。
d)多变性variability:大数据其他特征,即体量、速度和多样性等特征
都处于多变状态。
[GB/T35295-2017,定义2.1.1]
3.2
实训
在真实工作环境或模拟真实工作环境,采用来自真实工作项目的实际案例进
行的教学活动,教学内容针对真实应用需求设置,使受训者在专业职能、实践经
验、团队工作等方面得到提高。
4课程建设与开发
4.1实训实验室提供的课程,应当满足数据科学与大数据技术专业的本科教学需
要,通过课程学习,能够完善本科生应具备的知识体系、提升其应掌握的实践能
力。大数据实训实验室课程内容围绕受训者能力诉求进行设置,应当满足数据科
学与大数据技术相关专业的本科教学多层次受训需要。大数据实训实验室相关课
程根据能力目标分为多个模块(见4.6),不同专业根据实际情况进行选择。
4.2实训实验室应当满足实践性教学环节的需要,能够支持随课堂教学同步进行
的数据科学实验、大数据操作实验、各类科研训练项目、各类科技竞赛、实习、
毕业论文(设计)等教学需要。从而培养学生开展数据科学研究的兴趣,提高学
生解决实际问题的能力。
4.3实训实验室提供的课程应当兼顾研究型、应用型本科教学的不同需要。
4.4实训实验室应充分考虑数据科学与大数据技术专业中理学和工学的不同培
养目标,有针对性地设置合理课程。
5
4.5除了满足数据科学与大数据技术专业的需要,实训实验室也应考虑其他学科
专业对数据科学、大数据相关课程的教学需求,能够安排满足其教学需求的课程。
4.6推荐课程模块及课程能力目标
4.6.1基础课程
a)课程名称:
Python程序设计,R程序设计,Java程序设计,大数据基础,统计计算
b)课程模块能力目标:
具备至少一门程序语言的开发能力,了解大数据技术基础概念。
4.6.2大数据处理课程
a)课程名称:
网络爬虫,数据库技术,数据清洗、预处理,数据可视化,数据处理。
b)课程模块能力目标
掌握网络数据采集能力,掌握数据存储及调度作业,能根据业务对遗漏
数据、噪音数据、不一致数据等进行数据清洗,能整合不同数据源数据,能
根据数据平台创建数据索引并进行数据检索,能使用数据平台制作基本统计
图表,能根据任务需要设计多层次、多视角的数据可视化制品。
4.6.3大数据分析课程
a)课程名称:
数值计算,数据分析,数据挖掘,机器学习,深度学习,人工智能
b)课程模块能力目标:
掌握数据挖掘算法,能够根据业务目标设计、构建数据模型。
4.6.4大数据管理课程
a)课程名称:
数据管理基础,数据战略,数据治理,数据架构,数据应用
b)课程模块能力目标:
掌握数据管理知识体系,能够识别数据质量问题并提供解决方案,掌握
数据合规和数据伦理相关知识体系,提出数据合规方案。
4.6.5大数据系统和安全课程
6
a)课程名称:
分布式存储,数据仓库与商业智能,云计算,大数据系统架构
b)课程模块能力目标:
了解大数据系统和安全的核心概念、技术和最佳实践,培养他们在大数
据领域的专业能力和实践能力
5讲课与实验
5.1概述
大数据实训实验室是为了满足大数据人才培养的需求而建设的,其建设标准
与实施规范包括实验课程的学时、要求与教学互动,旨在为学生提供实践性强、
针对性强、与市场需求接轨的实验教学环境。
5.2课时要求
大数据实训实验室的实验课程应该具有充足的学时,以确保学生能够深入掌
握相关技术和知识。通常情况下,大数据实验室的实验课程需要根据4.6节中的
课程模块进行设置。其中基础课程模块中,程序设计相关学时不少于48学时,
其他内容不少于32学时;大数据处理、大数据分析、大数据管理、大数据系统
和安全等每个模块课程学时不少于64学时。
5.3教学互动
大数据实训实验室的实验课程应该重视师生互动和同学之间的互动。具体而
言,教师应该采用多种教学方法,如讲授、实验演示、案例分析、小组讨论等,
以确保学生在实验课程中积极参与、深入思考、主动探究,从而提高学生的学习
效果。同时,实验课程还应该鼓励学生之间的交流和合作,以提高团队协作能力。
大数据实训实验室的实验课程的课件应该与前续的课程体系相互对应,以确保学
生的知识学习是有序、系统、连贯的。
5.4教学方法
实验课程的教学应注重项目实战和实际操作,以培养学生的实际能力和创新
能力。实验课程的教学应采用在线学习和自主学习等新型教学方法,以适应现代
教育技术的快速发展。实验课程的教学应加强和前沿科研和技术企业的合作,以
7
确保学生学习到最新的技术和方法。实验课程的教学方法应综合运用多种教学手
段,包括讲授、实验操作、案例分析、小组讨论、在线学习等,以促进学生的学
习和思考。
实验课程的教学应至少包含2次行业企业参观或行业专家讲座,以让学生了
解职业教育相关行业的发展趋势和实际应用场景,并提升学生的职业素养和专业
技能。
实验课程的教学应包含至少10%的在线学习和自主学习,以满足学生个性化
学习需求和现代教育技术的发展。其中,至少5%的在线学习应结合职业教育相
关行业或企业的在线实践平台或模拟器进行,以增强学生的实际操作能力。
实验课程的教学应包含至少2次在线交互式教学,如网络研讨会、在线辅导
等,以提高学生的在线交互和合作能力。其中,至少1次在线交互式教学应结合
职业教育相关行业或企业的在线实践平台或模拟器进行,以增强学生的实际操作
能力和创新能力。
5.5实验课程的评价体系
实验课程的评价体系应该从知识技能、实际能力、创新能力、团队协作能力
等方面综合评价学生的表现,以全面衡量学生的学习成果和综合素质。实验课程
的评价体系应该和职业能力标准对接,以确保学生的学习成果符合职业要求。评
价体系的具体评价指标和评价标准可以参考职业能力标准,以确保实验课程的教
学内容和评价标准与职业要求接轨。评价体系的设计和实施应该建立在不断优化
和完善的基础上,借鉴和吸收同行业、同类课程的经验和教训,以适应行业和教
育的发展变化。评价体系应该具有针对性和具体性,评价指标应该细化,评价标
准应该明确、科学、公正、公开,确保评价结果的可靠性和客观性。评价体系还
应该引入行业认证考试和竞赛等外部评价机制,以加强学生的学习动力和竞争力,
同时也能更好地反映学生的实际能力和综合素质。
6实训与案例建设
6.1概述
大数据实训提供学生与真实数据和实际问题的接触,让他们亲身体验大数据
处理和分析的整个流程,培养他们的实践能力和问题解决能力。通过实际操作,
8
学生可以将理论知识应用到实际情境中,提高他们的专业素养和就业竞争力。通
过开展大数据实训,高校可以培养符合行业需求的大数据人才,提供与行业实际
需求对接的教育和培养方案。通过大数据实训,学生可以接触和探索最新的大数
据技术和发展趋势,保持与行业前沿的接轨。
6.2实训要求
根据上述市场需求,本标准将根据具体培养岗位人才及需要具备的能力不同,
提出相关实训与案例建设要求:
6.2.1数据科学家
在实训与案例建设中,应注重熟练掌握机器学习、数据挖掘领域常用算法,
如SVM、BP、PCA、LDA、DNN等;能提供切实案例证明具有开发建立多种数
学模型的经验和技能,包括先进的机器学习建模和统计学验证及方法论;深入
Java语言开发,掌握Python、Scala、Shell等语言的
定制服务
推荐标准
- T/SDBSJX 001-2023 工业互联网标识解析 固体化学品仓储管理系统技术要求 2023-11-08
- T/WLJC 34-2017 机床装备企业风险控制指南 人力资源 2017-12-15
- T/CSBME 052-2022 虚拟现实产品视觉健康影响评价方法 2022-01-15
- T/BSIA 006-2022 知识图谱时空特性构建技术规范 2022-12-05
- T/CAMETA 001009-2022 制造企业供应商协同平台架构 2022-12-07
- T/QGCML 2762-2023 汽车生产线涂胶设备故障维修管理系统 2023-12-20
- T/NJAF 003-2023 社会安全事件分类与编码规范 2023-06-21
- T/LSIA 003-2022 首版次软件产品评估规范 2022-07-25
- T/STSI 44-2023 数字孪生城市仿真推演平台基本要求 2023-10-19
- T/DSIA 0704-2018 信息技术 职业技能 建筑动画模型师 2018-07-01