教学工作

人才培养

当前位置: 网站首页 > 教学工作 > 人才培养 > 正文

数据科学与大数据专业人才培养方案

来源： 日期：2022-03-21 阅读：

数据科学与大数据专业人才培养方案

专业代码：080910T         学科门类：理类

一、培养特色

1、学院特色

齐鲁师范学院位于山东省济南市，是一所公办全日制普通本科师范院校，属于山东省应用型本科高校建设首批支持高校。学校秉承“博学明道，崇德象贤”的校训，坚持“师范性、地方性、应用型”办学定位和“转型发展、特色发展、创新发展、开放发展”理念，实施“质量立校、人才强校、特色名校、文化铸校、服务兴校”发展战略，深入推进教育教学改革，持续提升办学水平，为山东省经济社会发展培育了一大批高素质应用型人才。

齐鲁师范学院数学学院与联想集团等合作开展校企合作，自2017年在信息与计算科学专业设置大数据课程模块，积极探索新工科建设。2020年，数据科学与大数据技术本科专业招生，为山东省新旧动能转换、经济转型升级培养大数据高技能人才，进一步提升学校服务地方区域经济发展能力，为加快建设高水平师范院校贡献力量。

2、人才培养特色

依托齐鲁师范学院学历教育的积淀，联想集团从应用型本科高校的角度出发，结合自身产业生态需求，打造了以成果导向教育（OBE）理念为主导的全过程、全育人、全质量保障的一体化人才培养模式。在校企合作的过程中始终坚持以学生为本，将OBE理念贯穿整个人才培养过程。

在人才培养体系设计过程中，立足于产业端实际用人需求，萃取人才岗位所需知识、能力和职业素养，以结果为导向来设置人才培养目标，构建课程内容与教学体系，打造紧密对接产业链的人才培养方案，构建具有联想产业特色的人才链。联想将全程参与人才培养过程，组织专业的企业讲师团队与高校教师一起实施教学过程，不断优化教学目标，保证人才培养目标与学生学习产出的一致性。以满足产业需求为原则，聚焦人工智能、大数据领域应用型人才，积极转化联想产业生态真实成功案例，让学生夯实专业技术能力，提升项目开发能力，并融入联想“唤醒、养成、助行”的特色素养教育，从而让学生不断锤炼业务应用能力，成为具备理论性、实践性、应用性的大数据人才，形成服务山东省经济发展和产业导向的创新链。

二、培养目标

本专业以大数据产业人才需求为导向，依托联想集团的产业生态优势，培养德智体美劳全面发展，数理基础扎实，工程技术能力过硬，具有良好的人文社会科学素养以及的职业素养，具备大数据采集、存储、清洗、分析建模、可视化或与此相关的信息工程设计开发、部署运维等能力以及良好的职业素养，能从事以大数据应用开发、数据管理与分析、大数据系统部署与运维为代表的新一代信息技术相关领域工作的高素质应用型人才。本专业培养的人才具有多学科交叉背景，强调交叉学科思维的培养模型，要求不仅具备扎实的数理基础，而且熟悉计算机、金融、营销、电信、智能制造等多个行业的基础知识，应该具有三个方面的素质：

1)理论性：理解和运用数据科学与大数据技术算法和模型的能力；

2)实践性：处理实际数据的能力；

3)应用性：使用数据科学与大数据理论和实践工具解决具体行业实际问题的能力。

本专业学生毕业五年之后期望达到以下目标：

1. [品质优秀]：具备良好的思想品德和自然科学素养，在工程实践或技术开发过程中理解并遵守道德规范、法律法规。

2. [素养综合]：具备数据科学与大数据技术所需要的数学统计理论基础、计算机软件开发知识和软件运行环境知识，熟悉国内外数据科学与大数据技术的实际应用场景和技术发展趋势。

3. [技术扎实]：能综合运用数理基础知识与专业知识技能解决信息技术领域尤其是与数据科学与大数据技术相关的复杂工程问题，具备丰富的专业技术工作经验，能成长为行业内的技术骨干、业务骨干或者基层管理者。

4. [善于合作]：具备健康的身心与良好的人文科学素养，具有良好的团队合作精神，能够熟练地进行专业的表达与沟通，能够在实际工作中适应不同角色。

5. [终身发展]：能够积极主动适应社会环境、技术的发展变化，拥有终身学习的习惯和自主学习的能力。

三、毕业要求

专业必须有明确、公开、可衡量的毕业要求, 毕业要求应能支撑培养目标的达成。专业制定的毕业要求应完全覆盖以下内容：

1. [工程知识]：掌握扎实的数学、自然科学、学科专业知识，具备计算机领域的工程能力，能将其用于解决数据科学与大数据技术领域的复杂工程问题。

2. [问题分析]：能够应用数学、自然科学和工程科学的基本原理，识别、表达、并通过文献研究分析数据科学与大数据技术领域的复杂工程问题，获得有效结论。

3. [设计/开发解决方案]：能够综合考虑社会、健康、安全、法律、文化以及环境等因素，针对数据科学与大数据技术的实际应用问题提出设计/开发方案；根据设计/开发方案设计开发满足特定需求的软件系统或组件，并能够在设计/开发环节中体现创新意识。

4. [研究]：能够基于数学、统计学、计算机等学科相关原理并采用科学方法对数据科学与大数据技术领域的复杂工程问题进行研究，包括数据采集、数据处理、数据分析建模、数据可视化，并通过信息综合得到合理有效的结论，具有学术综合观察和分析能力。

5. [使用现代工具]：能够针对数据科学与大数据领域的复杂工程问题，开发、选择与使用恰当的技术、资源和实践工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。

6. [工程与社会]：能够基于工程相关背景知识进行合理分析，评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。

7. [环境和可持续发展]：能够理解和评价数据科学与大数据技术专业工程实践对环境、社会可持续发展的影响。

8. [职业规范]：具有人文社会科学素养、社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行岗位责任。

9. [个人和团体]：具有一定的快速适应团队、团队合作、团队组织管理能力，能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。

10. [沟通]：具有良好的工程项目交流、表达、协调与沟通的能力，能够就数据科学与大数据技术领域的复杂工程问题与国内外业界同行及社会公众进行有效沟通和交流，包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。

11. [项目管理]：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用，在工程活动中体现良好的经济意识。

12. [终身学习]：适应知识结构变化和社会要求，具有自主学习和终身学习的意识，有不断学习和适应发展的能力。

毕业要求对培养目标的支撑矩阵：

           培养目标

毕业要求

培养目标1

品质优秀

培养目标2

素养综合

培养目标3

技术扎实

培养目标4

善于合作

培养目标5

终身发展

毕业要求1：工程知识

✔

毕业要求2：问题分析

✔

毕业要求3：设计/开发解决方案

✔

毕业要求4：研究

✔

✔

✔

毕业要求5：使用现代工具

✔

毕业要求6：工程与社会

✔

✔

毕业要求7： 环境和可持续发展

✔

✔

毕业要求8：职业规范

✔

毕业要求9：个人和团体

✔

毕业要求10：沟通

✔

✔

毕业要求11：项目管理

✔

✔

✔

毕业要求12：终身学习

✔

四、开设课程与毕业要求的对应关系矩阵

         毕业要求

课程名称

1.工程知识

2.问题分析

3.设计/开发解决方案

4.研究

5.使用现代工具

6.工程与社会

7.环境和可持续发展

8.职业规范

9.个人和团队

10.沟通

11.项目管理

12.终身学习

思想道德修养与法律基础

L

M

M

M

L

L

中国近现代史纲要

M

L

L

L

马克思主义基本原理概论

H

M

L

M

L

L

L

H

毛泽东思想与中国特色社会主义理论体系概论

M

M

L

M

L

L

L

H

大学英语（1、2、3、4）

L

L

H

H

大学体育（1、2、3、4）

L

L

L

L

军事理论

L

L

L

M

L

L

形势与政策

L

M

L

L

L

L

大学生心理与健康教育

L

L

L

L

普通话

L

L

M

L

齐鲁文化

M

L

L

L

L

通识选修课程

M

L

数据科学与大数据专业导论

M

M

M

H

M

L

L

L

L

数学分析（Ⅰ-Ⅲ）

H

H

H

H

M

M

M

高等代数（Ⅰ-Ⅱ）

H

H

H

H

M

M

M

解析几何

H

H

H

H

M

M

M

大数据分析的Java基础

H

H

H

M

M

H

数据库原理及应用

H

H

M

M

H

离散数学

H

H

H

H

M

M

M

大数据分析的Python基础

H

H

H

M

M

H

概率论与数理统计

H

H

H

H

M

M

M

统计学原理

H

H

H

H

M

M

M

多元统计分析

H

H

H

H

M

M

M

数值分析

H

H

H

H

M

M

M

数据结构与算法分析

H

H

M

M

H

数据采集与清洗

H

H

H

M

L

M

机器学习

H

H

H

H

M

L

M

L

数据可视化

H

H

H

M

M

M

分布式系统

M

H

L

M

M

L

M

M

最优化方法

H

H

H

H

M

M

L

时间序列分析

H

H

H

H

M

M

L

自然语言处理

H

H

H

H

M

L

M

L

计算机视觉

H

H

H

H

M

L

M

L

深度学习

H

H

H

H

M

L

M

L

大数据实时分布式计算

H

M

L

L

M

L

M

M

大数据流式计算与实操

H

M

L

L

M

L

M

M

数据仓库

H

M

L

M

M

L

M

Linux操作系统

L

H

L

H

M

L

M

M

云计算技术

M

H

L

M

M

L

M

M

Java Web开发

H

M

L

M

M

L

M

M

移动应用开发技术

M

L

H

M

M

M

操作系统

L

H

L

H

M

L

M

计算机网络

H

L

H

M

L

M

M

国防教育与军事训练

M

L

入学与安全教育

M

L

项目实训Ⅰ

H

H

H

H

H

L

L

M

M

H

项目实训Ⅱ

H

H

H

H

H

L

L

M

M

H

项目实训Ⅲ

H

H

H

H

H

L

L

M

M

H

项目实训Ⅳ

H

H

H

H

H

L

L

M

M

H

项目实训V

H

H

H

H

H

L

L

M

M

H

工学结合项目实战

H

H

H

H

H

L

L

M

M

H

“1+X”证书中高级认证实训

H

H

H

H

H

L

L

M

M

H

H

职业生涯与发展规划

M

L

就业创业指导

L

L

H

L

L

L

创新创业教育课程

H

M

M

L

M

企业实习

H

H

H

M

M

H

毕业论文（设计）

H

H

H

H

M

         毕业要求

第二课堂

实践教学课程

1.工程知识

2.问题分析

3.设计/开发解决方案

4.研究

5.使用现代工具

6.工程与社会

7.环境和可持续发展

8.职业规范

9.个人和团队

10.沟通

11.项目管理

12.终身学习

思想素质养成

L

L

M

M

L

政治觉悟提升

L

L

M

M

L

文艺体育项目

M

L

志愿公益服务

L

L

M

M

创新创业指导

H

L

M

M

L

L

L

实践实习实训

H

H

H

M

M

M

L

L

M

L

L

M

技能特长培养

M

L

M

注：“H”表示课程与毕业要求关联度高、“M”表示课程与毕业要求关联度中等、“L”表示课程与毕业要求关联度低。

五、课程设置

（一）课程体系

随着大数据、人工智能等新一代信息技术产业迅猛发展，与传统产业融合更加紧密，数据科学与大数据技术催生了大批与数据相关的就业岗位，逐步形成了数据科学与大数据技术领域的“金字塔”型就业生态。

 

本专业紧扣对接实际产业需求的人才培养方向，依托联想集团在数据科学与大数据产业的经验积累，构建数据科学与大数据技术领域的产业模型，通过提炼大数据产业相关岗位的核心技能，推导相应的能力模型，从而设置对应课程。

大数据

体系结构

典型岗位

核心技能

能力模型

应用层

大数据应用开发工程师

深度学习工程师
自然语言处理工程师
计算机视觉工程师

数据科学家

大数据应用开发：Hadoop、Spark、HBase、分布式计算任务调度

大数据算法研发：数据科学、机器学习、深度学习、Spark、Python

大数据开发能力

大数据项目规划能力

大数据平台调优能力

算法研发能力

编程能力

数据层

数据仓库工程师
数据分析工程师

数据采集工程师

数据仓库：ODS层、DWD层、DWS层、ADS层

数据分析：Hive、Spark、Python、Hadoop-MR、

数据采集：Scrapy、requests、Xpath、Flume、Kafka、Sqoop

大数据分析能力

数据库能力

可视化能力

数据存储能力

大数据数据处理能力

数据爬取能力

ETL能力

Python语言编程能力

编程能力

平台层

大数据系统运维工程师

大数据系统测试工程师

虚拟化：vmware、kvm，OpenStack

网络：路由器、交换机

操作系统：Linux、Windows

大数据平台：Hadoop、Spark、Hive、HBase等

虚拟化技术应用能力

操作系统使用能力

服务器网络配置能力

大数据平台部署能力

编程能力

（二）主干学科

数学与应用数学、统计学、计算机科学与技术

（三）主要课程及实践性教学环节

1.主要课程

数据分析、高等代数、大数据分析的Python基础、概率论与数理统计、数据库原理及应用、统计学原理、多元统计分析、数值分析、数据结构与算法分析、数据采集与清洗、机器学习、数据可视化、分布式系统、大数据实时分布式计算等。

2.实践性教学环节

联想集团及其生态企业汇集近百家企业TB级别以上数据，为学生实训提供丰富的数据支撑。基于数据科学与大数据技术的真实应用场景，以联想大数据解决方案为原型进行项目转化，基于联想大数据生产平台打造行业大数据真实项目实训课程。实践性教学项目有联想数仓综合实训、电信大数据综合项目实训、精准零售大数据综合项目实训、金融大数据综合项目实训、智能制造大数据综合项目实训、工学结合项目实战、企业实习、毕业设计（论文）等。

实践模块

实习内容

地点

学期

项目实训

引入联想在各行业（金融、通信、零售、智能制造等）大数据真实成功案例，理论与实践相结合，让学生体会大数据技术的真实应用场景。

校内

3-6

工学结合实训

联想工程师入校带领学生进行真实大数据项目实战开发，

校内/企业

7

企业实习

安排学生进入大数据相关企业顶岗实习，积累工作经验，熟悉企业真实运作流程。

企业

7-8

毕业设计

在联想企业导师或者学校导师的指导下，独立完成数据科学与大数据相关技术的应用设计。

校内/企业

8

（四）各环节学时学分比例

课程类型

学时

学分

备注

总学时

理论

实践

最低修读要求

总学分

理论

实践

课程类型占总学分比例(%)

通识

课程

通识必修课程

688

496

192

39

29

10

24%

学分比例:

30%

（分）

通识选修课程

160

160

0

10

10

0

6%

学科专业课程

学科专业

基础课程

624

576

48

29

26

3

18%

学分比例：

56%

（学分）

学科专业

核心课程

512

344

168

34

22

12

21%

学科专业

选修课程

352

192

160

21

13

8

13%

学科专业

实践课程

7

7

4%

集中实践课程（基础实践类、综合实践类、自主学习与创新创业类）

23.5

23.5

14%

学分比例:

14%

（学分）

合  计

2336

1768

568

163.5

100

63.5

100%

100%

六、修读要求

（一）修业年限与授予学位

学制：4年，修业年限：3-8年

授予学位：符合学校学士学位授予条例中的授位要求，授予理学学士学位

（二）毕业标准与要求

修完本专业规定的学分数并符合学校规定的其他毕业要求，经学校审核批准后，准予毕业。毕业要求的最低学分数为 163.5 学分。

七、教学计划进程安排

（一）课程安排表

课程类别

课程编号

课程名称

课程
性质

学时

学分

开设
学期

考核
方式

学分
要求

总学时

理论

实践

总学分

理论

实践

通识课程

通识必修课程

00011001

思想道德修养与法律基础

必修

48

32

16

3

2

1

1

考查

　

00011004

中国近现代史纲要

必修

48

32

16

3

2

1

2

考查

　

00011002

马克思主义基本原理概论

必修

48

48

　

3

3

　

3

考试

　

00011003

毛泽东思想与中国特色社会主义理论体系概论

必修

80

48

32

5

3

2

4

考试

　

00011006

大学英语1

必修

48

32

16

3

2

1

1

考试

　

00011007

大学英语2

必修

48

32

16

3

2

1

2

考试

　

00011008

大学英语3

必修

48

32

16

3

2

1

3

考试

　

00011009

大学英语4

必修

48

32

16

3

2

1

4-7

考试

　

00011011

大学体育1

必修

32

16

16

1

0.5

0.5

1

考查

　

00011012

大学体育2

必修

32

16

16

1

0.5

0.5

2

考查

　

00011013

大学体育3

必修

32

16

16

1

0.5

0.5

3

考查

　

00011014

大学体育4

必修

32

16

16

1

0.5

0.5

4

考查

　

00011015

军事理论

必修

32

32

　

2

2

　

2

考查

　

00011005

形势与政策

（不计入周学时）

必修

32

32

　

2

2

　

1-8

考查

等级证
书管理

00011024

大学生心理与健康教育

（不计入周学时）

必修

32

32

　

2

2

　

1

考查

详见具
体方案

00011025

普通话

必修

16

16

　

1

1

学生

自主

考查

00012003

齐鲁文化

必修

32

32

　

2

2

　

1

考查

合格证
书管理

通识选修课程

课程开设包括校内公共选修课程和网络通识选修课程，包括“教师教育类”“艺术教育类”“体育健康类”“人文社会科学类”“自然科学类”等五个模块

选修

至少四个模块且不少于10学分的选修课程，其中每个模块选修的学分不得低于2学分。体育健康类武术课为所有学生必选；文科类专业的学生须修满2学分“自然科学类”模块中的课程；理科类专业的学生须修满2学分“人文社会科学类”模块中的课程。

考查

预设定
10学分

学科专业科课程

学科专业基础课程

06921010

数据科学与大数据专业导论

必修

16

16

　

1

1

　

1

考查

　

06921001

高等代数Ⅰ

必修

64

64

　

4

4

　

1

考试

　

06921002

数学分析Ⅰ

必修

96

96

　

6

6

　

1

考试

06921003

解析几何

必修

64

64

4

4

　

1

考试

　

06921004

高等代数Ⅱ

必修

64

64

4

4

　

2

考试

　

06921005

数学分析Ⅱ

必修

96

96

6

6

　

2

考试

　

06921006

数学分析Ⅲ

必修

64

64

4

4

3

考试

　

06921007

大数据分析的Java基础

必修

64

32

32

4

2

2

1

考试

联想

06921008

数据库原理与应用

必修

48

32

16

3

2

1

5

考试

联想

06921009

离散数学

必修

48

48

3

3

2

考试

学科专业核心课程

06931001

大数据分析的Python基础

必修

48

32

16

3

2

1

2

考试

联想　

06931002

概率论与数理统计

必修

48

48

3

3

3

考试

　

06931003

统计学原理

必修

64

32

32

4

2

2

3

考试

　

06931004

多元统计分析

必修

32

32

2

2

4

考试

　

06931005

数值分析

必修

48

48

3

3

4

考试

06931006

数据结构与算法分析

必修

48

32

16

3

2

1

3

考试

　

06931007

数据采集与清洗

必修

48

24

24

3

2

1

4

考试

联想　

06931008

机器学习

必修

64

32

32

4

2

2

5

考试

联想　

06931009

数据可视化

必修

48

24

24

3

1.5

1.5

6

考试

联想　

06931010

分布式系统

必修

64

40

24

4

2.5

1.5

5

考试

联想　

学科专业选修课程

06922001

最优化方法

选修

32

16

16

2

1

1

5

考试

模块一：最低修读6学分

06922015

时间序列分析

选修

32

32

2

4

考试

06922016

自然语言处理（联想）

选修

48

32

16

3

2

1

6

考查

06922004

计算机视觉（联想）

选修

48

24

24

3

1.5

1.5

6

考查

06922005

深度学习（联想）

选修

32

16

16

2

1

1

7

考查

06922017

大数据实时分布式计算（联想）

选修

64

40

24　

4

2.5

1.5

6

考查

模块二：最低修读8学分

06922007

大数据流式计算与实操（联想）

选修

48

32

16　

3

2

1

6

考查

06922008

数据仓库（联想）

选修

48

32

16　

3

2

1

5

考查

06922009

Linux操作系统

选修

64

32

32

4

2

2

5

考试

06922010

云计算技术

选修

48

32

16

3

2

1

7

考查

模块三：最低修读7学分

06922011

Java Web开发（联想）

选修

64

32

32

4

2

2

6

考查

06922012

移动应用开发技术（联想）

选修

64

32

32

4

2

2

7

考查

06922013

操作系统

选修

64

32

32

4

2

2

5

考试

06922014

计算机网络

选修

64

32

32

4

2

2

5

考试

集中实践课程

基础实践课程

00071101

国防教育与军事训练1

必修

2周

1

1

考查

　

00071102

入学与安全教育2

（不占周学时）

必修

　

0.5

1

考查

　

学科专业实践课程

06981001

项目实训Ⅰ（联想）

必修

1周

1

2

考查

　

06981002

项目实训Ⅱ（联想）

必修

1周

1

3

考查

　

06981003　

项目实训Ⅲ（联想）

必修

1周

1

4

考查

　

06981004

项目实训Ⅳ（联想）

必修

1周

1

5

考查

06981005

项目实训V（联想）

必修

1周

1

6

考查

06981006

工学结合项目实战（联想）

必修

4周

2

7

考查

综合实践课程

00071301

职业生涯与发展规划

必修

16

1

2

考查

　

00071302　

就业创业指导

必修

16

1

7

考查

　

00071303　

创新创业教育课程3

必修

32

2

2-5

考查

　

00071502　

企业实习

必修

16周

8

8

考查

　

00071304-7

毕业论文（设计）

必修

12-18周

6

7-8

　

　

第二课堂实践教学课程）

00071401

思想素质养成

必修

详见《齐鲁师范学院“第二课堂成绩单”制度实施管理办法》

4

1-8

第二课堂由学校团委负责组织实施和认定学分

最低
修读
学分
4学分

00071402

政治觉悟提升

必修

00071403

文艺体育项目

必修

00071404

志愿公益服务

必修

00071405

创新创业指导

必修

00071406

实践实习实训

必修

00071407

技能特长培养

必修

注：

1. 《军事技能》训练时间2—3周，实际训练时间不得少于14天。

2. 从入学开始，历时1学期。

3. 通过“齐鲁师范学院数字创新创业学院”（qljsjy.cxcy.chaoxing.com）开设。可以通过自主学习与创新创业类实践学分置换，最多2学分

八、学院第二课堂实践教学课程学分互认办法

参照学校团委下发的《齐鲁师范学院“第二课堂成绩单”制度实施管理办法》，制定第二课堂实施方案和学分互认置换办法。

九、专业教学支撑

（一）教学设施

本专业以满足大数据产业真实需求为目标，联合联想集团开展大数据实训室建设。实训室分为硬件和软件两部分：硬件部分，实训室拥有多台知名品牌高性能计算服务器，GPU运算服务器；软件部分，实训室引入联想大数据行业真实案例作为项目实训资源，提供私有云和公有云等服务方式，满足专业学生全天候访问实训资源的需求。

（二）教学资源

在大数据应用型人才培养理念的指导下，本专业引进优秀课程资源（联想课程教学资源、MOOC课程等）作为教师课堂教学的补充内容。此外，本专业推进专职教师与联想工程师共同研发完大数据专业课程资源包，包括教学课件、视频、案例、测评习题等内容，辅助学生课外自主学习。

本专业择优选用国内外优秀本科大数据专业系列教材，并鼓励专职教师联合联想工程师基于实际教学经验自主编写大数据专业教材，沉淀教学经验，推广教学成果。

十、学业考核与毕业条件

（一）学业考核

本专业建立形式多样的学业考核方式，引进外部企业联想集团参与学生学习成果的考核评价，强调职业能力考核评价。通过多样化考核，对学生的专业能力及岗位技能进行综合评价，激发学生的学习热情，培养学生的职业能力。

学业考核按照学生日常课程成绩考核与项目实训考核、企业实习考核相结合的原则，从理论课、实验课、集中实践类课程、毕业论文（设计）等多方面进行学生学习成果的评价。

1.理论课

专业理论课程的考核一般建议采用考试方式。考试可分为期中、期末考试；期中考试，由各课程任课教师根据教学实际情况安排，期末考试依据每学期教务处的统一组织、安排。考试形式可用笔试、面试、课程报告、项目开发等。笔试分为闭卷考试和开卷考试，采用开卷考试的课程必须经教研室主任同意并报分院教学院长批准方可实施。笔试考试时间原则上为120分钟，面试、课程报告由各课程任课教师根据课程实际情况具体安排，报教学分管院长批准实施。若一门课程分几个学期讲授的，每个学期均应进行考核、评定学期成绩，另外任课教师在授课过程中，可通过课程互动、作业、合作学习等形式加强对学生的过程性考核，突出能力导向的课程评价模式。

2.实验课

实验课的考核应根据课程特点，以着重培养学生的创新实践能力水平为导向，选择适当的考核方式，任课教师可通过学生的实验报告、程序设计、作品呈现等进行评价。可以采用百分制，也可采用等级制以总评或者累计等方式评定学生的实验课成绩。

若专业课程教学内容既有理论教学部分又有实验教学部分，则实验课的考核成绩与理论课的考核成绩根据课程的性质与大纲设计，分配相适应的权重比例，量化之后形成课程的总评成绩。

3.集中实践类课程

集中实践类课程由校内教师和联想工程师共同评定，根据课程的学习内容和课时周期确定校内外评价的权重。主要根据学生完成项目实训成果、平时表现、操作能力、实训报告和态度等综合评定，按“优、良、中、合格、不合格”五个等级给出考核成绩；鼓励学生参加专业竞赛或比赛，获得一、二、三等奖可与综合实践、第二课堂实践教学课程进行学分互换。

4.毕业论文

毕业论文采取指导教师（学校教师或者联想企业导师）拟定题目学生自选及学生自拟题目报指导教师核准的形式进行，毕业论文完成后，由指导教师学出评语，并给出毕业论文的初步意见。在完成答辩的基础上，再由毕业论文答辩小组确定毕业论文的成绩，报学院答辩委员会评定。

基础性实践课程、劳动教育课程、综合性实践课程及第二课堂实践教学课程等其他教学环节的学业考核依据教务处和学校的相关具体规定执行。

（二）毕业条件

学生毕业需要同时具备以下条件：

1. 必修课程最终成绩全部合格；

2. 达到规定学分要求；

3. 符合学校规定的其他要求并经齐鲁师范学院学位委员会审核通过。

十一、持续改进质量保障机制（达成度评价机制）

（一）规范课程目标达成

参照《齐鲁师范学院人才培养质量达成度评价管理办法（试行）》的通知，构建完善的课程目标支撑毕业要求的逻辑关系，要求每门课程的课程目标做到可评、可测，真正做到课程考核是检验学生学习达成有效方式以及促进学习的有效机制，从而真正实现人才培养目标。

（二）加强毕业生的跟踪调查

毕业生工作后的再反馈是人才培养修正的关键因素之一，社会实践是检验人才质量的有效标准，毕业生作为被检验的主体，对于学校人才培养质量有充分的发言权，作好毕业生的跟踪调查，通过调查结果对人才培养方案进行修订，是保证人才培养质量不断提升的基础。

（三）加强与用人单位的沟通交流，把握行业对于人才质量的需求

行业需求是人才培养的风向标，与行业的密切联系与沟通，是人才培养与时俱进的重要保障。

十二、联想集团产业支撑

联想是全球领先的智能设备及企业IT解决方案提供商，秉承“卓尔不同，只为更好”的理念，为用户提供整合了应用、服务和最佳体验的智能终端和强大的云基础设施。目前，联想全球约有7万名员工，业务遍布180多个国家和地区。年营业额4100万人民币，全球500强企业排名156位。

2020年联想提出了以“端边云网智”体系架构为基石，围绕人工智能六大应用场景为核心，从新定义“新IT”产业架构。

端：即人工智能终端设备、物联网终端设备、智能PC、智能手机等终端设备。5G商用化让海量的设备连接成为可能。智能设备在各种人工智能场景下将是硬件、软件、服务的三位一体；

边：即边缘计算，海量智能设备产生的数据，很多需要本地处理，快速反应，计算力下沉成为必然，边缘计算应运而生。

云：即云计算，包括基础设施即服务的层面，包括叠加在上面的PaaS（平台即服务），和SaaS（软件即服务）。

网：联想在5G领域申请的标准必要专利已突破1000件，包括5G云基站、5G专网核心网、NFV网络功能虚拟化等产品，能够为公有网络提供5G智慧新型室内分布的解决方案。

智：端边云网+人工智能的先进算法加以学习、总结、提炼，针对垂直行业的特定场景打造行业智能解决方案。形成“端到端人工智能解决方案”。目前联想已经打造了支撑行业智能的核心软件平台Leap系列，包括联想自研的工业物联网平台LeapIoT、大数据平台LeapHD、企业级人工智能平台LeapAI，为行业客户实现降本增效。

基于联想集团面向未来5年的战略发展方向和人才培养需要，面向世界范围内的互联网产业、人工智能产业、智能制造产业的快速发展，以及对应用型技术技能人才的迫切需求。联想集团淬炼、提取出产业人才技术标准，输出行业解决方案，通过校企合作模式凝练形成基于人工智能场景下的，多领域技能人才培养标准，并融入到院校专业培养之中，共同形成面向高层次人工智能领域应用型技术技能人才。

附件：课程流程图

上一条：数学学院举办2022年师范生教学技能大赛

下一条：数学与应用数学专业人才培养方案

友情链接

学院公众号

版权所有：齐鲁师范学院数学学院  联系方式：联系电话：0531-66778079   学院邮箱：qlnumath@163.com