大数据实训实验室建设与实施标准.pdf

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/T 13745-2009 学科分类与代码 GB/T 5271.1-2000 信息技术 词汇 第1 部分：基本术语 GB/T 35295-2017 信息技术 大数据 术语 GB/T 41867-2022 信息技术 人工智能 术语 GB/T 27245-2020 科研实验室良好规范 （规范实验室的管理） JGJ 91-2019 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/T 35295-2017 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/T 35295-2017 中的某些术语和定义。 3.1 大数据 big data 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/T 35295-2017, 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