信息工程分院拟增设
数据科学与大数据技术专业论证报告
一、专业人才需求分析
在全球信息化快速发展的大背景下，数据已成为国家重要的基础性战略资源，大数据正日益渗透到社会生活和经济发展的各方面。运用大数据推动经济发展、完善社会治理、提升政府服务和监管能力、重塑国家竞争优势正在成为趋势。
作为新兴行业，我国大数据行业的技术应用尚处于探索发展阶段，且由于人才培养和培训体系的相对滞后，大批产业发展所需专业人才严重短缺。全球最著名的管理咨询公司麦肯锡在《大数据》报告中指出，大数据人才短缺，将严重制约大数据行业发展，尤其是统计和机器学习方面的专业人才以及懂得如何运用大数据来运营企业管理和分析的人才。仅仅在美国市场，2018年大数据人才和高级分析专家的人才缺口将高达19万。此外美国企业还需要150万位能够提出正确问题、运用大数据分析结果的大数据相关管理人才。国内各大企业纷纷开拓大数据业务，对专业的大数据人才均有较高的需求量。目前市场对大数据人才需求的特点是：需求量大、薪资水平高，并且呈上升趋势。
据Gartner预测，到2015年，全球将新增440万个与大数据相关的工作岗位，且会有25%的组织设立首席数据官职位。大数据的相关职位需要的是复合型人才，能够对数学、统计学、数据分析、机器学习和自然语言处理等多方面知识综合掌控。埃摩森研究院2015年中高端人才调查报告来看，去年大数据工作岗位的需求呈持续增加，12月份需求量已超过4511个，可见“数据驱动决策”的趋势在当下变得尤为重要。美国领英公司发布的《2016年中国互联网最热职位人才报告》表明，数据分析人才的供给指数在全部热门职位中最低，仅为0.05，属于高度稀缺职位。
现有的教育资源已经远远不能满足未来大数据行业发展对数据分析人才的需求，加之大数据行业对于分析经验要求较高，特别是实训条件的不足，更导致了数据分析人才培养的总量和质量的严重不足，亟需进一步完善培训设施，创新培训模式，拓展培养方向，加大培养力度。因此，信息工程分院“数据科学与大数据技术”本科专业的开办，将缓解行业内数据分析人才的供需矛盾，为我国大数据行业的快速发展提供一定的智力支持。
二、专业办学条件分析
1.学科专业基础
我校信息工程分院在教学、科研的大数据管理、分析领域有丰富的实践经验，目前具有计算机科学与技术、软件工程、物联网工程三个本科专业。分院注重提高教学质量，改善办学条件和人才培养模式，教学成果显著，每年本科考研人数不断增加，毕业生考取全国多所知名院校硕士研究生。多年的计算机本科专业的办学积淀，基本形成了以上三个专业为主干学科的专业框架和培养应用型人才的课程体系，培养了一批优秀计算机专业教师和科研人才。目前在这三个专业中，已经开设了“云计算安全技术”、“海量信息处理与云计算技术”、“并行计算技术”、“数据挖掘技术”、“云计算与分布式系统”、“大数据分析”、“大型数据库”及“机器学习”等多门与拟申办专业密切相关的专业方向课程。具备开办数据科学与大数据技术新专业的学科专业基础。
2.硬件设施及师资现状
信息工程分院现有大数据实验室1个，校企合作创新中心2个，大数据相关方向实训中心2个。数据科学与大数据专业现有专任教师12人，其中教授1人，副教授6人，副教授及以上职称的教师占58.3%。具备广阔的学术视野。目前已经形成了学缘结构、学历结构和职称与年龄层次都较为合理的教学、科研团队，为培养高层次领域人才创造了良好的条件。多名教师正在从事数据科学与大数据技术相关的课程教学工作及科研工作，具有知识结构基础，足够满足该专业日常教学科研需要。
近两年，分院不断加强硬件设施建设，与北京达内时代科技有限公司联合共建大数据实验室1个，校企合作创新中心2个，数据库处理实习实训中心1个，Java应用开发实践教育基地1个。目前中心和实验室拥有高性能服务器11台，大型UPS电源1套，工作站121套，数据存储1个，计算机200台，防火墙8套，安全管理平台1套，数据集中、交换单元13台。目前，分院根据已有硬件设备条件开设了大数据分析，云计算等理论课程的相关实验。根据教学和科研需要，分院新增大数据、云计算方向书籍500余本。在硬件环节上具备开办本专业的条件。
三、专业特色与优势
当前，全世界至少有近170所大学开设了大数据相关展业，其中约150所大学开设了硕士研究生以上的学位课程。资料显示，美国有超过60所大学开设了大数据相关专业，在欧洲有30多所大学。中国境内有2所大学，分别是香港中文大学的数据科学与商业统计(Data Science & Business Statistics)硕士课程和纽约大学上海分销的商业数据分析科学(Master of Science in Business Analytics)硕士课程。
在开设数据科学和工程相关课程方面，美国的加州大学伯克利分校、伊利诺依大学香槟分校、哥伦比亚大学、纽约大学等从2011年开始就进行了卓有成效的尝试。纽约大学、华盛顿大学等注明高校已经开始设置硕士学位培养计划。在我国，从2012年开始，清华大学、中国人民大学、复旦大学、北京航空航天大学等高校也开始设置了学术型或专业型硕士学位培养计划。
在本科专业设置方面，2014年中国传媒大学开始大数据技术与应用专业方向，贵州大学设立大数据专业。2015年北京大学、中南大学和对外经济贸易大学新增数据科学与大数据技术专业。北京航空航天大学、枝江大学、复旦大学、上海交通大学、西安交通大学、南京大学、武汉大学、华南理工大学等8所高校开始“云计算与数据科学”专业方向。
总体上，国外大数据专业学位设置分为三种：
1.数据分析学
共性是属于新开发的跨学科课程，将应用数学、统计学、计算机科学，以及各种商业学科诸如营销、财务等融合在一起，即使一些学位使用预测分析或数据分析冠名，其课程内容也大同小异。
2.商业数据分析
其特点基本上是由各大学商学院新开设或改名而来的，也会有与其他学院联合办学的情况，和数据分析学学科类似，面向技术的课程稍少一些，但也不意味着商业数据分析就完全偏向商科。
3.数据科学
一般开设在商学院以外的分院，将数据分析课程与其他学科相结合，还有的情况是将原有的旧专业改为数据分析专业，有时还可能沿用原有专业的名称，目标是从庞大数量与种类的数据中去获得能有效沟通的可执行见解。
四、专业培养目标、培养规格
1.专业培养目标
使学生具备扎实的理论基础、专业素质及扎实的实际动手操作能力。掌握大数据分析与应用基本理论、基本知识、基本技能及综合应用方法，具有较强的大数据平台及大数据相关平台技术，掌握基于企业级的大数据分析与应用的项目开发技能。培养能在IT行业、行政事业单位等行业从事大数据的处理、分析及预测和运维的应用型人才。
2.学制与学位
本专业学制四年，毕业授予工学学位。
3.主干学科或主要学科基础
根据该专业的性质和特点，其主干学科为计算机科学技术，主要学科基础包括：数据挖掘与数据仓库、关系型数据库概论，Java语言程序设计、云计算与大数据、数据仓库与商业智能、机器学习、大数据分析和应用等。具体上针对以下要点进行培养方案设置：
（1）强化基础课程
根据数据科学及大数据分析领域人才知识和技能的需要，必须要强化基础课程，如高级语言程序设计、关系型数据库等。由于数据科学及大数据技术是一门理论和应用相结合的学科，因此在设置学科基础时需要相应的考虑。对于理论方面，设置的课程有云计算与大数据、数据挖掘与机器学习；而从应用方面，设置的课程有Java语言程序设计、大数据分析和应用等，尽可能做到理论实践应用相结合。同时，为了适应专业发展需要，将专业课程划分为专业基础课和专业课，同时增加专业选修课，为学生的发展提供个性化的支持。
（2）增加选修课程
为了更好地进行因材施教，为学生的个性化发展提供有效的条件，尽量减少部分专业必修课，而相应增加选修课的数量，做到基础课、专业课、选修课相结合的统一课程模式。通过基础课和专业课，构建学生知识的深度；通过选修课，为学生提供更为广阔的兴趣点和发展方向。列入选修课尤其是任选课的课程，并不表明该课程的重要程度降低，只是表明随着专业程度上升，与学生个人发展方向更为紧密，无需强调所有学生都要学习掌握。对于理论方面，主要的专业选修课有机器学习系统设计、数据仓库与商业智能核心技术等；而对于应用方面，设置的专业选修课有JAVA海量数据分布式开发、数据可视化技术等。
（3）注重实践训练
在课程设置上，注重理论课与实践课的适当配合，注重学生的动手操作技能和解决实际问题的能力培养。因此，在教学课程设置中对实践性课程侧重，使校内实训和校外实习占有略高比重。实践课程要求所有学生必须参加，只是在不同兴趣和专业方向的学生可以选择不同性质的实习单位及部门。积极探讨同阿里云等大型数据服务平台开展联合人才培养模式的可行性。
五、专业人才培养方案
1.培养目标
本专业培养具有较高专业素养、科学素养和人文素养，较好地掌握数据科学和大数据技术的基本知识、基本理论和基本技能，能在IT行业、行政事业单位
等行业从事大数据的处理、分析及预测和运维的应用型人才。
2.基本要求：
本专业毕业生应具有以下各方面的知识、能力和素质。
（1）具有良好的思想道德修养；
（2）具有健康的体魄，良好的心理素质；
（3）具有从事本专业工作所需的熟悉知识；
（4）具有数据科学与大数据技术的基础理论和专业知识；
（5）具有终身学习意识及运用现代信息技术获取相关信息和新技术、新知识能力；
（6）能从事计算机应用系统和大数据系统产品设计开发、建设和应用等实际工作；
（7）解与本专业相关的职业和行业的重要法律法规及方针政策，理解工程技术伦理的基本要求；
（8）具有一定的组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力；
（9）具有初步的外语应用能力，能阅读本专业的外文材料，具有一定的国际视野和跨文化交流、竞争与合作能力；
3.修业年限
四年
4.授予学位
工学学士
5.主干学科
计算机科学与技术
6.主要课程
高级语言程序设计、数据结构、数据库原理及应用、计算机网络、分布式计算系统原理、非关系式数据库原理（NoSQL）、数据挖掘与数据仓库、Hadoop编程、数据科学导论、数据科学应用、机器学习与模式识别、数据可视化技术、商业智能、多元统计分析与R语言建模，数值分析与数理统计。
7.主要实践性教学环节
课程实验、课程设计、专业实习、毕业设计。
8.主要专业实验
分布式计算系统原理实验、非关系式数据库原理实验、Hadoop编程实验、机器学习与模式识别实验、数据可视化技术实验、数值分析与数理统计实验。
9.教学计划
最低毕业学分要求：193.5学分，其中公共基础课71学分；学科基础课修满31.5学分；专业必修课28学分；专业选修课20 学分；实习实训39学分。另外，本科学习期间必须完成4个创新学分，具体内容见下表。
课程环节计划
实践环节安排表
《数据库技术与应用》上机实验报告 目录： 一、概述 二、主要上机实验内容 1.数据库的创建 2.表的创建 3.查询的创建 4.窗体的创建 5.报表的创建 6.宏的创建 三、总结 一、概述 （一）上机内容： 第七周：熟悉Access界面，数据库和表的创建，维护与操作 1. 熟悉Access的启动，推出，界面，菜单，工具栏等； 2. 练习使用向导创建数据库、创建空数据库； 3. 练习创建表结构的三种方法（向导、表设计器、数据表）、表中字段属性设置； 4. 练习向表中输入不同类型的数据； 5. 练习创建和编辑表之间的关系； 6. 练习表的维护（表结构、表内容、表外观） 7. 练习表的操作(查找、替换、排序、筛选等) 第八周：练习创建各种查询 1．选择查询（单表、多表、各种查询表达式） 2．参数查询 3．交叉表查询 4．操作查询（生成查询、删除查询、更新查询、追加查询） 第十周：练习创建各种类型的窗体 1．自动创建纵栏式窗体和表格式窗体； 2．向导创建主|子窗体
3．图表窗体的创建 4．练习通过设计器创建窗体 5．练习美化窗体 第十三周：练习创建各种类型的报表 1．自动创建纵栏式报表和表格式报表； 2．向导创建报表（多表报表、图表报表、标签报表） 3．练习通过设计视图创建报表（主|子报表、自定义报表） 4．练习在报表中添加计算字段和分组汇总数据 第十五周：综合应用 1．了解Access数据库系统开发的一般方法； 2．课程内容的综合练习； 3．编写上机实验报告、答疑 （二）上机完成情况 第七周：熟悉Access界面，数据库和表的创建，维护与操作 完成了创建表，向表中输入不同类型的数据，创建和编辑表之间的关系，进行了表的维护，修改了表的结构、内容、外观，最后进行了表的操作，查找、替换、排序、筛选等。 已完成 第八周：练习创建各种查询 练习选择查询、参数查询、交叉表查询，然后练习并操作查询，生成查询、删除查询、更新查询、追加查询等。 已完成 第十周：练习创建各种类型的窗体 自动创建纵栏式窗体和表格式窗体，向导创建主|子窗体和图表窗体，练习通过设计器创建窗体，美化窗体。 基本完成 第十三周：练习创建各种类型的报表 自动创建纵栏式报表和表格式报表，向导创建报表，练习通过设计视图创建报表，在报表中添加计算字段和分组汇总数据。 已完成 第十五周：综合应用
大数据技术原理与应用第四章课后作业 黎狸 1.试述在Hadoop体系架构中HBase与其他组成部分的相互关系。 HBase利用Hadoop MapReduce来处理HBase中的海量数据，实现高性能计算；利用Zookeeper作为协同服务，实现稳定服务和失败恢复；使用HDFS作为高可靠的底层存储，利用廉价集群提供海量数据存储能力; Sqoop为HBase的底层数据导入功能，Pig 和Hive为HBase提供了高层语言支持，HBase是BigTable的开源实现。 2.请阐述HBase和BigTable的底层技术的对应关系。 3.请阐述HBase和传统关系数据库的区别。 4.HBase有哪些类型的访问接口？ HBase提供了Native Java API , HBase Shell , Thrift Gateway , REST GateWay , Pig , Hive 等访问接口。 5.请以实例说明HBase数据模型。
6.分别解释HBase中行键、列键和时间戳的概念。 ①行键标识行。行键可以是任意字符串，行键保存为字节数组。 ②列族。HBase的基本的访问控制单元，需在表创建时就定义好。 ③时间戳。每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索 引。 7.请举个实例来阐述HBase的概念视图和物理视图的不同。 8.试述HBase各功能组件及其作用。 ①库函数：链接到每个客户端； ②一个Master主服务器：主服务器Master主要负责表和Region的管理工作； ③③许多个Region服务器：Region服务器是HBase中最核心的模块，负责存储和 维护分配给自己的Region，并响应用户的读写请求
《数据库技术与应用》 课程教学大纲（及实验教学大纲） 第一部分课程教学大纲 课程名称：数据库技术与应用（Application of Database Technology） 授课教师： 答疑时间： 办公室：信息管理与工程学院 课程类别：限定选修课（模块V、挂牌、财经类专业学生计算机应用基础选修课） 课程时间安排：2012年2月—2012年6月 授课时间： 授课地点：教育技术中心 授课安排调整：节日放假，课程内容顺延 期末考试时间：第17周（随堂闭卷笔试） 教学课时数： 2 × 17 ＝ 34课时（课后课程实验8课时） 课程网址：上财教学网 指定教材： 崔敬东于长锐崔丽丽编著。数据库技术与应用——面向业务分析的Access 2003。清华大学出版社，2011 参考书目： 亚历山大著梁普选刘玉芬等译。Access数据分析宝典。电子工业出版社，2006 布鲁特曼等著，付宇光等译。Access Cookbook中文版：数据分析详解。清华大学出版社，2008 预备知识： 本课程为财经类专业学生的计算机应用基础选修课，假设学生已经掌握计算机应用的基本技能和关于计算机的基础知识，主要着重于计算机基本概念、基本原理、基础知识和基本操作。 教学目的： 本课程教学目的在于向学生较全面地介绍关系数据库技术的基本知识和一般原理，使学生在理解数据在关系数据库中的组织形式、数据彼此的逻辑联系及联系方式等基本范畴的基础上，掌握基于关系数据库技术的数据分析方法，并能够熟练地应用Microsoft Access关系数据库管理系统软件提取数据、加工数据和对数据进行组织输出。同时，通过上机操作、练习和实验，使学生加深对关系数据库理论的理解和认识，提高综合分析问题和解决问题的能力，并掌握利用Microsoft Access工具从数据库中查询数据和设计业务报表的方法。 课堂练习： 由于本课程的重点是数据库理论和技术的实际应用，因此具有很强的操作实验性质，所以要求学生一
大数据技术原理与应用-林子雨版-课后习 题答案
第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答：运营式系统阶段，用户原创内容阶段，感知式系统阶段。 3.试述大数据的4个基本特征 答：数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答：大数据时代的“数据爆炸”的特性是，人类社会产生的数据一致都以每年50%的速度增长，也就是说，每两年增加一倍。 5.数据研究经历了哪4个阶段？ 答：人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答：大数据时代对思维方式的重要影响是三种思维的转变：全样而非抽样，效率而非精确，相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答：数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力，能结合历史数据和实时数据实现查询分析和自动规则触发，从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。
8.举例说明大数据的基本应用 9.举例说明大数据的关键技术 答：批处理计算，流计算，图计算，查询分析计算 10.大数据产业包含哪些关键技术。 答：IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。 11.定义并解释以下术语：云计算、物联网 答：云计算：云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。
第1章习题参考答案 1.思考题 （1）什么是数据库、数据库管理系统、数据库系统？它们之间有什么联系？ 答：数据库是存贮在计算机的有结构的数据集合；数据库管理系统是一个软件，用以维护数据库、接受并完成用户对数据库的一切操作；数据库系统指由硬件设备、软件系统、专业领域的数据体和管理人员构成的一个运行系统。 （2）当前，主要有哪几种新型数据库系统？它们各有什么特点？用于什么领域，试举例说明？答：主要有：分布式数据库、面向对象数据库、多媒体数据库、数据仓库技术、空间数据库。 （3）什么是数据模型？目前数据库主要有哪几种数据模型？它们各有什么特点？ 答：数据模型是一组描述数据库的概念。这些概念精确地描述数据、数据之间的关系、数据的语义和完整性约束。很多数据模型还包括一个操作集合。这些操作用来说明对数据库的存取和更新。数据模型应满足3方面要求：一是能真实地模拟现实世界；二是容易为人们理解；三是便于在计算机上实现。目前在数据库领域，常用的数据模型有：层次模型、网络模型、关系模型以及最近兴起的面向对象的模型。 （4）关系数据库中选择、投影、连接运算的含义是什么？ 答： 1）选择运算：从关系中筛选出满足给定条件的元组（记录）。选择是从行的角度进行运算，选择出的记录是原关系的子集。 2）投影运算：从关系中指定若干个属性（字段）组成新的关系。投影是从列的角度进行运算，得到的新关系中的字段个数往往比原关系少。 3）连接运算：将两个关系按照给定的条件横向拼接成新的关系。连接过程是通过两个关系中公有的字段名进行的。 （5）关键字段的含义是什么？它的作用是什么？ 答：一个关系中可以确定一个字段为关键字段，该字段的值在各条记录中不能有相同的值。（如：门牌）；关键字段的作用主要是为建立多个表的关联和进行快速查询。 （6）什么是E-R图？E-R 图是由哪几种基本要素组成？这些要素如何表示？ 答：E-R图也称实体-联系图(Entity Relationship Diagram)，提供了表示实体类型、属性和联系的方法，用来描述现实世界的概念模型。构成E-R图的基本要素有3种，即实体、属性和联系。其表示方法为：用矩形框表示现实世界中的实体，用菱形框表示实体间的联系，用椭圆形框表示实体和联系的属性，实体名、属性名和联系名分别写在相应框。 ABAAC ABCAA 第2章习题解答 1. 思考题 （1）在SQL Server 2008中的数据库中包含哪些对象？其中什么对象是必不可少的？其作用又是什么？ 答：SQL Server 2008中的数据库对象主要包括数据库关系图、表、视图、同义词、可编程性、Service Broker、存储和安全性等。其中表对象是必不可少的。表是由行和列构成的集合，用来存储数据。 （2）SQL Server提供的系统数据库master它的作用是什么？用户可以删除和修改吗？为什么？答：master 数据库记录SQL Server 系统的所有系统级信息。主要包括实例围的元数据、端点、服务器和系统配置设置以及记录了所有其他数据库的存在、数据库文件的
第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答：运营式系统阶段，用户原创内容阶段，感知式系统阶段。 3.试述大数据的4个基本特征 答：数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答：大数据时代的“数据爆炸”的特性是，人类社会产生的数据一致都以每年50%的速度增长，也就是说，每两年增加一倍。 5.数据研究经历了哪4个阶段？
答：人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答：大数据时代对思维方式的重要影响是三种思维的转变：全样而非抽样，效率而非精确，相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答：数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力，能结合历史数据和实时数据实现查询分析和自动规则触发，从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。 8.举例说明大数据的基本应用 答： 9.举例说明大数据的关键技术
答：批处理计算，流计算，图计算，查询分析计算 10.大数据产业包含哪些关键技术。 答：IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。 11.定义并解释以下术语：云计算、物联网 答：云计算：云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。 12.详细阐述大数据、云计算和物联网三者之间的区别与联系。
一、填空题 1.在关系模型中，实体及实体之间的联系都用二维表来表示。在数据库的物理组织中，它 以文件形式存储。 2.数据库中的选择、投影、连接等操作均可由数据库管理系统实现。 3.在关系数据库模型中，二维表的列称为字段，行称为记录。 4.在Access中，查询可作为窗体、报表和数据访问页的数据源。 5.子查询“包含于”对应的谓词是In。 6.参数查询中的参数要用[]中括号括起来，并且设置条件提示。 7.绑定文本框可以从表、查询或SQL语言中获取所需的内容。 8.在创建主/子窗体之前，必须设置主窗体和子窗体（主表和子表）之间的关系。 9.表A中的一条记录可以与表B中的多条记录匹配，但是表B中的一条记录至多只能与表 A中的一条记录匹配，这样的关系是“一对多”。 10.两个实体之间的联系有3种，分别是一对一、一对多和多对多。 11.在关系数据库中，唯一标识一条记录的一个或多个字段称为主键。 12.参照完整性是一个准则系统，Access使用这个系统用来确保相关表中记录之间的关系 有效性，并且不会因意外删除或更改相关数据。 13.在数据表中，记录是由一个或多个字段组成的。 14.在关系数据库的基本操作中，把由一个关系中相同属性值的元组连接到一起形成新的二 维表的操作称为连接。 15.关系规范化是指关系模型中的每一个关系模式都必须满足一定的要求。 16.数据表之间的联系常通过不同表的共同字段名来体现。 17.表是Access数据库的基础，是存储数据的地方，是查询、窗体、报表等其他数据库对 象的基础。 18.在Access中数据表结构的设计是在设计器中完成的。 19.在查询中，写在“条件”行同一行的条件之间是并的逻辑关系，写在“条件”行不同行 的条件之间是或的逻辑关系。 20.窗体的数据来源主要包括表和查询。 21.计算型控件一般来说用表达式/公式作为数据源。 22.主窗体和子窗体通常用多个表或查询的数据，这些表或查询中的数据具有一对一/一对 多的关系。 23.在报表中可以根据字段、表达式对记录进行排序或分组。 24.DBMS/数据库管理系统软件具有数据的安全性控制、数据的完整性控制、并发控制和故 障恢复功能。 25.数据库系统体系结构中三级模式是模式、外模式、内模式。 26.实体完整性是对关系中元组的唯一性约束，也就是对关系的主码的约束。 27.若想设计一个性能良好的数据库，就要尽量满足关系规范化原则。
数据科学与大数据技术----专业建设规划 方案 一、总体目标 本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。 （一）人才培养目标 本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。 （二）课程体系与学科建设 作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。 在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。 （三）学科队伍建设 由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设： （1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面； （2）精通处理大数据分析的人才； （3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。 大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求，以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。为了适应专业建设的需要，必须实行内培外引的人才培养策略，将青年教师派驻企业学习是一种增强师资队伍实力比较快捷的方式，4年内你派出20余人次国内外高校、大数据企业进行短期进修培训和挂职锻炼，引进大数据相关专业教师4人（硕士研究生及以上，计算机、大数据等相关专业）。另外，还可以通过引进企业工程师作为学校兼职教师，充实教师队伍，4年内拟引进企业大数据工程师4人。 （四）实践平台与科学研究建设
数据科学与大数据技术专业培养方案 2018年，我校数据科学与大数据专业将首次招生，招生规模预计为60人左右。该专业依托湖北大学与中科曙光共建的“大数据学院”，借助双方共同投入2000万构建的大数据专业实验室，与中科曙光联合开展人才培养。旨在培养具有大数据思维、运用大数据思维及分析应用技术、具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。本专业学生毕业后，能在统计部门、税务海关、公司企业以及金融保险机构等企事业单位从事大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，或继续攻读本学科及其相关学科的硕士学位研究生。 专业代码：080907 一、培养目标 本专业培养具有良好职业道德，具备系统的数学、人文与专业素养，较全面掌握数据科学专业方向所需的基本理论、基本方法和基本技术，具有较强的数据采集、存储、处理、分析与展示的基本能力，能够运用所学知识解决实际问题，具备较高的综合业务素质、创新与实践能力、以及良好外语运用能力。能在国家机关和企事业单位从事经济、金融、贸易、商务等行业从事大数据研究、大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新的应用型数据科学人才。 二、毕业要求 本专业培养掌握大数据科学与技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。 毕业生在知识、能力和素质等方面应达到如下具体要求： 1.工程知识：能够将数学、自然科学、数据科学与大数据技术基础知识用于解决复杂工程科学技术问题。 2. 问题分析：具有解决数据科学与大数据技术领域复杂工程问题所需的专业知识，具备对复杂工程项目问题进行科学识别和提炼、定义和表达、技术分析和测试及运维管理的能
【最新整理，下载后即可编辑】 第一章 1.试述信息技术发展史上的3次信息化浪潮及具体内容。 2.试述数据产生方式经历的几个阶段 答：运营式系统阶段，用户原创内容阶段，感知式系统阶段。
3.试述大数据的4个基本特征 答：数据量大、数据类型繁多、处理速度快和价值密度低。 4.试述大数据时代的“数据爆炸”的特性 答：大数据时代的“数据爆炸”的特性是，人类社会产生的数据一致都以每年50%的速度增长，也就是说，每两年增加一倍。 5.数据研究经历了哪4个阶段？ 答：人类自古以来在科学研究上先后历经了实验、理论、计算、和数据四种范式。 6.试述大数据对思维方式的重要影响 答：大数据时代对思维方式的重要影响是三种思维的转变：全样而非抽样，效率而非精确，相关而非因果。 7.大数据决策与传统的基于数据仓库的决策有什么区别 答：数据仓库具备批量和周期性的数据加载以及数据变化的实时探测、传播和加载能力，能结合历史数据和实时数据实现查询分析和自动规则触发，从而提供对战略决策和战术决策。 大数据决策可以面向类型繁多的、非结构化的海量数据进行决策分析。
8.举例说明大数据的基本应用 答： 9.举例说明大数据的关键技术 答：批处理计算，流计算，图计算，查询分析计算 10.大数据产业包含哪些关键技术。 答：IT基础设施层、数据源层、数据管理层、数据分析层、数据平台层、数据应用层。
11.定义并解释以下术语：云计算、物联网 答：云计算：云计算就是实现了通过网络提供可伸缩的、廉价的分布式计算机能力，用户只需要在具备网络接入条件的地方，就可以随时随地获得所需的各种IT资源。 物联网是物物相连的互联网，是互联网的延伸，它利用局部网络或互联网等通信技术把传感器、控制器、机器、人类和物等通过新的方式连在一起，形成人与物、物与物相连，实现信息化和远程管理控制。 12.详细阐述大数据、云计算和物联网三者之间的区别与联系。
大数据技术原理及应用 (总10页) -CAL-FENGHAI.-(YICAI)-Company One1 -CAL-本页仅作为文档封面，使用请直接删除
大数据技术原理及应用 大数据处理架构—Hadoop简介 Hadoop项目包括了很多子项目，结构如下图 Common 原名：Core，包含HDFS, MapReduce和其他公共项目，从Hadoop 版本后，HDFS和MapReduce分离出去，其余部分内容构成Hadoop Common。Common为其他子项目提供支持的常用工具，主要包括文件系统、RPC(Remote procedure call) 和串行化库。 Avro Avro是用于数据序列化的系统。它提供了丰富的数据结构类型、快速可压缩的二进制数据格式、存储持久性数据的文件集、远程调用RPC的功能和简单的动态语言集成功能。其中，代码生成器既不需要读写文件数据，也不需要使用或实现RPC协议，它只是一个可选的对静态类型语言的实现。Avro系统依赖于模式（Schema），Avro数据的读和写是在模式之下完成的。这样就可以减少写入数据的开销，提高序列化的速度并缩减其大小。 Avro 可以将数据结构或对象转化成便于存储和传输的格式，节约数据存储空间和网络传输带宽，Hadoop 的其他子项目（如HBase和Hive）的客户端和服务端之间的数据传输。 HDFS HDFS：是一个分布式文件系统，为Hadoop项目两大核心之一，是Google file system（GFS）的开源实现。由于HDFS具有高容错性（fault-tolerant）的特点，所以可以设计部署在低廉（low-cost）的硬件上。它可以通过提供高吞吐率（high throughput）来访问应用程序的数据，适合那些有着超大数据集的应
第1章习题参考答案 1.选择题 （1）数据库系统与文件系统的主要区别是（）。D A．数据库系统复杂，而文件系统简单 B．文件系统只能管理程序文件，而数据库系统能够管理各种类型的文件 C．文件系统管理的数据量较少，而数据库系统可以管理庞大的数据量 D．文件系统不能解决数据冗余和数据独立性问题，而数据库系统可以解决（2）在关系数据库系统中，当关系的模型改变时，用户程序也可以不变，这是（）。B A．数据的物理独立性B．数据的逻辑独立性 C．数据的位置独立性D．数据的存储独立性 （3）在数据库三级模式中，对用户所用到的那部分数据的逻辑描述是（）。A A．外模式B．概念模式C．内模式D．逻辑模式（4）E-R图用于描述数据库的（）。A A．概念模型B．数据模型 C．存储模型D．逻辑模型 （5）以下对关系模型性质的描述，不正确的是（）。C A．在一个关系中，每个数据项不可再分，是最基本的数据单位 B．在一个关系中，同一列数据具有相同的数据类型 C．在一个关系中，各列的顺序不可以任意排列 D．在一个关系中，不允许有相同的字段名 （6）已知两个关系： 职工（职工号，职工名，性别，职务，工资） 设备（设备号，职工号，设备名，数量） 其中“职工号”和“设备号”分别为职工关系和设备关系的关键字，则两个关系的属性中，存在一个外部关键字为（）。A A．设备关系的“职工号”B．职工关系的“职工号” C．设备号D．设备号和职工号 （7）在建立表时，将年龄字段值限制在18~40之间，这种约束属于（）。B A．实体完整性约束B．用户定义完整性约束 C．参照完整性约束D．视图完整性约束 （8）下列标识符可以作为局部变量使用的是（）。C A．[@Myvar] B．My var C．＠Myvar D．＠My var （9）Transact-SQL支持的一种程序结构语句是（）。A A．BEGIN…E ND B．IF…T HEN…ELSE C．DO CASE D．DO WHILE （10）字符串常量使用（）作为定界符。A A．单引号B．双引号 C．方括号D．花括号 2.填空题 （1）数据库是在计算机系统中按照一定的方式组织、存储和应用的。支持数据库各种操作的软件系统叫。由计算机、操作系统、DBMS、数据库、应用程序及有
2020数据科学与大数据技术专业大学排名 数据科学与大数据技术专业介绍 数据科学与大数据技术，是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年，课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。 开设概况： 2016年2月16日，教育部发布《教育部关于公布2015年度普通高等学校本科专业备案和审批结果的通知》（教高函〔2016〕2号），公布“2015年度普通高等学校本科专业备案和审批结果”的“新增审批本科专业名单”有新专业“数据科学与大数据技术”。 培养目标： 本专业旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。具体包括：掌握计算机科学、大数据科学与信息技术的基本理论、方法和技能，受到系统的科学研究训练，具备一定的大数据科学研究能力与数据工程实施的基本能力，掌握大数据工程项目的规划、应用、管理及决策方法，具有大数据工程项目设计、研发和实施能力的复合型、应用型卓越人才。 主要课程： 课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，具体课程包括：大数据概论、大数据存储与管理、大数据挖掘、机器学习、人工智能基础、Python程序设计、统计学习、神经网络与深度学习方法、多媒体信息处理、数据可视化技术、智能计算技术、分布式与并行计算、云计算与数据安全、数据库原理及应用、算法设计与分析、高级语言程序设计、优化理论与方法等。 就业方向 分析类岗位： 分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。 算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题；人工智能方向，根据人工智能产品
数据科学与大数据技术专业培养方案 一、培养目标 本专业旨在培养思想品德好、专业素质高、实践能力强，掌握数据科学专业方向所需的基础理论和方法，具有经济、金融等相关行业知识背景，具备较强的数据收集、数据处理和数据分析的技术和能力的国际化应用型数据科学人才。 学生毕业后，能在国家机关和企事业单位从事经济、金融、贸易、商务等行业的大数据分析，能利用数据科学方法开展商务流通大数据应用、金融大数据应用，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新。 二、培养规格及标准 ⒈知识结构 本专业学生应具备以下几方面的知识： (1)通识教育知识：思想政治理论课、大学英语、大学语文、体育、哲学与社会、文学与艺术、科学与创新、数学思维与经济分析、文化历史与国际视野等； (2)基础知识：数据科学导论、数学分析、线性代数A、概率论A、数理统计、Python程序设计、计算机系统基础、C++程序设计、数据结构、数据库原理与设计等； (3)专业知识：大数据探索性分析、最优化方法、数据挖掘与机器学习、计算统计、应用回归分析、应用时间序列分析、应用多元统计分析、分布式计算、人工智能、自然语言处理、深度学习、文本挖掘、算法导论等； (4)相关专业知识：微观经济学、宏观经济学、计量经济学、国际金融、国际贸易、商务大数据案例分析、金融数据风险建模、运筹学、管理学、博弈论等； 具体课程设置详见本专业指导性教学计划。 ⒉能力 通过培养，学生应具备以下几方面的能力： (1)具有扎实的数据分析的理论基础和大数据技术，培养比较系统的大数据分析思维； (2)掌握数据科学的基本理论、基本方法和基本技术，具有大数据采集和数据挖掘的技术，具备解决涉及大数据问题的能力； (3)掌握系统的经济、金融等方面的行业知识，具有运用数据科学的理论、方法和技术分析相关领域实际问题的能力； (4)掌握英语，听、说、读、写、译能力均达到较高水平。具有较强的英语口语和书面交流能力，熟练运用专业英语能力。能阅读数据科学和大数据方面的专业外文文献，掌握中外文资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有较强的自学能力和初步科研能力；
信息学院 数据科学与大数据技术专业培养方案 一、培养目标 本专业旨在培养德智体美全面发展，具备坚实的计算机专业基础知识，有较强的数理统计分析能力，掌握丰富的数据分析方法和工具，熟悉常见的大数据分析平台和环境，具有实践创新能力，能够从事经济、金融、管理、物流、商务等领域的数据分析工作，面向行业、产业需求培养应用型、复合型、国际化的综合素质人才。 二、专业要求 1.掌握计算机专业的基本理论和方法。 2.掌握经济贸易和金融管理的基本理论和方法。 3.具有扎实的数理统计与分析的基础。 4.具备较强的数据分析和数据建模的能力。 5.熟悉常见的大数据分析平台和环境，并具备较强的开发能力。 6.熟练掌握一门外语，在听、说、读、写、译等方面均达到较高水平。 三、学分要求 学生毕业所应取得的最低总学分为173学分，其中包括课程学分和实践教学学分。 1.课程学分为145学分
2.暑期学校课程 要求修读不少于2门暑期学校课程。 ⑴学生必须完成学校要求的实践教学环节，取得相应学分。 ⑵实践教学环节学时学分计算规则：社会实践50学时计1学分；专业实习30学时计1学分；毕业论文20学时计1学分。 ⑶学生在教师的指导下，完成毕业论文并通过论文答辩。 四、公共基础课程选修要求（专业入门课程） 五、主要课程1 1《对外经济贸易大学学士学位授予办法》学士学位授予条件要求主要课程平均积点达到2.0.
六、授予学位工学学士 七、考核 学生成绩考核严格按照《对外经济贸易大学本科生学分制管理办法》、《对外经济贸易大学本科生学籍管理办法》及《对外经济贸易大学学生成绩管理办法》的有关规定执行。 八、数据科学与大数据技术专业教学计划
数据科学与大数据技术 ——专业前身（管理科学）2017年江西省普通高校本科专业综合评价排名第一本专业面向工业大数据、商业大数据、金融大数据、政府政务大数据与智慧城市大数据等不同行业，培养学生具备扎实的数学与计算机科学基础、基于统计与优化的数据分析与建模能力、基于专业化行业知识的数据应用解决方案设计能力，未来能够立足工商企业、金融机构、政府部门等不同行业、具备较强可塑性的数据分析与管理决策人才。培养目标分为两个层次：（1）面向特定行业需求，从事数据采集、分析和建模工作，进而提供管理决策支持的数据分析师；（2）面向不同行业需求和数据现状，从事个性化的数据应用解决方案设计与实施工作，进而实现业务资源优化配置的数据科学家。毕业时颁发数据科学与大数据技术本科毕业证书，符合学位授予条件的，授予理学学士学位。 计算机科学与技术（财经大数据管理） —2016年江西省普通高校本科专业综合评价排名第二 本专业依托学校财经学科优势，强化学科交叉，采用“厚基础、重工程、深融通、精方向”的培养模式，培养既熟练掌握计算机软件与硬件、程序设计与算法、数据库与数据挖掘、系统分析与集成等方面的专业知识和能力，又熟悉财经领域的组织与运营模式、理解财经领域业务流程及业务逻辑，能胜任在银行、证券、保险等财经领域从事数据分析与解读、数据挖掘、产品运营策划与咨询、数据可视化、大数据管理、大数据系统和金融信息系统的开发、维护、决策支持等工作，具有“信、敏、廉、毅”素质的卓越工程应用型人才。毕业时颁发计算机科学与技术（财经大数据管理）本科毕业证书，符合学位授予条件的，授予工学学士学位。 信息管理与信息系统（金融智能）专业 ——2017年江西省普通高校本科专业综合评价排名第一 通过修读信息管理与信息系统、金融和人工智能相关课程，培养具有先进
? ?
《数据库技术及应用》课程标准 学分：2 参考学时：28学时
一、课程概述 1．课程性质 本课程是软件技术专业的专业必修课程，是基于C/S与B/S结构的应用软件开发技术的必修课，为.NET应用程序、JAVA应用程序等开发提供后台数据服务，是大型数据库Oracle应用系统开发的基础。本课程是理论与实践并重的课程，既要掌握概念，又要动手实践。要紧培养学生数据库治理和应用的能力，以及结合高级程序设计语言进行数据库应用系统、治理信息系统开发的能力，是软件技术专业中.NET 课程系列中的一门基础课程，是《.NET软件开发技术1-C#》、《.NET 软件开发技术https://www.doczj.com/doc/1a8488084.html,》、.NET方向的学习型实训和生产性实训的前导课程，本课程在以核心职业能力为培养目标的课程体系中，起到承前启后的基础作用。 2．设计思路 本课程在针对软件编程、软件测试、软件技术支持等岗位职业能力分析的基础上，为培养学生“能够按照任务需求进行设计程序的工
作，能够按照程序设计文档编写程序，能够按照任务的测试打算测试程序）”等核心职业能力而设置。本课程依照“使学生能够熟练使用中英文操作系统平台及软件开发工具，具备初步的系统分析、设计及独立开发技能，并成为具有严格、规范的程序开发能力的合格程序员”的目标要求选定课程内容。该门课程以形成数据库治理能力和利用高级编程语言进行数据库编程能力为差不多目标，紧紧围绕完成工作任务的需要来选择和组织课程内容，突出工作任务与知识的联系，让学生在学习、实践活动的基础上掌握知识，增强课程内容与职业能力要求的相关性，提高学生的就业能力。 本课程的教学任务是按照知识结构、认知规律和项目进行分割的，教师应依照每个教学任务的知识点的要求，讲授差不多概念、专业技术，采纳教学案例演示等教学法，使学生充分理解差不多概念和技术，用案例作为学生的训练项目。 二、课程目标 本课程的教学目标是使学生学习完本课程后，应当能够掌握数据
1.数据科学的三大支柱与五大要素是什么？ 答：数据科学的三大主要支柱为： Datalogy (数据学)：对应数据管理 (Data management) Analytics (分析学)：对应统计方法 (Statistical method) Algorithmics (算法学)：对应算法方法 (Algorithmic method) 数据科学的五大要素： A-SATA模型 分析思维 (Analytical Thinking) 统计模型 (Statistical Model) 算法计算 (Algorithmic Computing) 数据技术 (Data Technology) 综合应用 (Application) 2.如何辨证看待“大数据”中的“大”和“数据”的关系？ 字面理解 Large、vast和big都可以用于形容大小 Big更强调的是相对大小的大，是抽象意义上的大 大数据是抽象的大，是思维方式上的转变 量变带来质变，思维方式，方法论都应该和以往不同 计算机并不能很好解决人工智能中的诸多问题，利用大数据突破性解决了，其核心问题变成了数据问题。 3.怎么理解科学的范式？今天如何利用这些科学范式？ 科学的范式指的是常规科学所赖以运作的理论基础和实践规范，是从事某一科学的科学家群体所共同遵从的世界观和行为方式。 第一范式：经验科学 第二范式：理论科学 第三范式：计算科学 第四范式：数据密集型科学 今天，是数据科学，统一于理论、实验和模拟 4.从人类整个文明的尺度上看，IT和DT对人类的发展有些什么样的影响和冲击？ 以控制为出发点的IT时代正在走向激活生产力为目的的DT（Data Technology）数据时代。大数据驱动的DT时代 由数据驱动的世界观 大数据重新定义商业新模式 大数据重新定义研发新路径 大数据重新定义企业新思维 5.大数据时代的思维方式有哪些？ “大数据时代”和“智能时代”告诉我们： 数据思维：讲故事→数据说话 总体思维：样本数据→全局数据 容错思维：精确性→混杂性、不确定性 相关思维：因果关系→相关关系 智能思维：人→人机协同（人 + 人工智能） 6.请列举出六大典型思维方式； 直线思维、逆向思维、跳跃思维、归纳思维、并行思维、科学思维
《数据库技术与应用》知识点总结第一章数据库基础 1.基本概念： 数据：数据泛指对客观事物的数量、属性、位置及其相互关系的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理。数据是形成信息的源泉，信息是有价值的数据是数据的内涵。 信息：有一定含义的、经过加工处理的、对决策有价值的数据 数据库：数据库是长期存储在计算机内、有组织的可共享的数据集合。 数据库管理系统（DBS的核心）：专门用于管理数据可的计算机系统软件。 数据库系统：带有数据库的计算机系统，一般由数据库、数据库管理系统（及其开发工具）、相关硬件、软件和各类人员组成。 2.数据管理的发展阶段 1.人工管理阶段：没有直接存储设备、操作系统、管理软件 2.文件系统阶段：把计算机众多数据组织成相互独立的数据文件 3.数据库系统阶段：一定的格式、统一管理、冗余度小 4.分布式数据库阶段：物理上分离、逻辑上统一 5.面向对象数据库阶段 3. 数据模型： （1）基本概念： 数据模型：数据库系统的形式框架，用来描述数据的一组概念和定义，包括描述数据、数据联系、数据操作、数据语义以及数据一致性的概念工具。 概念模型：按用户的观点对数据和信息进行建模，是现实世界到信息世界的第一层抽象，强调语义表达功能。 实体：客观存在的并且可以相互区别的“事物” 实体集：性质相同的同类实体的集合 属性：描述实体的特征 域：属性的取值范围 主键：用来唯一标识一个元组的某个属性或属性组合 联系（1:1，1:n，m:n）：实体集之间的关系，反应事物之间的相互关联，联系也是主体，也可具有属性
关系模型：采用二维表来表示实体以及实体之间关系的模型。本质是一张表。 关系、关系模式：1：1关系名（属性1，属性2，……） 1：n 将1的主键放入n中学生（班级编号，……） n：m 将实体的主键放入关系的属性中 （2）E-R模型：能根据具体问题构建E-R模型、画出E-R图 实体集：矩形框 属性：椭圆 联系：菱形 （3）关系模型的数据结构、关系的性质 数据查询、数据插入、数据删除、数据修改 关系运算：选择（减少个体保留所有属性）、投影（所有个体的部分属性）、联结 （4）E-R模型转换为关系模型 （5）关系模型的完整性（实体、参照、自定义） 实体：主键不能为空 参照：外键为空或在其担任主键的实体集中存在 自定义：用户自己定义的语义要求 第二章A ccess数据库与表的操作 1. Access数据库设计的一般步骤 2. 基本概念：Access数据库、表、记录、字段 3. 使用表设计器创建表 （1）字段名命名规则 不能空格开头、不能用.!()[]、最长64个字符 （2）字段类型：文本、数字、日期/时间、是/否、查阅向导（备选项中选择） （3）字段属性：字段大小、输入掩码（控制数据的输入）、有效性规则（规范、核查）、有效性文本（提示信息）、默认值、索引（搜索或排序的根据，加快查询速度）、必填字段 （4）设置主键 4.建立表间关系：关联字段、实施参照完整性
数据科学与大数据技术专业分析与报考建议大数据专业是很多学生和家长关注的热门专业，但大数据专业具体学什么、毕业主要做什么、适合什么学生报考， 很多学生和家长还是不太清楚。为便于学生和家长对数据科 学与大数据技术专业有更深入的了解，本文重点对这个专业 进行分析解读并提出专业报考建议。 1、认识大数据和大数据专业 先和大家说说什么是大数据?行业内普遍认可的是符合IBM提出的5V特点，即Volume(大量)、Velocity(高速)、 Variety(多样)、Value(低价值密度)、Veracity(真实性)的才 是大数据。对于我们一般非专业人来说，我们可以认为数据 量特别大、数据类别特别复杂的数据集就是大数据。 大数据有什么用途呢，用一个经典的“啤酒和尿布”的故事给大家解释一下。美国零售业巨头沃尔玛分析销售数据 时，发现了一个令人难以理解的现象：“啤酒”与“尿布” 两件看上去毫无关系的商品，会经常出现在同一个购物篮中。 经过调查分析发现，年轻的爸爸们在购买婴儿尿片时，常常 会顺便搭配几瓶啤酒来犒劳自己，商场于是尝试将啤酒和尿
布摆在一起，没想到这个举措居然使尿布和啤酒的销量都大幅增加了，这就是利用了大数据进行分析得出的结论。 大数据技术已经在我们的日常生产、生活、学习中得到了广泛应用，例如利用车辆定位数据分析道路拥堵情况，利用大量的医疗数据预测流行流行性感冒或者疫情趋势，互联网企业利用大数据技术对客户进行画像、精准营销……阿里巴巴创始人马云曾经说过，企业最宝贵的资源就是数据。 数据科学与大数据技术专业是工学门类计算机类下面的特设专业，专业代码080910T，自2016年在国内重点大学陆续开设，本科学制4年。数据科学与大数据技术专业主要培养具备扎实的数学与计算机基础、数据分析与建模能力、数据应用解决方案能力，能够在计算机、互联网以及大数据相关产业从事科学研究、数据分析、技术应用、技术管理与咨询等工作的专门技术人才。