级大数据技术与应用专业人才培养方案
数据科学与大数据技术专业人才培养方案
数据科学与大数据技术专业人才培养方案导语：数据科学与大数据技术专业是当前热门的高科技专业，涵盖了数据分析、机器学习、人工智能、数据工程等多个方面。
为了更好地培养优秀的数据科学与大数据技术专业人才，本文将提供一份培养方案。
1. 专业概况数据科学与大数据技术专业是一个结合了数学、计算机科学、统计学等跨学科知识的专业，旨在培养具备数据分析能力、机器学习和人工智能技术运用能力以及数据处理能力的高级数据分析师和数据工程师等人才。
该专业主要涉及数据分析方法与应用、数据挖掘、机器学习、大数据计算与存储等多个领域。
2. 培养目标（1）具备深厚的理论基础和技术功底：具有扎实的数学、计算机科学和统计学等方面的基础，掌握数学分析、数据挖掘和机器学习等核心理论，以及数据工程领域中的最新技术和工具。
（2）掌握数据分析和处理的能力：熟练掌握常用的数据分析和处理方法，能够对大量数据进行处理和分析，能够制定科学、有效的数据分析策略，同时有一定的数据建模和可视化能力。
（3）具备解决问题和驱动业务的能力：能够从面向业务和问题的角度出发，针对不同的数据问题制定科学的数据分析和处理方案，并有能力在实践中应用数据科学解决实际问题。
（4）具有团队合作和领导力：能够与其他团队成员合作共同完成项目，并在项目中发挥一定的领导作用。
3. 课程设置（1）数据科学基础：包括统计学、线性代数、概率论等数学与统计学知识，为数据科学领域的研究打下坚实的理论基础。
（2）编程与数据结构：培养学生编写程序和数据结构的能力。
（3）数据库技术：包括SQL语言、关系数据库的设计等内容，为后续的数据处理和分析打好基础。
（4）数据挖掘与机器学习：包括数据挖掘算法、聚类、分类、预测等内容，培养学生运用机器学习进行数据处理和分析的能力。
（5）大数据计算与存储：包括分布式计算、Hadoop和Spark框架等内容，让学生了解大规模数据处理的方法，并掌握大数据的存储和管理。
（6）数据可视化：包括R语言和Python的数据可视化库、Tableau和D3.js 等工具，培养学生进行数据可视化的能力。
2024级大数据技术与应用专业人才培养方案
2024级大数据技术与应用专业人才培养方案
一、项目背景
随着数据量的不断增加，大数据技术涌现出新的发展机遇，但是，我们在培养大数据技术专业人才方面还存在一些问题：学校教学资源有限，师资力量薄弱；学生如何掌握大数据技术，懂其原理、应用和开发？
为了解决上述问题，我们为2024级的大数据技术专业学生制定了大数据技术与应用专业人才培养方案，以提高大数据技术专业学生的素质，满足大数据技术应用的市场需求。
二、目标
本专业人才培养方案旨在培养具有大数据技术和应用能力的高素质应用型人才，同时具备自学能力，分析问题、推理解决问题、系统思维、服务意识和团队协作等能力。
三、培养计划
1、基础理论课程：本专业人才培养方案要求大数据技术专业学生系统学习数学、计算机科学、管理学等基础理论课程，以打好基础。
2、基础技能课程：学生需要掌握大数据处理、数据挖掘、数据可视化、数据安全等基本知识，熟练掌握数据库和编程技能，以及云计算、移动应用等最新技术。
3、拓展学习课程：学生需要学习机器学习、算法、互联网技术，要熟悉流行的开源框架，增强应用能力。
大数据专业人才培养方案
大数据专业人才培养方案大数据技术已经成为当今互联网时代的核心领域，同时也成为了各行各业发展的重要驱动力。
为了满足社会对大数据人才的需求，各高校相继开设了大数据相关专业。
本篇文章将探讨大数据专业人才培养方案的制定与落实，以期为相关机构提供参考。
一、培养目标大数据专业人才的培养要达到的目标是，培养具备数据分析、数据挖掘及人工智能等相关技能，能够运用大数据技术解决实际问题的专业人才。
此外，还应具备良好的英语听说读写能力、较高的计算机技术水平及较强的逻辑思维能力。
二、课程设置大数据专业人才的培养离不开课程的设置。
一门大数据专业课程的设置应包含以下内容：1. 数据库技术：包括数据库管理、数据仓库、数据集成等内容。
2. 数据分析与挖掘：包括统计分析、数据处理、数据挖掘算法等内容。
3. 人工智能：包括人工智能基础、数据科学、及人工智能的各种应用等。
4. 计算机基础：包括计算机程序设计、计算机体系结构、操作系统等内容。
5. 英语语言：包括英语阅读、听力、口语和写作等技能。
三、实践教学实践教学是大数据专业人才培养的重要环节。
实践教学内容应包括以下几个方面：1. 大数据实战项目：学生需要完成一系列的大数据实战项目，包括数据处理、数据分析、数据挖掘等。
2. 大数据实验：学生需要完成大量的实验，包括数据预处理、数据分析及挖掘等。
3. 校外实习：学生需要到企业或机构实习，进行大数据相关工作的实践操作。
四、师资队伍大数据专业人才培养的核心在于师资队伍的水平。
一个优秀的大数据专业师资队伍应具备以下几个方面的特征：1. 知识面广泛：教师必须具备数据科学、计算机科学、数学以及经济学等学科的知识。
2. 经验丰富：教师应有从事数据分析、数据挖掘等大数据项目经验。
3. 科研实力强：教师应该拥有扎实的科研基础，能够为学生提供前沿的大数据知识。
五、总结本文提出了大数据专业人才培养方案的一些基本思路，包括培养目标、课程设置、实践教学和师资队伍建设。
大数据管理与应用人才培养方案
大数据管理与应用人才培养方案随着大数据时代的到来，大数据管理与应用人才的需求日益增长。
为了培养适应当前社会发展需求的大数据管理与应用人才，我们需要制定一套科学合理的培养方案。
一、培养目标大数据管理与应用人才的培养目标是培养具备扎实的理论基础和广泛的知识面，具有大数据管理与应用的专业技能和创新能力，能够胜任大数据管理与应用工作的高级专业人才。
二、培养内容1. 理论基础课程：包括数学、统计学、计算机科学基础、数据库原理、数据挖掘、机器学习等相关课程，为学生打下坚实的理论基础。
2. 专业课程：包括大数据技术与架构、数据管理与存储、数据分析与决策、数据可视化等专业课程，培养学生在大数据管理与应用领域的专业知识和技能。
3. 实践环节：包括实习实训、项目实践等，通过与企业合作、参与真实项目，让学生在实践中掌握实际操作能力和解决问题的能力。
三、培养方法1. 综合教学法：将理论与实践相结合，通过案例分析、讨论课、小组讨论等方式，培养学生的综合分析和解决问题的能力。
2. 实践教学法：通过实践环节的设置，让学生亲身参与实际项目，锻炼学生的实际操作能力和解决问题的能力。
3. 导师制度：为每位学生指定一位导师，进行个性化指导和培养，帮助学生规划学习和职业发展。
四、培养评估1. 考试评估：通过课程考试和综合考试评估学生的学习成绩和综合能力。
2. 项目评估：对学生参与的项目进行评估，评估学生在实践中的表现和解决问题的能力。
3. 学术论文评估：要求学生在培养过程中完成一定数量的学术论文，评估学生的科研能力和创新能力。
五、培养保障1. 师资保障：确保专业师资力量充足，招聘具有丰富实践经验和教学能力的教师。
2. 实验设施保障：建设完善的实验室和大数据平台，提供学生实践和研究的场所和设备。
3. 资金保障：为培养大数据管理与应用人才提供充足的经费支持，保障教学和科研的顺利开展。
六、培养成果1. 学术研究成果：学生在培养过程中取得的学术研究成果，包括发表的论文、参与的科研项目等。
大数据专业人才培养方案
大数据专业人才培养方案随着信息技术的迅猛发展，大数据已经成为当今社会的关键词之一。
大数据技术的广泛应用对于企业和组织来说具有重要意义，因此需要大数据专业人才的培养。
本文将提出一份大数据专业人才培养方案，旨在为培养具备综合技术素养和专业实践能力的大数据专业人才提供指导。
一、培养目标1.综合素质培养：培养学生具备扎实的数学、统计学基础，掌握数据分析和挖掘方法，具备良好的逻辑思维和问题解决能力。
2.专业知识培养：培养学生熟悉大数据相关的技术和工具，包括数据存储、分布式计算、机器学习等，掌握数据采集、清洗、分析和可视化的能力。
3.实践能力培养：通过课程设计、实验项目和实习等方式，培养学生具备大数据项目的实际操作和解决实际问题的能力。
二、课程设置1.基础课程（1）数学基础：包括高等数学、概率论与数理统计等，为后续专业课程打下坚实基础。
（2）计算机基础：包括计算机组成原理、数据结构与算法、数据库原理等，为后续的大数据技术课程做好铺垫。
2.专业核心课程（1）大数据技术与工具：包括Hadoop、Spark、NoSQL数据库等，学生通过实际操作和案例分析来掌握大数据相关的技术和工具。
（2）数据挖掘与机器学习：学生学习数据挖掘和机器学习的基本理论和算法，并通过实际项目来应用这些技术解决实际问题。
3.实践项目与实习（1）实践项目：学生通过参与实际的大数据项目，进行数据采集、清洗、处理、分析和可视化等工作，提升实际操作能力和团队协作能力。
（2）实习：学生通过参与企业的大数据项目实践，了解实际工作环境，提高解决实际问题的能力和综合素质。
三、培养模式1.理论与实践相结合：注重培养学生的实际动手能力，通过案例分析、实验项目和实践探究等方式，将理论知识与实际应用相结合。
2.团队合作培养：鼓励学生参与团队项目，提升团队协作和沟通能力，培养学生在团队中发挥领导和协调作用的能力。
3.导师指导和评估：每位学生配备专业导师，定期进行学术指导和个人成长评估，帮助学生规划学习和职业发展路径。
大数据技术与应用培养方案
大数据技术与应用培养方案
一、培养目标
1、掌握大数据技术的基本理论和基础技术，掌握大数据的基本分析
处理流程，有能力运用大数据技术实现资源数据分析处理，深入了解大数
据技术应用及发展趋势；
2、具备大数据处理系统设计和实现能力，掌握常用的大数据技术平
台及其技术架构，具有大数据技术的研发能力，能完成大数据系统开发；
3、拥有大数据应用的能力，能够灵活结合实用，实现大数据应用项
目的规划、实施、调试、运行和优化；
4、具备较强的软件编程能力，掌握Python、R、Scala等编程语言，
能够应用编程技术实现大数据的采集、分析、处理、存储等；
5、具有较强的数字图像处理、机器学习、大数据云计算等相关知识
概念，并能实际应用其中的技术，以满足大数据的需求；
6、具有良好的综合应用能力，能够结合人文社会科学等方面的知识，从外部资源搜集信息，并能够利用大数据技术实现信息可视化等；
二、培养计划
1、大数据相关的基础理论：大数据结构，数据挖掘，数据模型，机
器学习，数据挖掘等；
2、大数据技术平台：Hadoop，Spark，Hive，Hbase，Kafka，NoSQL，Oozie等；
3、大数据工具：Python，R，Scala，SQL，Tableau。
大数据专业人才培养方案
四、培养阶段与内容
1.基础阶段（第1-2学期）
-学习大数据技术基本理论、方法和技术；
-掌握基本的数据处理和分析技能；
-培养良好的学习习惯和团队协作精神。
2.进阶阶段（第3-4学期）
-深入学习大数据挖掘、机器学习等先进技术；
-提升数据分析和处理能力；
-参与实际项目，培养实践能力和创新意识。
3.提高阶段（第5-6学期）
-学习大数据产业相关政策和法规；
-培养项目管理与协调能力；
-提升综合素质，为职业发展奠定基础。
五、师资队伍与教学资源
1.师资队伍：聘请具有丰富教学经验和实践经验的专业教师，以及具有大数据产业背景的企业导师；
3.综合素质课程：大数据政策与法规、项目管理与协调、团队合作与沟通、创新思维等。
四、培养阶段与内容
1.基础阶段（第1-2学期）
-学习大数据基本理论、方法和技术；
-掌握基本的数据处理和分析技能；
-培养良好的学习习惯和团队协作精神。
2.进阶阶段（第3-4学期）
-深入学习数据挖掘、机器学习等先进技术；
-提升大数据分析和处理能力；
大数据专业人才培养方案
第1篇
大数据专业人才培养方案
一、前言
随着信息化时代的到来，大数据技术已成为国家战略发展的重要支柱。为满足社会对大数据专业人才的迫切需求，本方案旨在制定一套科学、系统、人性化的大数据专业人才培养方案，为我国大数据产业发展提供有力的人才支持。
二、培养目标
1.掌握大数据技术的基本理论、方法和技术；
第2篇
大数据专业人才培养方案
一、背景分析
当前，大数据技术正成为推动社会进步和经济发展的关键力量。在此背景下，培养一批具备专业素养、掌握核心技术的大数据专业人才，已成为我国教育领域的重大课题。本方案旨在制定一套全面、深入、适应大数据产业发展需求的专业人才培养方案。
2024级大数据技术与应用专业人才培养方案
2024级大数据技术与应用专业人才培养方案一、培养目标1.掌握大数据基本理论和技术，具备较强的数据处理、分析和应用能力。
3.能够熟练运用大数据技术解决实际问题，具备一定的创新能力和团队协作精神。
二、课程设置1.基础课程：高等数学、线性代数、概率论与数理统计、离散数学、数据结构、计算机网络、操作系统、数据库原理与应用等。
2.专业课程：大数据技术基础、大数据采集与处理、大数据分析与挖掘、大数据可视化、大数据应用开发、云计算与大数据、与大数据等。
3.实践课程：大数据实验、大数据项目实训、企业实习等。
4.选修课程：数据安全与隐私保护、大数据法规与政策、大数据行业应用案例分析等。
三、教学方法1.理论教学：采用案例式、讨论式、启发式等教学方法，注重培养学生的实际应用能力。
2.实践教学：结合实验、实训、实习等环节，让学生在实践中掌握大数据技术与应用。
3.企业参与：邀请企业专家授课、举办企业讲座、开展企业项目合作等，增强学生的实战经验。
四、能力培养1.技术能力：培养学生掌握大数据技术的基本原理和方法，熟练使用大数据工具和平台。
2.分析能力：培养学生运用统计学、机器学习等方法对数据进行挖掘和分析。
3.应用能力：培养学生将大数据技术应用于实际场景，解决实际问题。
4.创新能力：鼓励学生参加大数据竞赛、创新创业项目等，培养学生的创新意识和能力。
五、就业方向1.数据工程师：负责大数据平台的搭建、维护和优化。
2.数据分析师：对海量数据进行挖掘和分析，为决策提供依据。
3.数据产品经理：设计、开发和推广大数据产品。
4.大数据解决方案工程师：为企业提供大数据技术解决方案。
5.数据安全工程师：保障数据安全，防止数据泄露。
六、合作与交流1.与国内外知名高校、研究机构开展学术交流与合作。
2.与企业合作，开展产学研项目，推动产业发展。
3.邀请行业专家、学者进行讲座和培训，提高人才培养质量。
4.鼓励学生参加国内外大数据竞赛，提升学生实践能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
附件：2017年大数据技术与及用人才培养方案一、培养目标本专业培养适应生产、建设、服务和管理第一线需要的，德、智、体、美等方面全面发展的，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、移动开发与架构、软件开发、云计算技术等前沿技术，旨在培养适应新形势下新兴的“互联网+”专业，具有良好职业道德和敬业精神的高素质技能型专门人才。
二、学制及招生对象（一）学制：三年（二）招生对象：高中毕业生和中职毕业生三、人才培养规格（一）职业面向、预期工作岗位名称1.主要岗位本专业大数据基础类岗位：大数据文档编写、大数据采集清洗与转换；大数据技术类岗位：大数据系统搭建与运维、海量数据库管理、大数据软件开发、大数据可视化、大数据分析；2.相关岗位大数据销售服务类岗位：大数据营销、大数据呼叫、大数据售后服务。
3.进阶岗位大数据技术公司管理岗位和高级技术岗位（二）起薪标准4500元/月（三）人才质量标准1.知识要求毕业生应具有大数据技术与应用专业必要的基础理论知识，掌握从事本专业领域实际工作的基本能力和基本技能；具备适应生产、管理、服务一线岗位需要的工作能力，具备良好的职业道德与素养。
①掌握本专业培养目标所要求的基础理论知识、专业知识和技能；②具备一定的英语知识，能够借助工具书阅读理解本专业所使用的常用计算机英语，包括技术性文档和资料；③掌握计算机方面的专业基础知识，能适应信息化建设；④掌握Linux平台下大数据平台搭建，数据库系统搭建、优化、管理等方面的专业技能；⑤掌握大数据技术与应用专业基本的专业技能，能满足大数据岗位的基本素质。
2.能力要求通过三年的学习，学生应具备从事本专业领域相关工作的能力。
①熟练操作办公自动化软件；②具备计算机组装、计算机软硬件故障的判断与定位以及故障排除的能力。
③具备办公自动化设备维护的能力；具备数据库系统管理维护的能力；④具备非结构化数据处理能力；⑤具备数据仓库管理基本能力；⑥具备OOP程序设计能力；⑦具备Web应用开发能力；⑧具备LinuxServer、Hadoop项目管理维护的能力；⑨具备数据挖掘、数据清洗、数据可视化的处理能力。
3.素质要求①政治思想素质：热爱祖国，拥护党的基本路线。
遵纪守法，善于独立思考，勇于创新的精神。
具备良好的职业道德与素养。
②文化素质：具有一定的文化素质修养，诚实守信、礼貌待人、为人谦逊的文明习惯；具有自尊自强、爱岗敬业、勤奋好学、追求进步的品格；具备良好的人际交往与勾通和工作协调能力。
③业务素质：掌握大数据技术与应用专业的基础理论知识；掌握计算机组装与维护、办公自动化软件操作、办公自动化设备维护、计算机网络系统维护及管理、关系型/非关系型数据库系统维护及管理、Windows/Linux服务器系统配置管理等方面、各类大数据平台搭建管理维护的专业技能的能力。
（四）职业岗位资格证书至少取得下列证书之一：①计算机等级证书②软考证书（五）发展空间1.学历提升完成三年高职阶段的学习、实习和实训后并且成绩合格，可参加专升本考试2.职业资格证提升职业资格证书可由中级向高级层次提升。
3.其他根据个人发展情况，可向高级管理人才和高级技术人才方向发展。
四、职业核心能力分析表一：大数据技术与应用专业职业核心能力分析表五、课程体系结构和专业核心课程（一）课程体系结构大数据技术与应用专业课程体系（二）专业核心课程简介（含课程主要内容、授课方式、考核方式等）程序设计Java语言是大数据专业的一门重要基础课程，是跨平台的程序设计语言，它是中间件厂商、系统集成商的首选语言。
是一门以Java语言及相关程序设计技术为主要教学内容的专业必修课程，主要介绍Struts2、Spring、Hibernate以及它们相互整合的应用。
课程的主要内容包括：Struts2框架技术、Spring框架技术、Hibernate 框架技术、SSH2整合技术以及项目开发，是后续课程Android开发、JavaWeb应用开发、面向服务的架构设计的基础课程。
通过本课程的学习，让学生完全有能力利用Java开发桌面级的应用及C/S模式的应用。
本课程主要通过对Java技术的讲解，让学生了解和熟悉Java编程的知识和技能，在课程的学习过程中，强调学生计算机编程习惯的养成。
本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。
操作系统本课程旨在培养学生安装、管理和搭建Linux服务器的能力。
学习完本课程，学生将能担任起一个公司的Linux服务器管理员的职责，熟练掌握常用命令的使用、系统的配置与管理、vi编辑器的使用、SHELL脚本编程和网络服务器的配置，为学生基于Linux操作系统的后续专业课程的学习奠定基础。
本课程采用以项目为驱动任务为导向的项目化教学方式，旨在充分体现基于工作工程的教学理念，课程注重培养学生应用SHELL脚本解决实际问题的能力。
3．Hadoop平台部署与运维Hadoop——海量数据处理技术，是一个基础架构，用户可以在不了解分布式底层细节的情况下，开发分布式程序，充分利用集群的威力进行高速运算和存储。
本课程将学习Hadoop两大核心模块——MapReduce和HDFS的工作原理，让学生熟练完成Hadoop的安装、配置和管理。
能够独立的编写MapReduce程序，并提交Hadoop处理，并可监控作业运行情况和使用资源，最后能够熟练的对HDFS中的文件进行管理。
本课程主要采用课堂教学，配合课后的课程设计，使学生能基本掌握Hadoop的相关原理、应用及操作。
4．数据仓库与数据挖掘技术本课程以数据仓库与数据挖掘的基本概念和基本方法为主要内容，以方法的应用为主线，系统叙述数据仓库和数据挖掘的有关概念和基础知识，使学生尽快掌握建立数据仓库的原理和方法,从理论上掌握数据仓库、OLAP联机分析的基本概念、原理、主要算法及应用系统解决方案，对数据挖掘的关联规则，分类方法，聚类方法有深入的了解，并能够在软件开发过程中熟练掌握这些方法加以应用。
程序设计Python是大数据技术与应用专业必修课，是一门程序设计课程，有一定的理论性和很强的应用性。
对于训练学生掌握程序设计技术，熟悉上机操作和程序调试技术都有重要作用。
本课程培养学生应用框图表达算法的能力及用Python基础知识编写简单程序的能力。
本课程使用案例驱动模式，使学生掌握面向对象的编程理论及应用能力，培养学生的实际开发能力。
6.数据可视化设计与开发数据可视化设计与开发是一门理论性和实践性都很强的课程，要求学生掌握Excel数据可视化、Excel数据可视化应用、大数据预测分析、支撑大数据的技术、数据引导可视化、Tableau可视化初步、Tableau地图与预测分析和Tableau分享与发布等内容。
本课程使用案例驱动模式教学，使用过程考核学生的基本能力。
六、课程设置及时间分配1.大数据技术与应用专业教学环节总周数分配表2.教学计划进程表3.实践教学计划表4.专业选修课注：（一）学分设置要求1.根据学分制要求，各专业每周按24课时计，每学期计24学分，六个学期总计学分数应为144学分，该学分包括必修课学分+公共选修课学分，其中，各专业的公共选修课学分统一要求不少于8学分。
2.各专业毕业最低学分为144学分。
3.理论课和理实一体化课程一般以16学时为1学分，课内实验实训及上机等随理论课计算学分。
4.社会实践每周按1学分计算，总计为3学分；顶岗实习和毕业教育总计为48个学分。
5.入学教育、军训每周按1学分计算，总计为2学分；劳作教育每学期按学分计算，总计为1个学分。
（二）课程具体要求1.前四学期，每学期按18周计,原则上每周按24课时，教学时数共计1728课时。
2.基础课按25%计算，共计约432课时。
3.选修课按14%计算，共计约242课时，其中公共选修课与专业选修课各占7%。
4.学分按学时除以16进行换算。
5.《思想道德修养与法律基础》计3学分，《毛泽东思想和中国特色社会主义理论体系概论》计3+1学分（其中含1学分社会实践），第二学期第19周为《概论课》实践。
6.《形势与政策》要求每个学期开设16学时（共64学时），每周开1学时，本门课共计1学分。
7.《省情》开设18学时，本门课共计1学分。
8.《大学体育》开设112学时，第一至第四学期开设周2学时，本门课程共计7学分。
9.《军事理论教育》开设36学时，本门课共计2学分。
10.《高等数学》、《计算机基础》课程开设说明：各系根据专业需求进行开设。
11.《大学语文》、《高等数学》、《大学英语》三门课程，各系根据具体情况按第一学期开设周4学时或第一、二学期各开设周2学时，每门课计4学分。
12.《大学生心理健康教育》各系根据具体情况可以在第二或第三学期开设，每周2学时，计2学分。
13.《创新创业基础及就业指导》计2学分，在第四学期开设，每周2学时。
14.《职业生涯规划》计2学分，在第一学期开设，每周2学时。
15.《劳动课》是每个学生必修的选修课，分在校的四个学期开出，计1学分，由教务处、学生处统一安排。
此学分未修满，必修重修。
16.公共选修课由基础教学部、各系、团委安排课程，教务处统一排课。
原则上每门公选课每周安排2节，8周，计1学分。
17.素质拓展课不再由系部安排，可以作为公选课开出。
18.专业选修课不在作为限选课程，每个专业需开出4门及以上的专业选修课，每门专业选修课计2学分，各专业专业选修课学分不低于6学分。
七、方案制订（修订）说明1.方案编制依据：本计划以教育部《关于加强高职高专教育人才培养工作的意见》、《关于以就业为导向，深化高等职业教育改革的若干意见》和《关于制订高职高专教育专业教学计划的原则意见》等文件为依据，并结合本专业目前的实际情况编写。
2.方案的特点：本计划把社会主义核心价值体系贯彻到人才培养方案中，重视培养学生的诚实品质、敬业精神和责任意识，以“以服务为宗旨、以就业为导向”为指导设计学生的知识、能力、素质结构和人才培养方案，以培养高素质技能型人才为目标构建课程和教学内容体系，部分课程采用了项目化课程教学。
3.实践教学时数与理论教学时数之比为：4.实行学分制，其修业年限按照贵州轻工职业技术学院学分制相关规定执行。
5.学分说明：本专业毕业的最低学分为144学分。
其中：劳动课1学分必修，公选课不得低于8学分。
6.本专业其他情况说明：学生在规定修业年限内按照教学计划修满最低学分，其中专业必修课必须修满学分，合格准予毕业。