云计算与大数据专业（方向）课程开设计划根据高校的基础特点，将云计算与大数据专业（方向）课程分为四年制与三年制，分别适应于本科院校与高职高专院校。

云计算资源
云计算资源分为软性资源和硬件资源两部分。

其中，软性资源是核心资源，硬件为平台支撑或辅助资源。

（1）软性资源
云计算平台重点在于维护阶段，创新在于开发阶段。

为了满足高校的课程建设的需要，减轻教师负担，又能和产业需求相结合。

云计算资源粗粒度的划分为部署/运维/部署工程师、架构工程师和研发工程师三类。

这样一来可以对应高职也可以对应一般本科的课程需求。

另外，根据专业属性的不同，还可以针对软件类或网络类的需求进行调配和变化。

云计算技术课程的开设，必须有必要的前置内容支撑，对于维护、部署和运维、架构和研发等工程师都是必备的基本要求。

根据产业的基本要求，前置内容需求基础内容如下，根据实践要求，其内容需要精华，而非大而全。

表1-1 云计算前置内容
⊕为可选学项，√为必修项，∕为非学习项
如表1-1中所示，所需要的前置内容主要分为Linux操作系统与编程部分以及Java编程基础部分。

可以根据培养类型进行选择，涉及内容不必过深，懂得基本原理以及使用方法即可；后期在实践内容中，会继续强化，从而使学习者得心应手。

在以下云计算相关课程中，高校可以根据自身的培养目标选择课程。

四年制云计算课程：
表1-2 云计算相关内容
⊕为可选学项，√为必修项，∕为非学习项，＆学习部分内容对应学期课程开始计划：
图1.1 四年制云计算学期设计
三年制云计算课程：
表1-3 云计算相关内容
对应学期课程开始计划：
图1.2 三年制云计算学期设计
大数据资源
大数据面临的岗位经过粗粒度划分大体分为运维/部署工程师、应用开发工程师和研发/数据分析工程师等岗位，主要取决于大数据知识涉及到的层次以及广度与深度。

大数据教学教育资源也分为软性资源和硬件资源两大部分。

（1）软性资源
软性资源主要指大数据知识的课程体系以及学习过程中所涉及到
的知识体系构成以及案例构成等内容。

一般而言，业界认为大数据与云计算在岗位上差别最大的不同点是，前者最终目标关注的是数据分析结果所带来的价值以及过程中采用的技术、方法和手段；后者关注的是平台的稳定性、安全性等平台维护性内容。

因此，大数据在进度编排上有自己独特的特点。

大数据资源的编排为了兼容高职和本科院校，同时又能满足网络
工程以及软件设计专业不同的需求。

直接按照粗粒度的岗位进行划分，
即部署/运维、应用开发和研发/数据分析工程师。

根据大数据课程发展和对应的规律，也将课程划分为前置课程和大数据课程两个部分；其中前置课程对应内容安排如下。

表1-4大数据前置内容
⊕为可选学项，√为必修项，∕为非学习项
前置课程一般建议由高校自己开设，但其核心的大数据内容可以由奇观技术其提供，在以下专业课程中，高校可以选择性的根据自身特点进行开课，核心课程编排如下。

四年制大数据课程：
表1-5 大数据相关内容
⊕为可选学项，√为必修项，∕为非学习项，＆学习部分内容对应学期课程：
图 1.3 四年制大数据学期设计
三年制大数据课程：
表1-6 大数据相关内容
对应学期课程开始计划：
图 1.4 三年制大数据学期设计。