漯河职业技术学院
大数据技术与应用专业人才培养方案
(2019年修订)
一、专业名称及代码
(一)专业名称:大数据技术与应用
(二)专业代码:610215
二、入学要求
高中阶段教育毕业生或具有同等学力者。
三、修业年限及学历
全日制三年,专科。实行弹性学制,学生可通过学分认定、积累、转换等办法,在2-6年内完成学业。
四、职业面向
所属专业大类(代码)
|
所属专业类(代码)
|
对应行业
(代码)
|
主要职业
类别(代码)
|
主要岗位群或技术领域
|
职业资格证书和技能等级证书
|
电子信息 大类
(61)
|
计算机类
(6102)
|
互联网和
相关服务
(64)
软件和信
息技术服
务业(65)
|
计算机与应
用工程技术
人 员
(2-02-13)
大数据工程技术人员
(2-02-10-11)
|
大数据分析助理/分析专员
数据采集/网络爬虫工程师
大数据分析工程师
大数据 ETL工程师
大数据应用开发工程师
|
全国计算机等级考试证书
|
五、培养目标与培养规格
(一)培养目标
培养理想信念坚定,德、智、体、美、劳全面发展,具有一定的科学文化水平,良好的人文素养、职业道德和创新意识,精益求精的工匠精神,较强的就业能力和可持续发展的能力;掌握本专业知识和技术技能,面向互联网和相关服务、软件和信息技术服务等行业的大数据工程技术人员职业群,能够在传统领域(金融、教育、医疗等)企业的大数据部门、互联网企业和人工智能企业中从事数据采集、预处理、存储、分析、可视化以及应用开发的高素质技术技能人才。
(二)培养规格
本专业毕业生应在素质、知识和能力方面达到以下要求。
1.素质
(1)坚定拥护中国共产党领导,在习近平新时代中国特色社会主义思想指引下,践行社会主义核心价值观,具有深厚的爱国情感和中华民族自豪感;
(2)崇尚宪法、遵法守纪、崇德向善、诚实守信、尊重生命、热爱劳动,履行道德准则和行为规范,具有社会责任感和社会参与意识;
(3)具有质量意识、环保意识、安全意识、信息素养、工匠精神、创新思维,能够初步理解企业战略和适应企业文化,保守商业秘密;
(4)具有自我管理能力、职业生涯规划的意识,有较强的集体意识和团队合作精神;
(5)具有健康的体魄、心理和健全的人格,掌握基本运动知识和1-2项运动技能,养成良好的健身与卫生习惯,良好的行为习惯;
(6)具有一定的审美和人文素养,能够形成1-2项艺术特长或爱好。
2.知识
(1)掌握必备的思想政治理论、科学文化基础知识和中华优秀传统文化知识;
(2)熟悉与本专业相关的法律法规以及环境保护、安全消防、文明生产等相关知识;
(3)掌握程序设计的基本原理与项目开发的应用方法;
(4)掌握数据库的体系结构、数据模型、关系数据库设计理论、数据库设计和数据库保护的方法;
(5)掌握Web数据采集的基本方法;
(6)掌握数据的准备、清洗、数据预处理的方法和技术;
(7)掌握数据分析的概念、目的、常用方法、数据分析过程;
(8)掌握大数据处理与分析的技术架构和关键技术。
3.能力
(1)具有探究学习、终身学习、分析问题和解决问题的能力;
(2)具有良好的语言、文字表达能力和沟通能力;
(3)信息采集的能力,具备进行数据爬取、清洗、存储和非结构语义分析的能力;
(4)熟练操作数据库,具有数据仓库设计、构建和部署的能力;
(5)具备OOP程序设计能力;
(6)大数据分析的能力,具有维护集群的日常运作、系统的监测与配置和Hadoop、Spark与其他系统集成的能力;具有大规模结构化非结构化数据、大数据存储、数据库架构设计的能力;
(7)数据可视化的能力,掌握数据可视化的工具,针对应用输出数据可视化图表。
4.职业态度
(1)自觉遵守相关法律法规、标准和管理规定;
(2)具有吃苦耐劳,爱岗敬业的精神;
(3)具有团队合作意识;
(4)具有积极向上的态度和创新精神;
(5)具有求实创新和刻苦钻研的实干精神;
(6)具有健康的身心素质、健全的人格和坚强的意志;
(7)具有一定的社会交际能力,善于与人沟通;
(8)具有良好的学习能力和较强的自信心,能做到诚信守则。
六、人才培养模式
根据专业人才培养目标,本专业采用“134”人才培养模式,即“一主线、三平台、四合一”。以就业岗位技能需求为主线,以构建由人文素质、职业领域、持续发展三大课程模块为平台,采取教师身份与师父身份合一,学生身份与员工身份合一,教学场所与工作环境合一,学生作品与企业产品合一的培养方式,将企业实际工作任务纳入教学内容,将职业岗位规范纳入教学过程。
数据采集 数据存储 数据预处理 数据分析/挖掘 数据可视化
七、课程设置及要求
(一)课程设置
主要包括公共基础课程和专业(技能)课程。
1.公共基础课程
根据党和国家有关文件规定,将思想政治理论、公共外语、体育、创新创业教育、劳动教育、信息技术、军事理论与军训、大学生职业发展与就业指导、心理健康教育等列入公共基础必修课;并将高等数学、中华优秀传统文化、职业人文素养等列入限选课。
2.专业(技能)课程
(1)专业基础课程
大数据技术与应用专业开设专业基础课程6门,包括:计算机网络原理、Java程序设计、Python语言基础、MySQL数据库应用、大数据导论、网页开发技术(HTML+JavaScript)。
(2)专业核心课程
大数据技术与应用专业开设专业基础核心课程6门,包括:Hadoop大数据基础、NoSQL数据库应用、Python网络数据爬取、Spark大数据编程技术、大数据预处理技术 、数据挖掘基础。
(3)专业拓展课程
包括体现行业发展新技术的人工智能基础与应用、大数据可视化技术。
(二)主干课程教学内容及要求
1. JAVA语言程序设计
课程目标:通过本课程学习,理论上,学生能够掌握Java语言设计思想,Java语言的基本语句、语法,重点掌握面向对象的程序设计方法,掌握Java的数据流,多线程和网络应用;在技能上,熟练地使用JDK进行Java程序的编辑、编译和调试,能运用面向对象的思想编写程序解决一定实际问题的能力。
主要内容:程序设计方法、Java程序设计语言基础、数组与字符串、类与对象、继承与多态、多线程程序设计、集合类与泛型程序设计、网络编程技术、数据库访问的编程设计等相关内容。
教学要求: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。
2.大数据预处理技术
课程目标:让学生掌握大数据预处理技术的主要思想和基本步骤,同时对大数据分析及应用的一般理论有所了解,能够使用大数据分析技术解决特定业务领域的问题。
主要内容:数据预处理的流程, Kettle工具的使用,基于Kettle的不同类型数据的导入导出及案例分析,基于数据库的数据导入导出及案例分析,基于Web的数据导入导出及案例分析等,数据清理、数据集成、数据变换、数据规约技术的原理及使用。
教学要求:在课程的学习过程中,强调理论与实践的结合性,要求学生掌握数据预处理技术原理的同时在案例中应用相关技术。
3. Python网络数据爬取
课程目标:让学生熟悉数据采集语言特点、了解各包的使用、掌握网络爬虫的数据采集编程基本方法,能将其进行灵活运用。
主要内容:Python语法、正则表达式、BeautifulSoup技术、Selenium技术、Scrapy框架、数据库存储等,网站和博客内容、电影数据信息、招聘信息、在线百科知识、微博内容、农产品信息等Web数据的爬取。
教学要求:本课程采用案例驱动模式教学,通过实际案例,让学生掌握Python爬虫进行数据采集的相关技术,使用过程考核学生的基本能力。
4. Hadoop大数据基础
课程目标:让学生掌握Hadoop分布式系统基础架构,能够完成Hadoop集群搭建及管理,编写基础的MapReduce程序,熟练管理HDFS中的文件。
主要内容:本课程将学习Hadoop两大核心模块——MapReduce和HDFS的工作原理。Hadoop的安装、配置和管理, MapReduce程序编写,HDFS中的文件管理等。
教学要求: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。
5. Spark大数据编程技术
课程目标:掌握Spark应用编程接口,能够应用Spark平台开发常规的大数据处理任务。了解Spark平台上的机器学习等组件并能初步应用。
主要内容:介绍Spark与Hadoop生态的关系,Spark基础结构,Spark编程接口,以及如何利用Spark平台上的机器学习、Spark SQL、图形处理等组件来用于处理大数据计算任务。
教学要求:本课程采用理论与实践相结合的教学模式,在大数据实训室完成教学。使学生能掌握在Spark平台上进行基础编程、完成相应的大数据处理任务。
6.数据挖掘基础
课程目标:让学生掌握主流的数据挖掘技术,具备使用数据挖掘算法对数据对象进行聚类、分类以及预测缺失数据或者预测未来趋势的能力。
主要内容:介绍经典数据挖掘的常用算法,并通过若干案例分析让学生学会使用数据挖掘算法对海量数据进行分析,并发现有价值信息,知识。
教学要求:本课程主要采用课堂教学,配合相应案例,使学生能掌握数据挖掘常用算法的使用,完成对大数据的分析及价值的发现。
7. MySQL数据库应用
课程目标:让学生掌握MySQL数据库的原理及应用,能够创建数据库并对数据表进行基本的操作。
主要内容:数据库基础知识、MySQL的安装配置及使用、数据库和表的基本操作、单表中数据的增删改查操作以及多表中数据的增删改查操作,事务与存储过程、视图、数据的备份与还原以及数据库的用户和权限管理等。
教学要求:本课程采用理实一体的教学方式,结合章节案例,强调学生的动手能力的提高。
8.大数据导论
课程目标:通过本课程的学习让学生了解整个大数据处理的技术流程,使学生掌握大数据技术的整体框架,培养大数据思维能力。
主要内容:大数据特征及发展、大数据技术基础、大数据系统、NoSQL数据库、NewSQL数据库、大数据应用的开发流程、大数据采集及预处理流程及方法、大数据存储与管理技术、大数据计算框架、数据挖掘、数据可视化、人工智能基础等。
教学要求:本课程采用理实一体的教学方式,强调理论在实践中的应用,加深学生对理论的理解。
9. Python语言基础
课程目标:让学生掌握Python开发环境的使用及基本语法,能进行python语言程序的编写。
主要内容:python基础语法、常用语句、字符串、列表、元组、字典、python函数及python模块等基础知识,python面向对象编程及应用python编程的综合案例。
教学要求:本课程主要采用理实一体的教学方式,配合章节案例及综合案例,激发学生的实际操作能力。
10. NoSQL数据库应用
课程目标:通过本课程的学习让学生掌握NoSQL数据库的原理及相关技术,会使用HBase、MogoDB、Redis等主流分布式数据库技术处理非结构化数据。
主要内容:NoSQL产生的原因以及它与传统关系型数据库对比具有哪些优势、HBase分布式数据库技术及其核心技术原理与实践、MongoDB分布式数据库技术的原理和实践、Memcached和Redis技术、NewSQL数据库技术,以及HBase和MongoDB数据库技术的综合实验。
教学要求:本课程主要采用任务驱动式、小组讨论、情境教学、以任务过程为导向的六步教学法。
八、教学进程总体安排
见附录一:大数据技术与应用专业教学进程表;附录二:学时与学分分配表。
九、实施保障
(一)师资队伍
表1师资队伍结构与配置表
类别
|
数量
|
具体要求
|
师资队伍结构
|
5
|
学生数与本专业专任教师数比例为25:1,双师素质教师占专业教师比为60%。
|
专业带头人
|
1
|
具有副高级职称,能够较好地把握国内外大数据技术行业、专业发展,能广泛联系行业企业,了解行业企业对大数据技术与应用专业人才的需求实际,教学设计、专业研究能力强,组织开展教科研工作能力强,在大数据技术领域具有一定的专业影响力。
|
专任教师
|
4
|
具有高校教师资格和本专业领域有关证书;
有理想信念、有道德情操、有扎实学识、有仁爱之心;
具有计算机等相关专业本科及以上学历;
具有扎实的本专业相关理论功底和实践能力;
具有较强的信息化教学能力,能够开展课程教学改革和科学研究;
每5 年累计不少于6 个月的企业实践经历。
|
兼职教师
|
3
|
主要从大数据等相关企业、机构聘任,具备良好的思想政治素质、职业道德和工匠精神,具有扎实的大数据技术与应用专业知识和丰富的实际工作经验,具有中级及以上相关专业职称,能承担专业课程教学、实习实训指导和学生职业发展规划指导等教学任务。
|
(二)教学设施
1. 满足真实企业级大数据平台的部署和开发实训
按照企业大数据平台的使用场景,由标准服务器分组部署整个平台。搭建易扩展、便于维护、满足师生个性化需求的大数据实训室。通过实际操作让学员掌握大数据平台数据处理和流转过程,真正动手实现大数据平台搭建部署及使用。
2. 满足计算机类课程大部分实验及教学需求
云存储系统中内嵌各种实验环境、教学环境、培训环境,共享服务器计算资源。实现计算机类课程的绝大部分实验和教学需求,如 Linux、Windows 系统管理;Hadoop大数据基础、Spark大数据编程技术、python、数据预处理技术、大数据技术原理等课程。
3.提升系统规范性和灵活性、降低维护成本
根据课程需求灵活定制不同的环境,实现按需分配资源,支持快速切换。满足系统、软件版本和配置的标准化及规范化。系统资源统一管理,无繁锁的主机维护成本。
表2 校内实践教学条件配置
序号
|
实验室或实训室名称
|
实验实训项目名称
|
主要实验实训仪器设备
|
备注
|
1
|
大数据实训室(一)
|
分布式计算与Hadoop原理
|
50台云桌面电脑
|
相关配套器材
|
2
|
大数据实训室(二)
|
Python编程和网络数据爬取
|
50台高规格多媒体电脑
|
相关配套器材
|
3
|
大数据分析实训室
|
大数据分析
|
50台高规格多媒体电脑
|
相关配套器材
|
表3 校外实践教学条件配置
序号
|
实习实训基地名称
|
实习实训项目名称
|
备注
|
1
|
漯河大数据中心
|
数据采集
|
|
2
|
郑州云和数据
|
大数据综合项目
|
|
(三)教学资源
1.教材选用
按照国家规定及学校教材选用制度,择优选用教材,禁止不合格的教材进入课堂。
2.图书文献配置
图书文献配备能满足人才培养、专业建设、教科研等工作的需要,方便师生查询、借阅。专业类图书文献主要包括:有关网络技术、方法、思维以及实务操作类图书,信息技术和传统文化类文献等。
3.数字资源配置
与知途阿里云大学合作专业共建课程,提供数字资源有:Python编程和网络数据爬取、数据可视化、分布式计算与Hadoop原理及Spark大数据编程技术等,其他相关课程持续更新中。
(四)教学方法
通过与企业师资团队联合教学,共同完成本专业的授课任务。其中专业基础课及专业核心课程由学校师资授课,根据课程特点,灵活运用项目驱动、理实一体等教学模式,让学生在实践中掌握理论知识,在理论知识学习的同时应用到实际案例中;专业实训课由企业师资团队教学,通过实际案例讲授,将丰富的工程项目经验与企业的实际工作方式传递给学生。
(五)学习评价
对于公共基础课程,完全服从学院安排进行考核,对于专业基础课程和主干核心课程,基本上都是采用过程项目化考核。过程化考核,主要包括平时出勤率和项目化过程中的完成情况,项目化考核主要指最终项目完成的结果情况进行考核评价。
(六)质量管理
1.建立和完善专业建设和教学质量诊断与改进机制,健全专业教学质量监控管理制度,完善课堂教学、教学评价、实习实训、毕业设计以及专业调研、人才培养方案更新、资源建设等方面标准建设,通过教学实施、过程监控、质量评价和持续改进,实现人才培养规格。
2.建立和完善教学管理机制,加强日常教学组织运行与管理,定期开展课程建设水平和教学质量诊断与改进,建立健全巡课、听课、评教、评学等制度,建立与企业联动的实践教学环节督导制度,严明教学纪律,强化教学组织功能,定期开展公开课、示范课等教研活动。
3.建立毕业生跟踪反馈机制及社会评价机制,并对生源情况、在校生学业水平、毕业生就业情况等进行分析,定期评价人才培养质量和培养目标达成情况。
4.专业教研室将充分利用评价分析结果,有效改进专业教学,持续提高人才培养质量。
十、毕业要求
(一)学分条件
本专业学生在毕业前必须修满144学分。
(二)证书
学生在校期间,应考取必要的基本能力证书及职业资格证书,鼓励学生考取多项职(执)业资格证书。
表4 考取证书一览表
证书类别
|
证书名称
|
考证等级要求
|
备注
|
基本能力证书
|
英语等级证书
|
B级以上
|
任选其中(一)项
|
普通话证书
|
乙级以上
|
职(执)业资格证书
|
全国计算机应用技术证书
|
中级
|
任选其中(一)项
|
大数据工程师
|
工信部认证
|
全国计算机等级证书
|
二级
|
附录一 大数据技术与应用专业教学进程表
课程
类别
|
序号
|
课程名称
|
课程
代码
|
学时
|
学分
|
开课学期与周学时
|
开课
单位
|
考核
方式
|
|
理论
|
实践
|
一
|
二
|
三
|
四
|
五
|
六
|
|
公
共
基
础
及素质教育课程
|
必
修
课
|
1
|
思想道德修养与
法律基础
|
161001
|
48
|
0
|
3
|
3
|
|
|
|
|
|
思政部
|
考试
|
|
2
|
毛泽东思想与中国特色社会主义理论体系概
|
161002
|
72
|
0
|
4
|
|
4
|
|
|
|
|
考试
|
|
3
|
※形势与政策㈠
|
161004
|
8
|
0
|
0.25
|
|
|
|
|
|
|
考查
|
|
4
|
※形势与政策㈡
|
161005
|
8
|
0
|
0.25
|
|
|
|
|
|
|
考查
|
|
5
|
※形势与政策㈢
|
161006
|
8
|
0
|
0.25
|
|
|
|
|
|
|
考查
|
|
6
|
※形势与政策㈣
|
161007
|
8
|
0
|
0.25
|
|
|
|
|
|
|
考查
|
|
7
|
※军事理论
|
231001
|
36
|
0
|
2
|
|
2
|
|
|
|
|
学生处
|
考查
|
|
8
|
军事实践
|
231002
|
0
|
112
|
2
|
2周
|
|
|
|
|
|
考查
|
|
9
|
劳动教育
|
231003
|
8
|
28
|
2
|
1
|
1
|
|
|
|
|
考查
|
|
10
|
※大学生心理健康
|
231005
|
36
|
|
2
|
2
|
|
|
|
|
|
考查
|
|
11
|
大学体育㈠
|
101001
|
10
|
26
|
2
|
2
|
|
|
|
|
|
基础部
|
考试
|
|
12
|
大学体育㈡
|
101002
|
10
|
26
|
2
|
|
2
|
|
|
|
|
考试
|
|
13
|
大学体育㈢
|
101003
|
10
|
26
|
2
|
|
|
2
|
|
|
|
考试
|
|
14
|
大学英语㈠
|
201001
|
64
|
|
4
|
4
|
|
|
|
|
|
许慎文化学院
|
考试
|
|
15
|
大学英语㈡
|
201002
|
72
|
|
4
|
|
4
|
|
|
|
|
考查
|
|
16
|
职业生涯规划
|
181001
|
18
|
18
|
2
|
2
|
|
|
|
|
|
招生
就业
处
|
考查
|
|
17
|
创新创业教育
|
181002
|
12
|
24
|
2
|
|
2
|
|
|
|
|
考查
|
|
18
|
大学生就业指导
|
181003
|
8
|
8
|
1
|
|
|
|
|
4/4
|
|
考查
|
|
小计
|
436
|
268
|
35
|
14
|
15
|
2
|
|
1
|
|
|
|
|
限
选
课
|
19
|
高等数学
|
101007
|
72
|
|
4
|
|
4
|
|
|
|
|
|
考试
|
|
|
|
|
|
|
基础部
|
|
|
20
|
※职业人文素养
|
101009
|
36
|
0
|
2
|
2
|
|
|
|
|
|
|
|
考查
|
|
21
|
※中华优秀传统文化
|
102001
|
36
|
0
|
2
|
|
2
|
|
|
|
|
考查
|
|
小计
|
144
|
0
|
8
|
2
|
6
|
|
|
|
|
|
|
|
任
选
课
|
22
|
公共任选课程
|
|
64
|
0
|
4
|
|
|
|
4
|
|
|
教务处
|
考查
|
|
小计
|
64
|
0
|
4
|
|
|
|
4
|
|
|
|
|
|
课程
类别
|
序号
|
课程名称
|
课程
代码
|
学时
|
学分
|
开课学期与周学时
|
开课
单位
|
考试
形式
|
理论
|
实践
|
一
|
二
|
三
|
四
|
五
|
六
|
|
|
专
业
技能
课程
|
专业基础
课
|
23
|
JAVA语言程序设计
|
023501
|
30
|
60
|
6
|
6
|
|
|
|
|
|
信息工程学院
|
考试
|
24
|
大数据导论
|
023502
|
30
|
30
|
4
|
4
|
|
|
|
|
|
考查
|
25
|
计算机网络
|
023503
|
30
|
30
|
4
|
4
|
|
|
|
|
|
考试
|
26
|
MySQL数据库
|
023504
|
36
|
36
|
4
|
|
4
|
|
|
|
|
考试
|
27
|
Python程序设计
|
023505
|
36
|
72
|
6
|
|
|
6
|
|
|
|
考查
|
28
|
网页开发技术
|
023506
|
18
|
54
|
4
|
|
4
|
|
|
|
|
考查
|
小计
|
180
|
282
|
28
|
14
|
8
|
6
|
|
|
|
|
专业核心
课
|
29
|
Hadoop大数据基础
|
023507
|
36
|
72
|
6
|
|
|
6
|
|
|
|
考试
|
30
|
大数据预处理技术
|
023508
|
54
|
54
|
6
|
|
|
6
|
|
|
|
考试
|
31
|
NoSQL数据库应用
|
023509
|
36
|
36
|
4
|
|
|
4
|
|
|
|
考查
|
32
|
Spark大数据编程技术
|
023510
|
36
|
36
|
4
|
|
|
|
4
|
|
|
考查
|
33
|
Python网络数据爬取
|
023511
|
18
|
54
|
4
|
|
|
|
4
|
|
|
考试
|
34
|
数据挖掘
|
023512
|
36
|
36
|
4
|
|
|
|
4
|
|
|
考查
|
小计
|
216
|
288
|
28
|
|
|
16
|
12
|
|
|
|
|
专业拓展课
|
35
|
人工智能基础与应用
|
023513
|
36
|
36
|
4
|
|
|
|
4
|
|
|
信息工程学院
|
考查
|
36
|
大数据可视化技术
|
023514
|
18
|
54
|
4
|
|
|
|
4
|
|
|
考查
|
小计
|
54
|
90
|
8
|
|
|
|
8
|
|
|
|
|
顶岗实习及
单列实习实训
|
37
|
数据清洗及ETL技术实训
|
024501
|
|
22
|
1
|
|
|
30/1
|
|
|
|
信息工程学院
|
考查
|
38
|
数据采集及网络爬虫实训
|
024502
|
|
22
|
1
|
|
|
|
30/1
|
|
|
考查
|
39
|
毕业设计(校企各50%)
|
024503
|
|
176
|
6
|
|
|
|
|
22/8
|
|
考查
|
40
|
毕业实习
|
024504
|
|
220
|
7
|
|
|
|
|
22/10
|
|
考查
|
41
|
顶岗实习
|
024505
|
|
324
|
18
|
|
|
|
|
|
18
|
考查
|
小计
|
|
764
|
33
|
|
|
1
|
1
|
14
|
18
|
|
|
教学计划总计
|
|
1094
|
1692
|
144
|
30
|
29
|
25
|
25
|
15
|
18
|
|
|
备注:1.※表示线上课程。
2.每学期安排20周的教学活动,其中第19、20周为复习考试时间。
3.专业拓展课中人工智能基础与应用、大数据可视化技术为选修课程。
附录二 学时与学分分配表
课程类型
|
学分数
|
学时数
|
占总学时
百分比(%)
|
实践
学时
|
占总学时
百分比(%)
|
选修课
学时
|
占总学时
百分比(%)
|
公共基础课程
|
47
|
912
|
32.74
|
268
|
9.62
|
208
|
7.47
|
专业(技能)课程
|
64
|
1110
|
39.84
|
660
|
23.69
|
144
|
5.17
|
顶岗实习及
单列实习实训
|
33
|
764
|
27.42
|
764
|
27.42
|
0
|
0
|
总 计
|
144
|
2786
|
100
|
1692
|
60.73
|
352
|
12.63
|