数据科学与大数据技术专业

数据科学与大数据技术专业人才培养方案（18版）

数据科学与大数据技术专业人才培养方案

学科门类：工学
二级类：计算机类
专业代码：080910T
英文名称：Data Science and Big Data Technology
一、专业培养目标
本专业培养德、智、体、美全面发展,适应大数据时代经济社会发展需要，掌握数学、统计学、计算机科学与技术和数据科学的基本理论与基础知识，熟悉大数据技术平台、开发工具、应用设计等核心技术，具有较强的大数据处理和技术创新能力，能在企事业、金融、医疗、教育等部门从事大数据相关领域的数据管理与分析、系统开发、技术服务等工作的高素质应用型人才。
二、专业培养规格
1、知识结构
（1）具有人文社科、信息交流、法律与环境、社会与公共安全等方面的通识知识；
（2）具有从事专业相关工作所需的数学、统计学、计算机等科学基础知识；
（3）具有扎实的计算机基础知识、信息处理方法，统计分析等相关学科的基本理论和基本知识；
（4）掌握大数据技术领域的基本理论和基本知识，受到严格的数学科学思维训练；
（5）具有分布式数据库原理与应用、大数据技术框架、数据分析与方法、机器学习、数据挖掘技术、数据可视化技术、并行与分布式计算原理、大数据编程技术等专业知识；
（6）掌握大数据科学与技术的基本思维方法和研究方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态；
（7）掌握一门外语，能够借助工具书查阅外文资料和撰写外文摘要；
（8）接受科学研究的初步训练，掌握资料查询，文献检索及运用现代信息技术获得相关信息的方法。
2、能力结构
（1）具有一定的提出问题、运用科学思维方法、技术分析并解决大数据相关项目问题的能力；
（2）具有大数据行业领域相关软件产品的应用、开发能力、大数据系统分析、设计、部署以及维护和管理能力；
（3）了解相关的技术标准，具有数据处理、分析、呈现等应用技能，具备大数据项目的组织与管理能力；
（4）能够熟练阅读专业外文文献，具备运用计算机及信息网络辅助获取大数据行业相关技术的能力；对终身学习有正确的认识，具有不断学习和适应发展的能力；
（5）具备一定的创新意识和从事大数据领域科学研究的初步能力，有获取最新科学技术知识和信息的基本能力；
（6）具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力。
3、素质结构
（1）掌握马克思主义基本原理，坚持马克思主义指导地位，学习习近平新时代中国特色社会主义思想，坚定共产主义理想和社会主义信念，树立正确的世界观、人生观和价值观；
（2）具有爱岗敬业、艰苦奋斗、团结合作的优秀品质；
（3）具有良好的道德品质、社会公德、职业道德和良好的文化素养；
（4）具有健康的体魄、坚定的意志、良好的心理素质和积极乐观的人生态度，养成健全的职业人格以及对统计的热爱态度；
（5）健康情况达到国家体质健康测试水平；
（6）具备较高的人文素养和科学素养。
三、专业培养规格实现矩阵

培养规格（知识、能力与素质要求）		实现途径
培养规格（知识、能力与素质要求）		课程设置	其他（如教学方式、技能竞赛等）
知识结构	1、掌握计算机的基础知识。	大学计算机基础、C语言程序设计、数据结构、数据库原理与应用、数学建模与实验、计算机组成原理	全国大学生计算机设计大赛、大学生数学建模竞赛
	2、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。	专业论文选读与训练	学术报告及讲座
	3、熟练掌握一门外语，能顺利阅读本专业的外文资料和撰写外文摘要。	大学英语、专业英语	学术报告及讲座
	4、具有社会学、文学、哲学和历史学等社会科学基本知识。	大学语文、大学生军事理论、大学生安全教育、大学生心理健康、人文社科类通识教育选修课、大学生职业规划、大学生就业指导	学术报告及讲座、社团活动
	5、掌握政治、形式与政策、思想道德修养与法律基础等基本知识。	思想道德修养与法律基础、马克思主义基本原理概论、中国近现代史纲要、毛泽东思想和中国特色社会主义理论体系概论、形势与政策	学术报告及讲座、社团活动
	6、具有坚实的数学理论基础。	高等数学、线性代数、离散数学、数值分析、数理科技类通识教育选修课	学术报告及讲座
	7、具有坚实的统计学理论基础，掌握统计学的基本思想和方法。	概率论与数理统计、应用回归分析、应用随机过程	学术报告及讲座
	8、理解大数据技术领域的基本理论和基本知识。	大数据导论、数据结构、数据挖掘技术、数据库原理与应用	学术报告及讲座
	9、掌握大数据科学与技术的基本思维方法和研究方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态。	大数据导论、Python语言程序设计、算法分析与设计、Java语言程序设计、数据可视化技术	学术报告及讲座
	10、具有分布式数据库原理与应用、大数据技术框架、数据分析与方法、数据挖掘技术、数据可视化技术、并行与分布式计算原理、大数据编程技术等专业知识。	数值分析、数据挖掘技术、数据库原理与应用、大数据分析与内存计算、数据可视化技术、机器学习、R语言程序设计
能力结构	1、具有一定的语言文字表达能力，掌握资料查询，文献检索及运用现代信息技术获得相关信息的能力，能够跟踪统计学领域最新技术发展趋势。	普通话、大学生社会实践、专业实习、毕业实习、大学生职业规划、大学生就业指导	学术报告及讲座、社团活动
	2、具备自主学习、对终身学习有正确的认识，具有不断学习和适应发展的能力。	毕业论文	教师科研项目、学科竞赛、考取职业资格证书、发表专业相关论文
	3、具有运用统计方法进行数据采集、处理、分析、推断和预测的能力。	应用回归分析、试验设计、统计预测与决策、现代统计方法	大学生市场调查与分析大赛、学术报告及讲座
	4、具备一定的编程能力。	Python语言程序设计、Java语言程序设计、R语言程序设计	大学生统计建模竞赛、学术报告及讲座
	5、了解相关的技术标准，具有数据处理、分析、呈现等应用技能，具备大数据项目的组织与管理能力。	专业见习、毕业实习、机器学习、数据挖掘技术、大数据分析与内存计算、Python语言程序设计、R语言程序设计	学术报告及讲座
	6、具有大数据行业领域相关软件产品的应用、大数据系统分析、设计、部署以及维护和管理能力。	数据可视化技术、数据可视化开发实验、金融大数据分析与应用、健康医疗大数据分析与应用、商务智能方法与应用	学术报告及讲座
	7、具备一定的创新意识和初步的科学研究和实际工作能力。	大学生创新思维训练、大学生创业基础、创新创业类通识教育选修课	大学生创新创业训练项目、学术报告及讲座、社团活动
	8、具有一定的独立工作能力、人际交往能力和团队合作能力。	专业实习、毕业论文	大学生数学建模竞赛
素质结构	1、掌握马克思主义基本原理，坚持马克思主义指导地位，学习习近平新时代中国特色社会主义思想，坚定共产主义理想和社会主义信念，树立正确的世界观、人生观和价值观。	思想道德修养与法律基础、马克思主义基本原理概论、中国近现代史纲要、毛泽东思想和中国特色社会主义理论体系概论、形势与政策、大学生军事理论	学术报告及讲座、社团活动
	2、具有良好的道德品质、社会公德、职业道德和良好的文化素养。	思想政治课课程实践、大学生军事训练、大学生公益劳动	学术报告及讲座、社团活动
	3、具有爱岗敬业、艰苦奋斗、团结合作的优秀品质。	大学生社会实践、专业实习、毕业实习、大学生职业规划、大学生就业指导、大学生创新思维训练、大学生创业基础、创新创业类通识教育选修课	学术报告及讲座、社团活动
	4、具有健全的人格、健康的体魄、良好的心理素质和积极乐观的人生态度，养成健全的职业人格和对统计的热爱态度以及良好的体育锻炼习惯, 达到国家规定的大学生体育合格标准和军事训练标准。	大学体育、大学生公益劳动、大学生军事训练、大学生安全教育、大学生心理健康	学术报告及讲座、社团活动

四、主干学科
数学计算机科学与技术统计学
五、专业核心课程
高等数学、线性代数、概率论与数理统计、大数据导论、数据结构、数据库原理与应用、数值分析、Python语言程序设计、数据挖掘技术、数据可视化技术、机器学习。
高等数学：本课程主要内容包括一元函数极限与连续、一元函数微分学、一元函数积分学、常微分方程、向量代数与空间解析几何、多元函数的极限与连续、多元函数微分学、重积分、曲线积分与曲面积分；级数等内容。通过本课程的学习，使学生掌握函数的微积分等基本理论和基本思想，能应用这些理论和方法解决分析中提出的理论和实际问题，为进一步学习后继各门课程提供必需的基础知识和基本方法。
线性代数：本课程主要内容包括行列式理论、矩阵理论、线性方程组、线性空间、线性变换、欧氏空间、二次型等内容。通过本课程的学习，使学生初步掌握基本的、系统的代数知识，以及抽象的、严格的代数方法，培养学生的抽象思维能力、逻辑推理能力和和解决问题的能力，为后继课程的学习提供必需的基本知识和学习能力。
概率论与数理统计：本课程主要内容包括随机事件与随机事件的概率、随机变量的分布及随机变量的数字特征、随机变量的大数定理与中心极限定理、参数估计、假设检验、非参数检验等内容。通过本课程的学习，使学生初步掌握处理随机现象的基本理论和方法，从而使学生能够把所学的知识应用于实际问题中，并与其它数学分支相互渗透。
大数据导论：本课程主要内容包括大数据可视化方法、大数据的商业规则、大数据时代的思维变革、大数据促进医疗与健康、大数据激发创造力、大数据预测分析、大数据促进学习、大数据在云端、支撑大数据的技术、数据科学与数据科学家等内容。通过本课程的学习，使学生了解大数据处理的相关原理和技术，对大数据的基本概念与关键技术有一个全方位的了解，为后续专业课的学习打下坚实的基础。
数据结构：本课程主要内容包括线性表、栈和队列、串、数组和广义表、树和二叉树、图、查找、内部排序等内容。通过本课程的学习，使学生能够理解数据表示和数据处理的重要性，培养良好的数据表示和处理能力，初步掌握算法设计与分析方法，为学习操作系统、算法分析与设计和数据库等课程奠定基础。
数据库原理与应用：本课程主要内容包括关系数据库、关系系统及其查询优化、数据库设计、数据库维护等内容。通过本课程的学习，使学生掌握数据库基本理论及应用设计，了解典型数据库系统的体系结构，培养学生使用、评价和为实际环境选择数据库系统、构建软件平台和进行应用开发的能力。
数值分析：本课程主要内容包括插值法、数值积分与数值微分、解线性方程组的直接方法、解线性方程组的迭代法、非线性方程求根等内容。通过本课程的学习，使学生掌握用数值分析方法解决实际问题的算法原理及理论分析，提高学生应用数学知识分析和解决实际问题的能力。
Python语言程序设计：本课程主要内容包括基本数据类型、程序的控制结构、函数和代码复用、组合数据类型、文件和数据格式化、程序设计方法论、科学计算和可视化等内容。通过本课程的学习，使学生掌握Python编程技能和面向对象软件设计思想，能够综合利用Python技术解决本专业的具体问题，提高学生的编程能力，为大数据的分析及应用等奠定良好的基础。
数据挖掘技术：本课程主要内容包括数据预处理基本方法、数据仓库设计方法、多维数据模型表示方法、关联规则挖掘方法、数据分类方法、数据聚类方法等内容。通过本课程的学习，使学生掌握数据挖掘的基本概念、基本理论和数据预处理方法，能够利用相关数据挖掘技术对数据进行分析与处理，为大数据的分析及应用等奠定良好的基础。
数据可视化技术：本课程主要内容包括数据可视化基本概念、视觉感知和认知的基本原理、可视化的基础理论和编码原则、不同类型数据的可视化方法及可视化编程实现等内容。通过本课程的学习，使学生掌握数据可视化的理论，具备根据不同类型的数据源，选择最佳可视化方法并编程展示的能力，能够对复杂工程问题进行综合分析，能够对实验结果进行有效的可视化展示。
机器学习：本课程主要内容包括K近邻、广义线性模型、朴素贝叶斯、决策树与随机森林、支持向量机、神经网络等内容。通过本课程的学习，使学生掌握主流学习方法和模型，并能根据实际问题的需要选择并实现相应的算法，为大数据的分析及应用等奠定良好的基础。
六、主要实践教学环节
认知实习、专业见习、毕业实习、毕业论文（设计）、大学生创新实践等。
七、学制与学分要求
本专业实行学年学分制，修业年限为四年，要求修满171学分。
八、毕业条件
学生四年学习期满，完成并通过本培养方案规定的全部教学环节，修满规定学分，达到大学生体质健康标准，方可毕业。
九、授予学位
本科毕业生符合学位授予条件的，经学院学位评定委员会批准，可授予工学学士学位。
十、课程体系的构成及学时学分比例

课程平台		课程模块	课程性质		学时					备注
课程平台		课程模块	总学分	%	总学时	%	理论	实验	实践	备注
通识教育课程		必修	45	26.3	816	34.8	738	32	46
通识教育课程		选修	10	5.8	160	6.8	160
专业教育课程	专业基础及核心课程	必修	34	19.9	579	24.7	515	64
专业教育课程	专业拓展课	选修	15	8.8	310	13.2	212	98
职业教育课程		必修	15	8.8	320	13.7	160	160
职业教育课程		选修	10	5.8	160	6.8	80	80
集中实践课程		必修	42	24.6
合计			171	100	2345	100	1865	434	46