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（19版）

数据科学与大数据技术专业人才培养方案

一、专业名称、代码
专业名称  数据科学与大数据技术
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
二、专业培养目标
本专业培养德、智、体、美、劳全面发展,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础知识、基本理论和基本技能，具备较强的大数据分析与应用能力，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。
毕业后五年的预期目标：
1、能够适应数据科学以及大数据技术的发展要求，综合运用数学、统计学、计算机科学知识、以及大数据应用工具系统性地解决复杂工程问题；
2、能够在企事业、金融、医疗、电力、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，并能够综合考虑经济、环境、法律、安全、健康等方面的影响因素；
3、具有人文社会科学素养、职业道德、社会责任感，并能够在不同职能团队中发挥特定的作用或担任特定的角色；
4、具有国际视野、创新意识和终身学习能力；
5、在大数据技术及其相关行业，尤其在数据管理、数据分析与处理、系统开发、数据可视化等相关行业具有就业竞争力，具备中级技术职称人员的工作能力，能够成为单位的业务骨干，并有能力进入研究生阶段学习。
三、毕业要求
1、知识结构
（1）具有数据处理与应用所需的数据获取、数据分析、数据可视化等方面的工具知识；
（2）具有社会文化、信息交流、政策与法律、环境与安全等方面的人文社科知识；
（3）具有从事专业相关工作所需的数学、统计学、计算机科学与技术等方面的自然科学知识；
（4）具有数据获取、数据分析、数据可视化、数据应用等专业知识。
2、能力结构
（5）能够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最新科学技术知识和信息的知识获取能力；
（6）具有将所学知识应用于数据分析与应用、系统分析、设计、部署以及维护和管理等大数据相关行业领域的知识应用能力；
（7）具备一定的创新意识、能够进行初步的大数据相关领域的科学研究等创新能力。
3、素质结构
（8）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；
（9）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；
（10）具备扎实的数据获取、数据分析、数据应用、数据可视化等能力，以及爱岗敬业、艰苦奋斗、团结合作的优秀品质；
（11）具有健康的体魄、坚定的意志、良好的心理素质、积极乐观的人生态度、健全的职业人格。
四、课程及教学活动与毕业要求关联矩阵
1、毕业要求对培养目标的支撑矩阵
2、课程与毕业要求的关联矩阵
五、主干学科
数学；统计学；计算机科学与技术
六、专业核心课程
数据科学与大数据技术专业核心课程：高等数学、线性代数、概率论与数理统计、大数据导论、Linux应用基础、离散数学、数据结构、操作系统、Python数据分析、数据可视化、Java语言程序设计、应用多元统计分析、机器学习、数据库原理与应用、应用时间序列、数值分析、大数据技术与应用等。
高等数学（10.5学分，162学时）：本课程主要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实际生活中提出的理论和实际问题，为进一步学习后续各门课程提供必需的基础知识和基本方法。
线性代数（4.5学分，72学时）：本课程主要包括行列式理论、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，为后续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（6学分，90学时）：本课程主要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（2学分，30学时）：本课程主要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。
Linux应用基础（1.5学分，30学时）：本课程主要包括安装Linux操作系统、文件管理与常用命令、用户与用户组管理、软件包管理RPM和YUM数据库、Linux编程、进程管理、Shell编程等主要内容。通过本课程的学习，使学生能够熟练掌握Linux的基本操作、基本命令，能在Linux环境中进行常用软件的安装与卸载，能够进行简单的网络环境配置，为后续专业核心课的学习奠定基础。
离散数学（4学分，60学时）：本课程主要包括命题逻辑的基本概念、命题逻辑等值演算、命题逻辑的推理理论、集合代数、函数、图、树、欧拉图与哈密顿图等内容。通过本课程的学习，使学生对数理逻辑、集合论、代数系统和图论有系统而较为深刻的认识，提高学生的抽象思维、逻辑推理和运算能力；以及应用离散数学知识建立计算模型解决实际问题的能力，为学生学习数据科学与大数据技术专业的后续课程奠定理论基础。
数据结构（3.5学分，64学时）：本课程主要包括线性表、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。
操作系统（4学分，60学时）：本课程主要包括进程的描述与控制、进程的描述与控制、存储器管理、输入输出系统、文件管理等内容。通过本课程的学习，使学生掌握操作系统的基本类型、特征和功能，熟悉操作系统各个组成部分的基本结构和原理，掌握进程管理、存储管理、设备管理、文件管理及作业管理等涉及的概念和相关算法，为后续相关课程的学习奠定坚实的理论基础。
Python数据分析（3学分，64学时）：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。
数据可视化（3学分，64学时）：本课程主要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，使学生具有进行数据可视化应用的能力，能够根据现实生活中的具体应用问题，结合实际业务需求和场景，选择合适的可视化方法，具有较高的数据科学素养。
Java语言程序设计（3学分，64学时）：本课程主要包括Java语言基础知识、选择结构、循环结构程序设计、数组、面向对象编程等内容。通过本课程的教学，使学生掌握面向对象的编程设计思想，提高学生在软件设计过程中分析问题和解决问题的实际动手能力，使学生的理论知识和实践技能得到共同发展。
应用多元统计分析（3.5学分，64学时）：本课程主要包括定性数据的卡方检验、多元正态分布、均值向量与协方差阵的检验、聚类分析、因子分析、主成分分析及典型相关分析等内容。通过本课程的学习，使学生能够熟练掌握和运用统计方法，为数据的分析及应用奠定坚实的基础。
机器学习（3.5学分，64学时）：本课程主要包括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。
数据库原理与应用（3.5学分，64学时）：本课程主要包括关系数据库、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、构建软件平台以及进行应用开发的能力。
应用时间序列（3.5学分，64学时）：本课程主要包括时间序列的预处理、平稳时间序列分析、非平稳序列的确定性分析及随机分析、多元时间序列分析等内容。通过本课程的学习，让学生利用时间序列这种特殊的数据结构，结合统计软件数据分析，观察经济生活中数据变量的发展规律，预测其将来走势，为数据分析与应用奠定基础。
数值分析（3.5学分，64学时）：本课程主要包括插值法、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。
大数据技术与应用（3学分，64学时）：本课程主要包括大数据术概论、Hadoop的架构与组成、HDFS和Common、Spark平台、Spark处理架构等内容。通过本课程的学习，使学生掌握大数据的技术架构、大数据的整体技术、大数据分析的典型工具以及大数据未来发展趋势，为从事大数据相关行业奠定扎实基础。
七、教学大纲
根据《运城学院课程教学大纲管理办法》，制定本专业人才培养方案中所涉及的全部课程的教学大纲。
八、主要实践环节
认知实习、专业见习、毕业实习、毕业论文（设计）、大学生科技创新实践等。
九、学制和学分要求
本专业实行学年学分制，修业年限为四年，要求修满161.5学分。
十、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。
十一、学位授予
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。
十二、课程体系的构成及学时学分比例

课程类别		课程性质	学分	学时				备注
课程类别		课程性质	学分	总学时	理论	实验	实践	备注
通识教育课程		必修	42	736	658	32	46
通识教育课程		选修	8	128	128
专业教育课程	学科基础课	必修	32	508	403	31	74
	专业核心课	必修	33.5	636	428	208
	专业选修课	选修	15	336	208	128
集中实践课程		必修	31
合计			161.5	2344	1825	399	120
总学分_161.5 ；总学时_2344 ，其中理论学时 1825 ，实践实验学时_ 519 _。集中实践学分_31_；实践教学（含课内实验）总学分_ 47 _，占专业总学分_29_%。必修课学分_138.5_，占总学分86_%；选修课学分_23_，占专业总学分_14_%。