2018级数据科学与大数据技术专业培养方案(修订)

数据科学与工程专业人才培养方案与核心课程体系数据科学与工程专业是当今社会发展的关键学科之一，它培养了一批掌握数据分析、挖掘和决策支持技能的高素质人才。

本文将为您详细介绍数据科学与工程专业人才培养方案及核心课程体系。

一、人才培养目标数据科学与工程专业旨在培养具备扎实的数学、统计学、计算机科学基础，掌握数据分析、挖掘和决策支持方法，能在政府、企业、科研机构等领域从事数据分析、处理和管理工作的高级专门人才。

二、人才培养方案1.基础课程（1）数学类：高等数学、线性代数、概率论与数理统计、离散数学等；（2）计算机类：计算机组成原理、数据结构、计算机网络、操作系统、数据库系统等；（3）统计学类：描述统计学、推断统计学、多元统计分析、时间序列分析等。

2.专业核心课程（1）数据挖掘：介绍数据挖掘的基本概念、方法和技术，包括分类、聚类、关联规则挖掘等；（2）机器学习：探讨机器学习的基本理论、算法和应用，如监督学习、无监督学习、强化学习等；（3）大数据技术：研究大数据的存储、处理、分析和可视化方法，涉及Hadoop、Spark等分布式计算框架；（4）数据仓库与OLAP：学习数据仓库的设计、实现和应用，以及在线分析处理技术；（5）数据分析与决策：结合实际案例，教授数据分析方法及其在企业管理、金融、医疗等领域的应用。

3.实践教学（1）实验课程：数据挖掘、机器学习、大数据技术等课程的实验；（2）实习实践：安排学生到企业、科研机构进行为期半年至一年的实习；（3）毕业设计：结合专业知识和实际需求，完成一项具有实际应用价值的数据科学项目。

三、核心课程体系数据科学与工程专业的核心课程体系包括以下四个方面：1.数据分析基础：高等数学、线性代数、概率论与数理统计、离散数学等；2.计算机技术：计算机组成原理、数据结构、计算机网络、操作系统、数据库系统等；3.数据挖掘与机器学习：数据挖掘、机器学习、模式识别等；4.大数据与决策支持：大数据技术、数据仓库与OLAP、数据分析与决策等。

数据科学与大数据技术----专业建设规划方案一、总体目标本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。

毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。

（一）人才培养目标本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。

（二）课程体系与学科建设作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。

在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。

（三）学科队伍建设由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设：（1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面；（2）精通处理大数据分析的人才；（3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。

大数据科学与工程培养方案
大数据科学与工程培养方案：
课程设置
1.数学基础课程：高等数学、线性代数、概率论与数理统计、离散数学等。

2.计算机基础课程：计算机程序设计、算法分析与设计、数据结构、操作系统等。

3.大数据技术课程：大数据存储与处理、数据挖掘、分布式系统、云计算技术、机器学习等。

4.行业应用课程：金融风控大数据、医疗健康大数据、智慧城市大数据等。

5.实践课程：大数据项目实践、数据分析实践、机器学习实践等。

培养目标
1.具备扎实的数学和计算机基础知识，具有良好的数据分析和处理能力。

2.熟练掌握大数据相关的技术和工具，能够进行大数据存储、处理、分析和可视化。

3.具有跨领域的应用能力，能够解决不同行业中的实际问题。

4.具有创新精神和实践能力，能够开发出具备商业价值的数据产品。

5.具备团队协作和沟通能力，能够在跨学科、跨领域团队中发挥作用。

就业前景
1.互联网企业：百度、阿里、腾讯等互联网企业都需要大量的数据科学和大数据工程人才。

2.金融行业：数据分析和风控是银行等金融机构的核心业务之一，大数据科学和工程人才需求量大。

3.医疗健康行业：大数据科学和工程，可以为医疗健康行业提供更精细、高效、安全的数据服务。

4.智慧城市：大数据科学和工程有利于构建智慧城市的基础设施，提供城市管理、交通、环保等领域的数据支持。

5.其他行业：大数据科学与工程人才还将广泛应用于能源、教育、农业、物流等
各个领域。

数据科学与大数据技术专业建设规划方案一、背景随着数字化时代的到来，数据已经成为各行各业的核心资源。

数据科学与大数据技术作为新兴学科，旨在培养掌握数据处理、数据分析和数据应用技术的专业人才，满足社会对于数据科学和大数据技术人才的需求。

二、目标1.培养具备扎实的计算机科学和数据科学知识，掌握大数据技术和数据分析方法的专业人才；2.培养具备数据处理、数据分析和数据应用能力的数据科学与大数据技术人才；3.培养具有创新意识和团队合作精神的数据科学与大数据技术人才。

三、专业设置与课程设置1.专业设置（1）数据科学与大数据技术专业（本科）（2）数据科学与大数据技术专业（硕士）（3）数据科学与大数据技术专业（博士）2.课程设置（1）基础课程：数据结构与算法、计算机网络、操作系统、数据库原理、大数据原理等。

（2）专业课程：数据挖掘、机器学习、统计学、自然语言处理、数据可视化等。

（3）选修课程：云计算、分布式系统、深度学习、大数据安全等。

四、教学团队建设1.招聘高水平教师，具备较强的学术背景和研究实力；2.进行定期培训，提高教师的教学水平和科研能力；3.建立与企业的合作，邀请业界专家参与教学和实践指导。

五、实践教学环节1.开设实验课程，提供相关软件使用和数据处理实践；2.组织学生进行项目实训，与企业合作，了解实际应用需求；3.举办学术研讨会和讲座，邀请业界专家分享经验和最新技术发展。

六、实习与就业1.与企业建立合作关系，提供实习机会；2.提供就业指导和招聘服务，帮助学生就业；3.组织校企对接活动，促进学生就业。

七、硬件设施建设1.建立实验室，配备先进的大数据处理平台和软件工具；2.提供高性能计算机设备，满足学生的实验和项目需求；3.完善图书馆资源，收集相关领域的学术期刊和书籍。

八、国际交流与合作1.建立与国内外高校的合作关系，开展学生交流和合作研究项目；2.鼓励学生参加国际会议和学术竞赛，提升专业素养和国际视野；3.邀请国际知名学者来校讲学和指导研究工作。

数据科学与大数据技术专业本科培养方案一、专业简介本专业培养德、智、体、美全面发展，掌握数据科学基础知识、基本理论、基本方法，以及面向大数据应用的数学、统计学、计算机科学、自然科学与社会科学领域基础知识、数据建模、高效分析与处理、统计学推断的基本理论、基本方法和基本技能，熟悉自然科学和社会科学等应用领域中大数据应用特点，具备大数据采集、预处理、存储、分析、挖掘等行业核心技术的应用能力，以及卓越的专业能力和良好的外语水平，能够胜任大数据系统开发、系统运行与维护、大数据分析与挖掘等工作的专业型和研究型人才。

本专业立足中南大学在医学与医药、轨道交通、有色金属工业领域的行业特色和优势实施人才培养，与知名IT公司建有校企人才合作培养基地。

二、培养目标依据国家社会需求、行业产业需要、学校定位及发展目标，本专业致力于培养适应不断演化的经济与社会发展需要，注重大数据科学与工程领域与医学医药、轨道交通、有色金属行业交叉融合的复合型高级工程技术人才：能够适应行业大数据应用的发展需要，融会贯通数学与自然科学基础知识、计算机科学基础知识、大数据科学与工程专业知识，提出复杂大数据工程项目的系统性解决方案；能够跟踪大数据科学与工程领域的前沿技术，具备一定的大数据工程创新能力、大数据分析与价值挖掘能力，能够从事应用驱动的大数据产品的设计、开发和生产；具备良好的职业道德精神、社会责任感，理解法律、环境、发展的相互关系，在工程项目实施中坚持绿色发展理念、能够注重经济与社会效益的协调；具备健康的身心，拥有科学的人文精神、创新创业精神、团队精神，具备良好的人际沟通与协调能力、有效的工程项目管理能力；能够从全球视野思考问题，主动应对不断变化的国内外形势，具备自主学习能力、批判思维能力和国际交流能力。

三、培养要求本专业毕业生在知识、能力和素质等方面应达到如下要求：1、知识要求：① 具备数学、自然科学、计算机科学基础知识、以及大数据工程专业知识，用于描述和分析大数据系统、大数据应用工程、大数据科学研究等相关复杂问题；② 了解国家发展战略规划、产业政策、法律法规、正确认识、理解、评价大数据工程对经济、社会、环境、健康、安全、文化的影响，保持经济增长、社会和谐、环境友好的协调发展。

数据科学与大数据技术专业培养方案一、专业简介（一）历史沿革数据科学与大数据技术专业由学校“数据科学与大数据技术”教学工作小组负责，依托计算机学院、理学院、经济管理学院、信息管理学院和通信学院共同建设，师资从全校范围内选拔组建，该专业2017年通过教育部审核批准，我校是全国第二批设立该全日制本科专业的高校。

（二）学生招生本专业2017年计划招生1个班，约30名学生。

该专业招生采用入校后二次选拔方式，面向所有被录取到我校的全日制本科生，综合高考成绩、英语分级考试成绩、数学分级考试成绩、专业面试成绩择优录取。

二、培养目标本专业根据“厚基础、宽专业、重能力、高素质”的人才培养要求，培养具有良好的科学与人文素养、扎实的专业知识与技能、较强的工程实践与创新能力，具备计算机、数学、统计学等多学科知识和技能，具有分析问题、解决问题、自主学习以及国际视野的高素质应用型人才。

本专业毕业生应熟悉计算机专业基本知识、方法和技能，掌握大数据系统与平台技术（数据采集、清洗、存储、计算等大数据系统与平台相关技术）、大数据分析与可视化技术（数据分析、人工智能、数据挖掘等大数据分析相关技术和数据可视化技术）、特定场景下大数据开发与应用等方面的基本工程能力，具备工程师所必需的学习与创新、沟通与表达、合作与交流等基本能力与素养，具有良好的职业发展力和适应力的工程师与专业管理人才。

毕业生适合在信息技术企业和企事业单位信息技术或管理部门，以大数据采集与预处理、存储与管理、高性能计算、智能分析与挖掘、展现与应用等生命周期相关技术或应用为主要内容，从事现场或一线的平台规划、设计、部署、管理、运维，或系统开发、测试、支撑、服务与管理等工作，并在五年内成长为能够独立胜任相关岗位工作的技术或管理工程师，或进入相关领域研究生阶段继续深造。

三、毕业要求：1.工程知识：能够将数学、自然科学、工程基础和专业知识用于解决复杂大数据技术和大数据应用的复杂工程问题。

计算机学院武汉大学计算机类的教学与科研历史可追溯到1958年成立的计算技术专业，1978年在此基础上又组建了原武汉大学计算机科学系，是全国最早建立的计算机科学系之一。

学院学科架构齐全，专业特色鲜明。

拥有计算机软件与理论国家重点学科，计算机科学与技术和软件工程两个一级学科博士授权点。

设有7个博士点（计算机软件与理论、计算机应用技术、计算机系统结构、信息安全、软件工程、安防应急信息技术、通信与信息系统），10个硕士点（计算机软件与理论、计算机应用技术、计算机系统结构、信息安全、安防应急信息技术、软件工程、通信与信息系统、模式识别与智能系统、计算机技术、电子与通信工程）、3个本科专业（计算机科学与技术、软件工程、物联网工程），2个博士后流动站（计算机科学与技术博士后流动站、软件工程博士后流动站）。

学院拥有国家多媒体软件工程技术研究中心、网络安全国家级虚拟仿真实验教学中心、湖北软件评测中心等教学科研基地和平台。

学院在计算机应用技术、软件基础理论与方法、信息安全与可信计算、媒体信息计算与分析、空间信息网络与网络计算、数据科学与工程、人工智能、软件服务工程、复杂软件的构造方法和验证技术、软件分析测试与质量保障、软件演化的理论与方法、软件工程数据管理与数据挖掘等研究方向已形成自己的特色，整体科研实力在国内高校中处于前列。

学院高度重视学生的科研和实践能力等综合素质的培养，加入了“基础学科拔尖学生培养试验计划”和“国家卓越工程师计划”。

计算机科学与技术专业和软件工程专业双双获批国家特色专业建设点、湖北省“国际化人才培养基地”；软件工程专业和物联网工程专业获批“湖北省战略性新兴（支柱）产业人才培养计划”、武汉大学本硕博贯通式人才培养改革试点单位。

经过多年的改革发展和办学实践，学院培养了一大批适应社会经济发展需求的复合型、创新型的高素质计算机人才，较好地实现了办学规模、结构、质量的协调发展。

学院现有教职工249人，其中专任教师187人，实验教学人员29人。

首经贸数据科学与大数据技术培养方案下载提示：该文档是本店铺精心编制而成的，希望大家下载后，能够帮助大家解决实际问题。

文档下载后可定制修改，请根据实际需要进行调整和使用，谢谢！本店铺为大家提供各种类型的实用资料，如教育随笔、日记赏析、句子摘抄、古诗大全、经典美文、话题作文、工作总结、词语解析、文案摘录、其他资料等等，想了解不同资料格式和写法，敬请关注！Download tips: This document is carefully compiled by this editor. I hope that after you download it, it can help you solve practical problems. The document can be customized and modified after downloading, please adjust and use it according to actual needs, thank you! In addition, this shop provides you with various types of practical materials, such as educational essays, diary appreciation, sentence excerpts, ancient poems, classic articles, topic composition, work summary, word parsing, copy excerpts, other materials and so on, want to know different data formats and writing methods, please pay attention!首经贸数据科学与大数据技术培养方案一、引言随着信息技术的迅猛发展，数据科学与大数据技术已经成为现代社会不可或缺的重要组成部分。

数据科学与大数据技术专业培养方向
近年来，数据科学和大数据技术已经成为最热门的技术领域之一，这也使得数据科学与大数据技术专业成为了众多学生争相选择的专业之一。

此专业旨在专门培养具有数据分析、数据挖掘、机器学习和大数据处理等方面的技能和知识，下面是详细的培养方向列表。

1. 数据分析
数据分析是数据科学的基础，数据分析师需要具备数据驱动的思维方式，能够使用数据分析工具进行探索性数据分析，并从数据中发掘出有价值的信息，将数据转化为可视化结果，并基于结果做出决策。

2. 数据挖掘
数据挖掘是数据科学中的一项重要技术，它可以从大量数据中搜寻有用的模式。

数据挖掘需要掌握多种算法技术，熟悉统计和机器学习知识，并能够根据数据特征进行相应的数据预处理。

3. 机器学习
机器学习是大数据时代的重要技术之一，可以利用数据自动学习知识和模式。

机器学习需要具备数理统计、线性代数以及优化理论等多种
数学知识，同时还需要掌握深度学习、强化学习等相关技术。

4. 大数据处理
大数据处理是指对拥有大规模数据量的数据进行处理，因为数据量巨大，传统的处理方法不再适用。

因此，需要全面了解分布式处理、并行计算、数据存储技术，同时还需要掌握常用的大数据处理工具和框架。

5. 数据工程
数据工程是指为数据科学家和数据分析师提供支持，包括建立数据仓库、数据采集和清洗等工作。

数据工程需要掌握大数据技术、数据库设计和管理以及ETL技术等相关知识，同时还需要具备编码和开发的能力。

综上所述，数据科学与大数据技术专业培养方向非常丰富，学生可以根据自己的兴趣和技能进行选择，并且在实践中不断提升自己的技能水平，为自己的职业发展打下坚实的基础。

数据科学与大数据技术专业人才培养方案探析作者：窦丹妮丁朋朋李腾达来源：《课程教育研究》2021年第05期【摘要】近两年，随着大数据市场人才的需求迫切，人才缺口急需大量补充，各高校抓住时代机遇，纷纷设立数据科学与大数据技术专业（以下简称数据科学专业），并不断提升大数据人才培养质量。

本文以2019年之前开设的数据科学专业的482所高校为探求目标，将各个高校培养方案分类并进行对比分析，并与社会需求发展现状相结合，提出适应性的决策和建议。

【关键词】大数据专业建设人才培养课程建设【基金项目】教育部产学合作协同育人项目（201802111017），大学生创新创业训练计划项目（S202011070016）。

【中图分类号】G42 【文献标识码】A 【文章编号】2095-3089（2021）05-0163-031.引言1.1大数据发展背景随着时代的发展，互联网经济的快速发展引发了数据的迅猛增长，数据已成为国家基础性战略资源，被誉为“21世纪的新石油”。

根据2015年8月31日国务院关于印发促进大数据发展行动纲要的通知中提到的大数据成为推动经济转型发展的新动力。

以数据流引领技术流、物质流、资金流、人才流，将深刻影响社会分工协作的组织模式，促进生产组织方式的集约和创新。

在抖音、淘宝、微博、12306铁路购票网站、知乎等软件每天产生的结构化数据、半结构化数据、非结构化数据都是海量的（见图1），这些数据对于我国的发展有着巨大的潜在价值。

现行较多的软件根据用户的喜好利用算法分析进行精确推荐。

图1 日常生活中大数据的应用占比信息战略对各个行业的发展都具有先天优势，利用大数据的特点可以与各个行业形成交叉学科，例如农业、工业、医学、交通等等。

现在很多专业的基础课程都有交叉学科的影子，如医学中的生物化学、医学物理等。

各个基础学科的交叉又形成了较多的学科，课程设立在不同的专业中。

1.2大数据行业现状在大数据应用的项目中，描述性、预测性分析应用多，决策指导性等更深层次分析应用较少。