数据科学与大数据技术专业人才培养方案.docx
《数据科学与大数据技术专业人才培养方案.docx》由会员分享,可在线阅读,更多相关《数据科学与大数据技术专业人才培养方案.docx(48页珍藏版)》请在冰豆网上搜索。
![数据科学与大数据技术专业人才培养方案.docx](https://file1.bdocx.com/fileroot1/2023-1/8/19f38161-f942-4074-85fd-2ee830ab8882/19f38161-f942-4074-85fd-2ee830ab88821.gif)
数据科学与大数据技术专业人才培养方案
数据科学与大数据技术专业人才培养方案
一、培养目标
本专业以大数据产业发展需求为导向,注重与统计学、经济学、管理与艺术设计等相关专业的交叉融合,培养德智体美并修,具有良好人文与科学修养与职业道德,系统掌握数据科学与大数据技术的基础理论、基本技术,能够胜任大数据开发与分析、大数据运维与管理、大数据可视化表达等工作,具备工程实践、创新意识和团队合作能力的高素质工程应用型人才。
毕业五年左右达到:
(1) 具有运行、维护、管理大数据系统的能力,并能够综合考虑经济、环境、法律、安全、健康、伦理等方面的影响因素。
(2) 具有扎实的专业理论与实践能力,并有良好的人文素养、社会责任感和工程职业道德,能够从事数据采集与分析工作。
(3) 具有较强创新能力,能够从事大数据系统的开发工作。
(4) 具有较强视觉表达能力,能够从事大数据可视化工作。
(5) 具有团队合作、沟通和项目管理能力,能够组织和协调团队成员进行系统设计和开发。
(6) 具有国际化视野和跨文化交流与合作能力,通过继续教育或坚持终身学习的品质,能够在不同职能团队中发挥特定的作用。
二、培养标准
(一)毕业要求
本专业学生主要学习数据科学与大数据技术方面的基本理论和基本知识,接受大数据平台运维、数据采集、分析、项目开发与数据可视化表达的基本训练,培养大数据系统的运维管理、应用与开发、分析与可视化表达的基本能力。
毕业生应满足以下几方面要求:
(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工程问题。
指标点1-1:
掌握数学、自然科学、工程基础、数据科学与大数据技术知识,并能够用于理解与描述大数据技术领域的复杂工程问题,建立模型。
指标点1-2:
能够对模型进行分析,并利用模型解决问题。
指标点1-3:
能够将大数据基础和专业知识用于对复杂工程问题解决方案的分析与优化。
(2)问题分析:
能够应用数学、自然科学和工程科学的基本原理,识别、表达、并通过文献研究分析复杂工程问题,以获得有效结论。
指标点2-1:
能够运用数学、自然科学、工程数学的基本原理,识别和表达大数据应用工程领域的复杂工程问题。
指标点2-2:
能够针对具体的大数据应用复杂工程问题选择合适的数学模型,并能够判断其正确性和有效性。
指标点2-3:
能够从数理科学与工程科学角度,结合文献研究对复杂工程问题解决方案进行分析,并能够掌握解决方案优化方法。
(3)设计/开发解决方案:
能够针对数据科学复杂工程问题设计解决方案,设计数据分析流程,并能够在设计环节中体现创新意识,考虑社会、健康、安全、法律、文化以及环境等因素。
指标点3-1:
能够针对大数据应用复杂系统设计与开发满足特定需求的模块或算法。
指标点3-2:
能够针对大数据应用相关领域的复杂工程问题设计整体项目解决方案,掌握项目开发全周期、全流程的基本设计/开发方法和技术,完成项目的软硬件设计、仿真、实现、运行和维护等。
指标点3-3:
在解决方案设计中,具有综合考虑社会、健康、安全、法律、文化及环境的意识。
指标点3-4:
在解决方案的具体设计环节中,具有创新意识。
(4)研究:
能够基于科学原理并采用科学方法对数据分析等工程问题进行研究,包括设计数据挖掘流程、分析与解释数据和现象、并通过信息综合得到合理有效的结论。
指标点4-1:
能够基于科学原理并采用科学方法对大数据应用领域的复杂工程问题进行分解。
指标点4-2:
针对计算机复杂工程问题,能够运用本专业相关原理和知识设计实验方案,并进行合理实施。
指标点4-3:
能够对已获得的实验数据进行整理、分析,并能通过信息综合得出有效结论。
(5)使用现代工具:
能够针对大数据系统复杂工程问题,开发、选择与使用恰当的系统架构、开发语言、资源和现代信息技术工具,包括对复杂工程问题数据流的预测与模拟。
指标点5-1:
针对大数据领域的复杂工程问题,能够选择和使用适合的信息检索工具获取信息。
指标点5-2:
能够选择、开发恰当的技术工具用于描述、模拟和预测大数据应用复杂工程问题。
指标点5-3:
能够针对大数据应用开发需要选择和使用合适的平台和开发工具,并能够理解其局限性。
(6)工程与社会:
能够基于工程相关背景知识进行合理分析,评价专业工程实践和复杂工程问题解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。
指标点6-1:
熟悉信息化相关产业的技术标准体系、知识产权、产业政策和法律法规,能够合理分析计算机工程与社会、健康、安全、法律及文化之间的关系。
指标点6-2:
能够识别和分析大数据应用工程实践过程中对社会、健康、安全、法律以及文化责任的潜在影响,以及这些制约因素对项目实施的影响。
指标点6-3:
能够客观评价大数据应用工程实践和复杂工程问题解决方案对社会、
健康、安全、法律以及文化的影响,并能考虑采用技术手段、方法和措施减少、消除影响。
(1)环境和可持续发展:
能够理解和评价针对复杂工程问题的专业工程实践对环境、社会可持续发展的影响。
指标点7-1:
了解国家大数据产业发展的宏观政策,能够理解和评价大数据复杂工程问题解决方案、专业工程实践与环境、社会可持续发展的辩证关系。
指标点7-2:
能够在大数据系统复杂工程问题解决方案中,考虑与环境、社会的和谐可持续发展。
(2)职业规范:
具有人文社会科学素养、社会责任感,能够在工程实践中理解并遵守工程职业道德和规范,履行责任。
指标点8-1:
具有人文社会科学素养,在信息技术领域的工程实践过程中,能够考虑经济、环境、法律、伦理等各种制约因素。
指标点8-2:
具有社会责任感,理解信息技术领域的相关职业道德和规范,并且在工程实践中自觉遵守,履行职责。
(3)个人和团队:
能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。
指标点9-1:
具备团队协作精神,能够与团队其他成员进行积极有效的沟通。
指标点9-2:
在多学科背景下,能够胜任团队中的个体、团队成员及负责人角色。
(4)沟通:
能够就复杂工程问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令。
并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。
指标点10-1:
能够就大数据系统复杂工程问题撰写报告和设计文稿、陈述发言、清晰表达或回应指令。
指标点10-2:
至少具备一门外语的应用能力,对大数据技术国际研究前沿有初步了解,能够在跨文化背景下进行沟通和交流。
指标点10-3:
能够就计算机复杂工程问题与业界同行及社会公众进行有效沟通和交流。
(5)项目管理:
理解并掌握工程管理原理与经济决策方法,并能在多学科环境中应用。
指标点11-1:
能够理解并掌握工程管理原理与经济决策方法。
指标点11-2:
能够在多学科环境下进行工程管理和经济决策。
(6)终身学习:
具有自主学习和终身学习的意识,有不断学习和适应发展的能力
指标点12-1:
有积极向上的价值观,具备自主学习和终身学习的意识。
指标点12-2:
掌握良好的学习方法,具有一定的探索知识和适应发展的能力。
(二)必修课程的先后修关系
必修课程的先后修关系拓扑图,如图1所示。
图1必修课程的先后修关系拓扑图
(三)课程体系与毕业要求指标点的任务矩阵
课程体系支撑毕业要求指标点的任务矩阵如表1所示,此表描述课程体系对毕业要求指标点的支撑情况,明晰了课程的任务,根据课程对指标点贡献度的大小,课程对指标点支撑强度分为高支撑、中支撑和低支撑。
注:
H-高支撑 M-中支撑 L-低支撑
毕业要求
一级
1工程
知识
2问题
分析
3设计/
开发解决
方案
4研究
5使用
现代
工具
6工程
与社会
7环境和可持续发展
8
职业
规范
9
个人
和团队
10沟通
11
项目
管理
12
终身
学习
二级
1-
1
1-
2
1-
3
2-
1
2-
2
2
-3
3-
1
3-
2
3-
3
3-
4
4-
1
4-
2
4-
3
5-
1
5-
2
5-
3
6-
1
6-
2
6-
3
7-
1
7-
2
8-
1
8-
2
9-
1
9-
2
10-
1
10-
2
10-
3
11-
1
11-
2
12-
1
12-
2
思想道德修养与法律
基础
M
M
H
H
中国近现代史纲要
H
M
M
L
马克思主义基本原理
概论
M
L
M
H
毛泽东思想和中国特色社会主义理论体系概论
L
M
L
H
思想政治理论课实践
L
M
M
H
H
军事理论
L
M
L
H
军事技能
L
M
L
H
体育与健康1
M
L
L
H
体育与健康2
M
L
L
H
体育与健康3
M
L
L
H
大学生心理健康教育
L
L
M
H
大学英语1
L
M
L
H
大学英语2
L
M
M
H
大学英语3
H
M
M
大学英语4
L
H
M
大学日语1
M
L
H
大学日语2
M
M
H
大学日语3
H
M
M
大学日语4
L
H
M
网页制作
基础
H
M
M
L
M
程序设计
基础1
H
M
L
M
L
程序设计
基础2
H
M
L
M
L
高等数学A(上)
M
M
H
高等数学A(下)
M
L
H
大学物理B实验
M
M
H
大学物理B
M
L
H
工程数学
H
M
L
数据结构与算法
M
H
L
M
L
计算机网络
H
M
H
M
L
面向对象程序设计
M
H
M
H
M
概率论与数理统计
H
M
M
L
数据仓库与数据挖掘
H
L
H
M
M
离散数学
M
M
H
L
数据库
技术
L
M
L
M
H
操作系统
H
M
H
M
L
云计算与大数据平台
H
H
M
L
M
M
M
专业实训1
M
L
M
H
H
专业实训2
M
L
M
H
H
专业实训3
M
L
M
H
H
毕业实习
M
H
H
M
M
毕业设计
M
H
H
M
M
M
形势与政策
L
M
H
职业发展与规划
M
H
L
L
职业素养提升与就业
指导
H
M
L
M
创新创业
基础
M
H
L
H
M
数据采集与网络爬虫
技术
M
M
M
NoSQL数据库技术
M
M
M
大数据分析
H
M
大数据
可视化
M
H
大数据开发核心技术
H
M
M
Scala程序
设计
H
M
M
Spark大数据开发
H
M
M
大数据管理
H
M
M
H
L
公共云理论与实践
M
L
M
L
M
云计算服务端系统开发
M
M
H
L
分布式应用开发技术
M
L
M
L
M
公共云高性能和安全技术应用
M
L
M
L
H
L
数据挖掘与处理
L
M
M
H
JavaWeb
云端开发
M
M
H
L
机器学习
M
H
L
L
M
M
人文社科类
L
H
M
L
三、基准学制四年
四、授予学位工学学士
五、主干学科软件工程、计算机科学与技术
六、核心课程
面向对象程序设计、工程数学、数据结构与算法、计算机网络、数据库技术、离散数学、操作系统、云计算基础、概率论与数理统计、数据仓库与数据挖掘。
七、课程设置结构及学分要求
本专业毕业最低学分为160学分。
学生在校期间另需完成4学分生活思政(含劳动教育)内容,该教学内容由学生工作部负责落实完成。
课程类别
课程性质
学分
比例
备注
基础课程
必修课程
56
35.00%
选修课程
7
4.38%
小计
63
39.38%
核心课程
必修课程
37
23.12%
模块课程
必修课程
18
11.25%
限修课程
18
11.25%
选修课程
14
8.75%
小计
50
31.25%
素质拓展
课程
必修课程
6
3.75%
选修课程
4
2.50%
小计
10
6.25%
总计
160
100.00%
其中:
实践教学
课程
集中性实践教学环节学分
28
17.50%
★
独立设置实验(含实训)教学环节学分
9.5
5.94%
■
非独立设置实验(含实训)教学环节学分
35.5
22.19%
●
素质拓展课程实践学分
4
2.50%
◆
小计
77
48.13%
创新创业
教育课程
必修课程
16
10.00%
▲
限修课程
2
1.25%
选修课程
8
5.00%
小计
26
16.25%
数据科学与大数据技术专业教学安排表
课程
类别
课程
代码
课程名称
学分构成
周学时构成
学期
备注
修读
学分
要求
总学分
理论
实践
理论
实践
基
础
课
程
1J10617
思想道德修养与法律基础
IdeologicalandMoralCultivationandLawFoundation
3
3
3
1
必修
56
学分
1J10807
中国近现代史纲要
OutlineofModernChineseHistory
2
2
2
2
1J10937
马克思主义基本原理概论
OverviewofBasicPrinciplesof
arxism
3
3
3
3
1J10965
毛泽东思想和中国特色社会主义理论体系概论
MaoZedongThoughtsandChineseCharacteristicSocialismSystem
4
4
4
4
1J12035
思想政治理论课实践
Practiceofideologicalandpoliticaltheory
2
2
2
1-4
连暑假
■
1J12085
军事理论
Militarytheory
2
2
2
2
1J12095