应用统计学专业大数据方向人才培养方案..doc
2024级大数据技术与应用专业人才培养方案
2024级大数据技术与应用专业人才培养方案
一、项目背景
随着数据量的不断增加，大数据技术涌现出新的发展机遇，但是，我们在培养大数据技术专业人才方面还存在一些问题：学校教学资源有限，师资力量薄弱；学生如何掌握大数据技术，懂其原理、应用和开发？
为了解决上述问题，我们为2024级的大数据技术专业学生制定了大数据技术与应用专业人才培养方案，以提高大数据技术专业学生的素质，满足大数据技术应用的市场需求。
二、目标
本专业人才培养方案旨在培养具有大数据技术和应用能力的高素质应用型人才，同时具备自学能力，分析问题、推理解决问题、系统思维、服务意识和团队协作等能力。
三、培养计划
1、基础理论课程：本专业人才培养方案要求大数据技术专业学生系统学习数学、计算机科学、管理学等基础理论课程，以打好基础。
2、基础技能课程：学生需要掌握大数据处理、数据挖掘、数据可视化、数据安全等基本知识，熟练掌握数据库和编程技能，以及云计算、移动应用等最新技术。
3、拓展学习课程：学生需要学习机器学习、算法、互联网技术，要熟悉流行的开源框架，增强应用能力。
2024年级大数据技术和应用专业人才培养方案说明
2024年级大数据技术和应用专业旨在培养具有扎实的计算机科学和数据科学基础知识、熟练掌握大数据技术和工具、具备良好的数据分析和挖掘能力、以及具备跨学科综合应用能力的高级专门人才。
专业课程设置全面，内容涵盖计算机科学、数据科学、数学、统计学等相关领域知识，旨在培养学生具备核心的大数据技术能力和应用实践能力，具有高度创新精神和实践能力，能在大数据领域中胜任从事新型信息技术研究与开发工作。
专业课程设置包括但不限于：数据结构、数据库系统、数据挖掘、机器学习、计算机网络、云计算、分布式系统、大数据技术、自然语言处理、图像处理、数据分析与可视化等。
同时，还将开设英语、数学、统计学等基础必修课程，以及专业选修课程和实践课程，如大数据处理实践、数据挖掘应用实战、大数据分析综合实验等，致力于让学生全面掌握大数据技术和工具，具备良好的数据分析和挖掘能力。
为了培养学生跨学科综合应用能力和创新精神，教学中将注重理论与实践相结合，开展项目驱动式教学、实验教学、案例教学等多种教学方式，引导学生运用所学知识和技能解决实际问题，提高学生的分析、设计和解决问题的能力。
同时，将通过校企合作、实习实训、实践教学等形式，培养学生具备较强的实践动手能力和创新精神，在真实工程项目中锻炼学生的解决问题能力和综合素质。
为了更好地培养学生的综合素质和创新能力，专业还会开设创新创业教育课程、综合素质训练等，引导学生培养团队协作精神、创新意识和实践能力，使学生具备较强的综合素质和创新创业能力。
并将通过毕业设计、关键技术攻关等实践环节，培养学生的工程实践能力和问题解决能力，提高学生的综合素质和实践能力，培养学生具备在大数据领域从事科研、开发和管理工作的能力。
综上所述，2024年级大数据技术和应用专业人才培养方案注重培养学生的大数据技术能力和应用实践能力，同时注重学生跨学科综合应用能力和创新精神的培养，以培养高素质的专门人才为宗旨，为学生未来的发展和职业规划打下良好的基础。
大数据专业人才培养方案
大数据专业人才培养方案大数据技术已经成为当今互联网时代的核心领域，同时也成为了各行各业发展的重要驱动力。
为了满足社会对大数据人才的需求，各高校相继开设了大数据相关专业。
本篇文章将探讨大数据专业人才培养方案的制定与落实，以期为相关机构提供参考。
一、培养目标大数据专业人才的培养要达到的目标是，培养具备数据分析、数据挖掘及人工智能等相关技能，能够运用大数据技术解决实际问题的专业人才。
此外，还应具备良好的英语听说读写能力、较高的计算机技术水平及较强的逻辑思维能力。
二、课程设置大数据专业人才的培养离不开课程的设置。
一门大数据专业课程的设置应包含以下内容：1. 数据库技术：包括数据库管理、数据仓库、数据集成等内容。
2. 数据分析与挖掘：包括统计分析、数据处理、数据挖掘算法等内容。
3. 人工智能：包括人工智能基础、数据科学、及人工智能的各种应用等。
4. 计算机基础：包括计算机程序设计、计算机体系结构、操作系统等内容。
5. 英语语言：包括英语阅读、听力、口语和写作等技能。
三、实践教学实践教学是大数据专业人才培养的重要环节。
实践教学内容应包括以下几个方面：1. 大数据实战项目：学生需要完成一系列的大数据实战项目，包括数据处理、数据分析、数据挖掘等。
2. 大数据实验：学生需要完成大量的实验，包括数据预处理、数据分析及挖掘等。
3. 校外实习：学生需要到企业或机构实习，进行大数据相关工作的实践操作。
四、师资队伍大数据专业人才培养的核心在于师资队伍的水平。
一个优秀的大数据专业师资队伍应具备以下几个方面的特征：1. 知识面广泛：教师必须具备数据科学、计算机科学、数学以及经济学等学科的知识。
2. 经验丰富：教师应有从事数据分析、数据挖掘等大数据项目经验。
3. 科研实力强：教师应该拥有扎实的科研基础，能够为学生提供前沿的大数据知识。
五、总结本文提出了大数据专业人才培养方案的一些基本思路，包括培养目标、课程设置、实践教学和师资队伍建设。
大数据管理与应用专业人才培养方案
大数据管理与应用专业人才培养方案1. 引言嘿，朋友们！今天咱们聊聊“大数据管理与应用”这个专业。
这可不是空穴来风，而是现在的热门领域，简直是如火如荼，势头正劲。
你知道吗？数据就像沙漠里的水，越是稀缺的东西，越是被大家争抢。
咱们来看看，这个专业到底需要培养些什么样的人才吧！2. 人才培养目标2.1 核心技能首先，咱们得明确，培养的人才可不是只会看数据的小白。
我们需要的是懂得数据背后故事的人，能把数据变成有用的信息。
就像古人云：“纸上得来终觉浅，绝知此事要躬行。
”所以，实践是很重要的！学生们要在课堂上学到的，不仅仅是理论知识，更要能把这些知识用到实际工作中去。
数据挖掘、分析、可视化，统统要在手边，能说会道，才能让数据“开口说话”。
2.2 多学科融合其次，这个专业也要多学科的融合。
现在的社会可不是单一的世界，咱们需要复合型人才，能在不同的领域中游刃有余。
比如，了解一些计算机技术的学生，要能和商业、管理、市场营销等其他学科的知识结合，才能更好地服务于企业的需求。
试想一下，如果一个学生只会数据分析，却不懂得商业逻辑，那就像一只没有方向的船，肯定驶不远嘛。
3. 课程设置3.1 必修课程好啦，接下来咱们聊聊课程设置。
必修课绝对是重头戏！数据结构、数据库管理、统计学，这些课程就像是学生的“粮草”，打好基础非常重要。
而且，随着技术的不断发展，像人工智能、大数据处理等课程也逐渐成为热门。
老师们会给学生们带来最新的行业动态，让他们时刻保持“与时俱进”的状态，简直是“跟上时代”的绝佳选择！3.2 实践环节当然，光有理论可不行，实践环节也是必不可少的。
想象一下，学生们在实验室里跟着老师进行真实的项目实训，哇，那场面简直不要太热闹！通过实际操作，学生们可以更好地理解课堂上学到的知识，真正做到“知行合一”。
而且，大家可以在这个过程中结识志同道合的小伙伴，建立起一份珍贵的友谊，真是一举两得呀！4. 就业前景4.1 行业需求说到就业前景，这个专业绝对是“金饭碗”呀！随着企业对数据的重视，很多公司都急需专业的人才来处理和分析数据。
大数据人才培养方案
大数据人才培养方案导言随着大数据时代的到来，大数据技术与应用的需求日益增长。
为满足大数据领域的人才需求，制定一套完善的大数据人才培养方案势在必行。
本文将提出一套以培养大数据专业人才为目标的培养方案。
培养目标大数据人才培养方案的培养目标主要包括以下几个方面：1.掌握大数据技术和工具：学员应具备扎实的大数据技术和工具的理论知识，熟悉各种大数据处理和分析工具的使用。
2.具备数据科学思维：学员应具备数据科学思维和数据分析能力，能够从海量数据中提取有用信息，进行数据建模和预测分析。
3.掌握数据架构设计和实施能力：学员应具备数据架构设计和实施能力，能够构建适合大数据处理的数据存储和计算架构。
4.具备跨学科综合应用能力：学员应具备较好的跨学科综合应用能力，能够将大数据技术应用于各个领域，解决实际问题。
5.具备团队合作和沟通能力：学员应具备良好的团队合作和沟通能力，在团队项目中能够积极参与，有效协作。
培养内容大数据人才培养方案的培养内容主要包括以下几个方面：基础理论知识•数据挖掘与机器学习：学员应学习数据挖掘和机器学习的基本理论和方法，掌握数据预处理、特征选择、模型训练和评估等技术。
•大数据处理和分析：学员应学习大数据处理和分析的基本理论和方法，包括分布式计算、大数据存储、数据清洗和数据可视化等技术。
•数据架构设计和实施：学员应学习数据架构设计和实施的基本理论和方法，包括数据模型设计、数据仓库设计和数据集成等技术。
•数据安全与隐私保护：学员应学习数据安全和隐私保护的基本理论和方法，了解数据加密、访问控制和隐私保护等技术。
实践能力培养•实验和项目实践：学员应参与大数据实验和项目实践，掌握大数据处理和分析工具的使用，熟悉大数据架构的设计和实施过程。
•跨学科综合实践：学员应参与跨学科综合实践项目，将大数据技术应用于各个领域，解决实际问题，培养综合应用能力和创新能力。
团队合作与沟通能力培养•团队项目实践：学员应参与团队项目实践，锻炼团队合作和沟通能力，学会团队合作中的角色分工、任务分配和协作方式。
中南财经政法大学研究生培养方案-专业型硕士-应用统计(大数据方向).
本 学 科 主 要 文 献 、 目 录 及 刊 物 （ 选 填 ） ≥ 30 本 ， 需 1-2 门 马 列 经 典 原 著 序 号 1 2 3 4 5 6 著作或期刊名称 科学研究方法 资本论 马克思主义哲学导论 金融计量学——从初级到 高级建模技术 计量经济学导论： 现代观点 作者 吴智晖 [德 ]马 克 思 著 李 睿译 吴琢 [德]维特夫 等著， [主译]曲春青 [美]杰弗里·M·伍德 里奇 苏良军 出版社 中国林业出版社 武汉出版社 当代中国出版社 东北财经大学出版社 中国人民大学出版社 出版时 间 2012/09 2010 2002 2012 2015 2007 考核方 式 考查 考查 考查 考查 考查 备注 （ 选 读 /必 读 ） 选读 选读 选读 选读 选读
中国特色社会主义理论与实践研究 马克思主义与社会科学方法论 第一外国语课程
公共选修课 21132006 学科基础课 21132007 21133036 21133041 21133002 专业课 21133037 21133038 21133039 21133043
专硕无要求 大数据分析统计基础 大数据分析计算机基础 多元统计分析专题（大数据分析） 应用时间序列分析 中级计量经济学 大数据挖掘与机器学习 大数据分布式计算 应用统计大数据案例分析 统计计算与软件 3 2 2 3 3 4 2 3 3 ≥ 51 34 34 51 51 68 34 51 51 ≥ 4 4 4 4 4 4 4 4 4 1 1 2 2 2 1 2 2 1
大数据专业人才培养方案
大数据专业人才培养方案随着信息技术的迅猛发展，大数据已经成为当今社会的关键词之一。
大数据技术的广泛应用对于企业和组织来说具有重要意义，因此需要大数据专业人才的培养。
本文将提出一份大数据专业人才培养方案，旨在为培养具备综合技术素养和专业实践能力的大数据专业人才提供指导。
一、培养目标1.综合素质培养：培养学生具备扎实的数学、统计学基础，掌握数据分析和挖掘方法，具备良好的逻辑思维和问题解决能力。
2.专业知识培养：培养学生熟悉大数据相关的技术和工具，包括数据存储、分布式计算、机器学习等，掌握数据采集、清洗、分析和可视化的能力。
3.实践能力培养：通过课程设计、实验项目和实习等方式，培养学生具备大数据项目的实际操作和解决实际问题的能力。
二、课程设置1.基础课程（1）数学基础：包括高等数学、概率论与数理统计等，为后续专业课程打下坚实基础。
（2）计算机基础：包括计算机组成原理、数据结构与算法、数据库原理等，为后续的大数据技术课程做好铺垫。
2.专业核心课程（1）大数据技术与工具：包括Hadoop、Spark、NoSQL数据库等，学生通过实际操作和案例分析来掌握大数据相关的技术和工具。
（2）数据挖掘与机器学习：学生学习数据挖掘和机器学习的基本理论和算法，并通过实际项目来应用这些技术解决实际问题。
3.实践项目与实习（1）实践项目：学生通过参与实际的大数据项目，进行数据采集、清洗、处理、分析和可视化等工作，提升实际操作能力和团队协作能力。
（2）实习：学生通过参与企业的大数据项目实践，了解实际工作环境，提高解决实际问题的能力和综合素质。
三、培养模式1.理论与实践相结合：注重培养学生的实际动手能力，通过案例分析、实验项目和实践探究等方式，将理论知识与实际应用相结合。
2.团队合作培养：鼓励学生参与团队项目，提升团队协作和沟通能力，培养学生在团队中发挥领导和协调作用的能力。
3.导师指导和评估：每位学生配备专业导师，定期进行学术指导和个人成长评估，帮助学生规划学习和职业发展路径。
2017级大数据技术与应用专业人才培养方案(精编文档).doc
【最新整理，下载后即可编辑】附件：2017年大数据技术与及用人才培养方案一、培养目标本专业培养适应生产、建设、服务和管理第一线需要的，德、智、体、美等方面全面发展的，具有大数据行业对应岗位必备的科学文化知识及相关专业知识，以大数据系统运维与管理、数据处理、数据分析、应用系统开发能力为目标，系统掌握大数据技术与应用专业基本理论、大数据分析挖掘与处理、移动开发与架构、软件开发、云计算技术等前沿技术，旨在培养适应新形势下新兴的“互联网+”专业，具有良好职业道德和敬业精神的高素质技能型专门人才。
二、学制及招生对象（一）学制：三年（二）招生对象：高中毕业生和中职毕业生三、人才培养规格（一）职业面向、预期工作岗位名称1.主要岗位本专业大数据基础类岗位：大数据文档编写、大数据采集清洗与转换；大数据技术类岗位：大数据系统搭建与运维、海量数据库管理、大数据软件开发、大数据可视化、大数据分析；2.相关岗位大数据销售服务类岗位：大数据营销、大数据呼叫、大数据售后服务。
3.进阶岗位大数据技术公司管理岗位和高级技术岗位（二）起薪标准4500元/月（三）人才质量标准1.知识要求毕业生应具有大数据技术与应用专业必要的基础理论知识，掌握从事本专业领域实际工作的基本能力和基本技能；具备适应生产、管理、服务一线岗位需要的工作能力，具备良好的职业道德与素养。
①掌握本专业培养目标所要求的基础理论知识、专业知识和技能；②具备一定的英语知识，能够借助工具书阅读理解本专业所使用的常用计算机英语，包括技术性文档和资料；③掌握计算机方面的专业基础知识，能适应信息化建设；④掌握Linux平台下大数据平台搭建，数据库系统搭建、优化、管理等方面的专业技能；⑤掌握大数据技术与应用专业基本的专业技能，能满足大数据岗位的基本素质。
2.能力要求通过三年的学习，学生应具备从事本专业领域相关工作的能力。
①熟练操作办公自动化软件；②具备计算机组装、计算机软硬件故障的判断与定位以及故障排除的能力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
应用统计学专业（大数据方向）人才培养方案 学科门类：理学 二 级 类：统计学类 专业代码：071202 英文名称：Applied Statistics（Big data） 一、专业培养目标 本专业培养德、智、体、美全面发展，掌握数学、统计学和经济学等相关学科的基本理论和知识，具备运用统计方法和大数据处理技术，利用计算机处理和分析数据的能力，能在企事业、经济、金融、保险等部门从事数据采集、预处理、数据挖掘、大数据应用分析及开发、数据可视化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）掌握计算机的基础知识。 （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。 （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。 （4）具有社会学、文学、哲学和历史学等社会科学基本知识。 （5）掌握经济学、管理学的基本理论知识。 （6）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。 （7）具有坚实的数学理论基础。 （8）了解与统计学相关的自然学科的基本知识，具有坚实的统计学和经济学理论基础。 （9）掌握统计学的基本思想和方法，熟悉统计政策和法规； （10）理解大数据技术领域的基本理论和基本知识。 （11）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。 （12）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。 2、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。 （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。 （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。 （4）能熟练使用统计软件并具备一定的编程能力,并且能正确利用统计思想和方法分析判断软件的计算结果。 （5）具备应用统计方法解决企事业、经济、金融、保险等领域实际问题的能力。 （6）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。 （7）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。 （8）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。 （9）具有一定的独立工作能力、人际交往能力和团队合作能力。 3、素质结构 （1）掌握马列主义、毛泽东思想、邓小平理论和“三个代表”重要思想的基本原理，树立辩证唯物主义、历史唯物主义和科学发展观的基本观点。 （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。 （3）具有爱岗敬业、艰苦奋斗、团结合作的优秀品质。 （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。 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
课程设置 其他（如教学方式、技能竞赛等） 知识结构 1、掌握计算机的基大学计算机基础、C语言程全国计算机设计大赛、大学生数 础知识。 序设计、数据库技术及应用、数学建模与实验、计算机体系结构、计算机编译原理 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、掌握经济学、管理学的基本理论知识。 宏观经济学、微观经济学、管理学 学术报告及讲座
6、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
7、具有坚实的数学理论基础。 高等数学、线性代数、数理科技类通识教育选修课 学术报告及讲座
8、了解与统计学相关的自然学科的基本知识。 运筹学、离散数学、数据挖掘、数值分析、会计学 学术报告及讲座、社团活动
9、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，熟悉统计政策和法规。 概率论与数理统计、应用回归分析、应用多元统计分析、应用时间序列分析、抽样调查、应用随机过程、统计计算、统计法基础、统计工作实务 学术报告及讲座
10、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、数据库技术与应用、操作系统原理及应用 学术报告及讲座
11、掌握大数据科大数据应用开发语言、大学术报告及讲座 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。 数据导论、 12、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。 数据分析、数据仓库与挖掘技术、分布式数据库原理与应用、大数据分析与内存计算、数据可视化技术
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。 抽样调查、试验设计、市场调查与分析、统计预测与决策、网络数据的采集和处理、
大学生市场调查与分析大赛、学术报告及讲座
4、能熟练使用统计软件并具备一定的编程能力,并且能正确利用统计思想和方法分析判断软件的计算结果。 统计计算及软件、R语言程序设计、Python语言程序设计、统计诊断 大学生统计建模竞赛、学术报告及讲座
5、具备应用统计方法解决企事业、经济、金融、保险等领域实际问题的能力。 经济统计学、金融统计学、统计案例选讲、统计咨询 学术报告及讲座
6、了解相关的技术专业见习、毕业实习、数学术报告及讲座 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。 据预处理实践、数据仓库与挖掘技术、大数据分析与内存计算、大数据应用开发语言
7、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、大数据应用开发语言、商务智能方法与应用
学术报告及讲座
8、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
9、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、掌握马列主义、毛泽东思想、邓小平理论和“三个代表”重要思想的基本原理，树立辩证唯物主义、历史唯物主义和科学发展观的基本观点。
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
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 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。
四、主干学科 数学 统计学 经济学 五、专业核心课程 高等数学、线性代数、概率论与数理统计、微观经济学、宏观经济学、管理学、统计学导论、应用回归分析、应用多元统计分析、应用时间序列分析、应用随机过程、数据结构。
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