级数据科学与大数据技术专业培养方案

2018级数据科学与大数据技术专业培养方案

专业代码：080910T

一、培养目标

本专业面向金融大数据、商务大数据、工业大数据和政府政务大数据的处理、分析和应用需求，培养具备扎实的数学与计算机科学基础、基于统计与优化的数据分析与建模能力、基于专业化行业知识的数据应用解决方案设计能力，未来能够立足金融机构、工商企业、政府部门等不同行业，从事数据分析与管理决策工作，具备“信、敏、廉、毅”素质的创新创业型人才。

二、毕业生要求

本专业毕业生需达到相应的知识、能力、素质要求，具体要求及分解指标如表1所示。

三、培养特色

（1）深化培养学生的数学与计算机编程基础（厚基础）：为使学生未来具备较强可塑性，大一大二学年拓展学生数学知识学习的深度和广度，并要求学生熟练运用C语言和Java面向对象编程，为学生学习数据分析相关专业课程和应用软件奠定坚实基础。

（2）加强培养学生基于统计与优化的数据分析能力（强能力）：开设多元统计分析、随机过程、时间序列分析、数学建模、运筹学、最优化理论与算法、数据挖掘与分析、机器学习等统计、优化和数据分析核心课程，并要求学生能够基于Python语言或者SAS、SPSS、

表1 数据科学与大数据技术专业毕业要求分解指标

Matlab和R等数据分析软件进行数据分析实战。

（3）突出数学、计算机科学与工商、财经管理等不同学科的交叉融合（宽口径）：开设现代金融工程、金融风险分析、量化投资分析、商务与政务智能决策、工业大数据管理等课程，为学生提供不同的专业化行业知识和教学案例，培养学生面向不同行业背景的综合数

据分析与管理决策能力。

（4）重视学生面向不同行业和数据现状的数据解决方案设计的应用实践（重实践）：在课程体系中设置多种形式的实践环节，通过大数据分析实训平台进行多样化案例教学，辅导学生参加数学建模、数据分析和计算机作品等不同形式的实践竞赛，并充分利用校外实习基地，加强校企合作，促进产学研结合。

四、主干学科

主干学科：数学、统计学、计算机科学。

五、核心课程

专业核心课程：程序设计语言、数据库原理与技术、数据结构、并行与分布式计算、Hadoop/Spark大数据开发技术、算法分析与设计、管理统计学、计量经济学、随机过程、时间序列分析（双语）、数学建模、运筹学、最优化原理与算法、数据挖掘与分析、机器学习与人工智能、网络爬虫、数据可视化、数据分析软件应用；

特色方向课程：西方经济学、现代金融工程、资产定价：理论及应用、金融风险分析（双语）、量化投资分析、智能决策方法、工业大数据管理。

六、实践教学环节

实践性教学环节由实验（上机）模块、实习实训模块、论文（设计）模块、以及课外科研创新创业实践活动模块四个环节构成。

（1）实验（上机）模块主要包括：C语言程序设计基础、数据结构、面向对象程序设计、算法分析与设计、Linux操作基础、并行与分布式计算、数据库原理与技术、大数据开发技术、数学建模、管理统计学、时间序列分析、数据挖掘与分析、机器学习与人工智能、网络爬虫、数据可视化、金融风险分析、量化投资分析、数据分析软件应用等课程。

（2）实习实训模块包括：实习环节主要包括军事训练、毕业实习等环节；实训环节主要包括程序设计实训、专业实训I和专业实训II等环节，均安排在二阶段，主要包括C语言程序设计实训、Java 面向对象程序设计实训、数学建模实训和大数据教学平台案例分析实训。

（3）论文（设计）模块包括：学年论文1学分，毕业论文6学分。课外科研创新实践活动模块包括：数学建模、学科竞赛及创业技能竞赛、学术论文、科技作品、发明创造、校园文化活动、职业资格与技能训练、社会实践、社会工作等构成

七、毕业学分要求

本专业学生须按培养方案要求修读各类课程，总学分最低修满168学分，其中课堂教学142学分，课外实践环节（即实习实训、论

文设计、科研创新实践）不少于26学分，方可毕业。各模块课程学分要求及分布详见表2所示。

表2 数据科学与大数据技术专业学分要求

八、学制及授予学位

本专业学制4年，实行弹性学习年限，3~6年修满学分可以毕业。学生修满规定学分，达到毕业要求后，发给毕业证书，符合国家和学校学士学位授予条件的毕业生，授予理学学士学位。

九、课程体系流程图

本专业课程体系流程图如图1所示。

表示专业主干课程表示学科基础课程

表示实践课程表示通识课程图1 数据科学与大数据技术专业课程体系流程图

十、与毕业生要求对应的课程矩阵

与毕业生要求对应的课程矩阵如表3所示。

表3 与毕业生要求对应的课程矩阵

7

8

9

10

十一、说明

本专业与信息与计算科学（经济计量）专业实施大类培养；各学期课程教学计划见《2018级数据科学与大数据技术专业指导性教学计划》。

院领导签名：方案修订人签名：

单位盖章

11