2018级数据科学与大数据技术专业培养方案.doc

PAGE PAGE 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 毕业要求 指标 知识要求 指标点 1-1：具备良好的数学基础和规范、严谨的数学思维， 比较全面掌握数学的基本知识、基本理论和基本技能； 指标点 1-2：熟练掌握基于统计和优化的数据分析的基本思路、 基本理论与基本方法，以及相关的算法编程、测试和软件应 用技能； 指标点 1-3：以金融风险分析和量化投资分析基本知识和基本 理论为背景，同时兼顾工商业和政府政务专业化行业知识， 熟练掌握与行业应用相关的数据分析、建模和实践技能； 指标点 1-4：较熟练地掌握一门外语，具有一定的听、说、读、 写能力。 能力要求 指标点 2-1 计算机编程与算法设计能力：具有较强的计算机 编程和算法设计能力，以及网络数据采集能力； 指标点 2-2 数据分析与建模能力：具有熟练应用统计与优化 方法进行数据分析与建模能力，进而提供管理决策支持； 指标点 2-3 实践应用能力：面向不同行业需求和数据现状， 具备个性化的数据应用解决方案设计能力，进而实现业务资 源优化配置； 指标点 2-4 自主学习能力：能够根据学习和研究需要，掌握 文献检索、资料查询的基本方法，具有较强的自主学习能力； 指标点 2-5 团队协作能力：具有较强的逻辑思维和语言、文 字表达能力、交流沟通能力和团队协作能力； 指标点 2-6 创新思维能力：了解本专业和本学科的理论前沿 及发展动态，具备基本的科学研究能力和一定的创新能力。 素质要求 指标点 3-1：具有良好的思想政治素质，树立正确的世界观、 人生观、价值观； 指标点 3-2：具有较强的法律意识、强烈的社会责任感、良好 的职业道德、团队协作精神和社会适应能力； 指标点 3-3：具有健康的体魄、良好的心理素质、和谐的人际 关系，以及一定的人文、艺术素养。 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