太阳集团tcy8722(百度Vip认证)官方网站

导航菜单
太阳集团tcy8722
新闻中心
专题报道
学院通知
教办通知
研办通知
招生通知
学办通知
学生天地
就业信息
学术动态
学院概况
学院简介
机构设置
现任领导
王湘浩奖学金
招生信息
本科招生
全日制研究生招生
非全日制研究生招生
联系我们
本科生教学
教学方案
实验中心
实践教学
研究生教育
研究生培养
学位授予
研究生管理
学生工作
学生党建
团学组织
日常事务
学风及考风
奖贷助补减
大创、竞赛
学生就业
心理健康
国际交流
联合培养
合作交流
出国出境
English
Introduction

数据科学与大数据技术专业(第二学位)培养方案(2020版)

发布者: [发表时间]:2020-11-26 [来源]:教务办 [浏览次数]:

一、培养目标

培养适应社会主义现代化建设和未来社会与科技发展需要的,德智体美全面和谐发展与健康个性相统一,富有良知和社会责任感,具有创新精神、实践能力和国际视野,具备扎实的数据科学和计算机知识技能、具备人工智能基础知识,掌握大数据分析与处理技术,能够运用专业知识分析和解决大数据领域的复杂工程问题,并依据工程需要自发学习和优化自身理论知识体系等一系列综合能力的高层次、复合型人才。

学生毕业后可在相关学科领域继续深造,或在信息技术相关领域胜任大数据算法实现、数据分析、软件设计开发等工作,以及大数据相关理论研究、新方法和新技术研发等探索性工作。

本专业毕业生在信息技术相关专业领域经过五年的实践锻炼,能够具备大数据分析挖掘能力、大数据系统架构设计能力,具有较强国际竞争和创新能力。预期能够从事数据科学研发、智能算法设计、大数据分析、大数据系统架构、大数据系统管理等工作。

二、毕业要求

1.掌握从事本专业工作所需的数学和其他相关的自然科学、知识,工程基础和专业知识,并能够运用这些知识解决复杂工程问题。

2.能够应用数学科学、统计学、计算机科学和大数据技术专业知识的基本原理,识别、表达、并通过文献研究分析复杂工程问题,并结合专业知识进行有效分解能力。

3.能够综合运用所掌握的专业知识、方法和技术,针对复杂工程问题的解决方案,设计满足特定需求的数据分析系统,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。

4.能够基于数据科学和计算机学科相关科学原理和方法对复杂工程问题进行研究,包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。  

5.具有针对复杂工程问题,开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具的能力,包括对复杂工程问题的预测与模拟,并能够理解其局限性。

6.能够基于工程相关背景知识进行合理分析、评价本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。

7.能够理解和评价针对复杂工程问题的大数据系统应用对环境、社会可持续发展的影响。

8.了解与本专业相关的职业和行业、环境保护和可持续发展等方面的法律法规及方针政策,具有良好的人文社会科学素养、职业道德、心理素质和社会责任感,并在工程实践中遵守职业道德和规范,履行相应责任。

9.具有一定的组织管理能力、独立工作和团队合作能力,能够适应和承担团队中的各种角色。

10.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。

11.掌握一定的经济学、管理学和某一应用领域的相关知识,并能在多学科环境中应用。

12.具有自主学习和终身学习的意识,能够通过各种途径获取相关信息和新知识新技术的能力。

13.掌握体育运动的一般知识和基本方法,形成良好的体育锻炼和卫生习惯。

三、主干学科及主要课程

主干学科:计算机科学与技术、软件工程、

核心课程:数据结构、离散数学、操作系统原理、数据库系统原理、计算机网络、统计计算、并行与分布式计算、数据仓库与数据挖掘、人工智能、机器学习等。

主要实践性教学环节:课程实验、课程设计、综合性实践。

主要专业实验:程序设计基础课程设计,数据结构课程设计,Linux实践,数据管理综合实践,分布式计算综合实践,大数据技术实训,智能算法综合实训。

四、专业特色与专业方向

第二学士学位教育作为大学本科后教育,是培养复合型人才的重要渠道,能够丰富学生的专业结构,提升专业技能,增强就业创业能力。

数据科学与大数据技术专业是具有交叉性、先进性、创新性的学科,实践特色明显。专业建设坚持学生中心、成果导向、持续改进工程教育认证的引领性前沿理念,通过建构数据思维和智能算法知识体系,紧跟产业发展动态,注重实践解决复杂工程问题能力,培养熟悉智能算法,掌握数据分析与处理技术,具备跨界学习能力,面向未来产业发展的工程人才。

五、修业年限

两年

六、学位授予

理学(第二学位)

七、毕业合格标准

1、具有良好的思想道德和身体素质,符合学校规定的德育和体育标准。

2、在修业年限内,通过培养方案规定的全部教学环节,达到本专业各环节规定的总学分。

专业指导性教学计划及其进程表

课程类别

课程性质

课程名称

学分

考核性质

总学时

实验学时

开课学期

备注

学科基础课

必修课

数字逻辑

2.5

考试

42

1

上半学期

计算机组成原理

3

考试

48

1

下半学期 

数据结构

4.5

考试

80

16

1

离散数学

4

考试

64

1

数据科学概论

3

考试

48

2

操作系统原理

3.5

考试

64

16

2

数据库系统原理

3

考试

52

2

Python程序设计

3

考试

48

2

数学建模与计算方法

3

考试

48

2

计算机网络

3

考试

48

2

32.5

542

32

选修课

面向对象程序设计

3.5

考试

64

16

2

至少选修6学分

Java程序设计

3

考试

64

32

2

算法分析

3

考试

48

16

2

组合数学

2

考查

32

2

小计

6

96

专业教育课

必修课

统计计算

4

考试

64

3

数据仓库与数据挖掘

2.5

考查

48

16

3

并行与分布式计算

3

考试

48

3

人工智能

2

考试

32

3

大数据分析技术

3

考试

48

4

机器学习

3

考试

48

4

分布式存储

3

考试

48

4

小计

20.5

336

16

神经网络

2.5

考查

48

16

3

网络搜索引擎

2

考查

32

3

深度学习

2

考查

32

4

数据抽取及融合

2

考查

32

4

自然语言处理

2

考查

32

4

数据安全与隐私保护

2

考查

32

4

小计

10

160

其他选修课见数据科学与大数据技术普通本科方案,至少选修10学分

专业实践教学环节安排表

实践环节类别

实践环节名称

学分

周数(学时)

学期

大专业学期

专业实践环节

程序设计基础课程设计

1

832学时)

1

2

数据结构课程设计

1

832学时)

3

3

Linux实践

1

832学时)

3

3

数据管理综合实践

1

832学时)

3

4

分布式计算综合实践

2

1664学时)

3

5

大数据技术实训

2

1664学时)

4

6

智能算法综合实训

2

1664学时)

4

6

合计

11

专业学时、学分分配表

纵向结构

学时

百分比

%

学分

百分比

%

横向结构

学时

百分比

%

学分

百分比

%

通识教育课程

必修课

878

77.4%

53

76.8%

学科基础课程

638

56.3%

38.5

55.8%

专业教育课程

496

43.7%

30.5

44.2%

选修课

256

22.6%

16

23.2%

小计

1134

100%

69

100%

小计

1134

100%

69

 100%

独立实践环节

10学分

合计

79学分