设为首页 加入收藏

TOP

数据科学与大数据技术专业本科人才培养方案
2021-03-10 08:56:10 来源: 作者: 【 】 浏览:

数据科学与大数据技术专业本科人才

培养方案

学科门类:工学    专业代码:080910T

一、培养目标

本专业培养大数据科学与工程领域的复合型中高级技术人才。毕业生熟练掌握大数据采集、处理、分析与应用的技术与核心技能,能够承担企事业、社会组织等部门的信息管理与信息咨询服务,具备大数据处理、挖掘、可视化、大数据系统集成、管理维护等能力。

二、培养要求

本专业学生主要学习自然科学和人文社科基础知识,学习计算机科学、大数据科学相关的基础理论和基本知识。具有良好的创新和创业意识、竞争意识和团队精神,具有良好的外语基础。

毕业生应获得以下几方面的知识和能力:

1.掌握基本的人文和社会科学知识,具有良好的人文社会科学素养、职业道德和心理素质,社会责任感强;

2.掌握从事本专业工作所需的数学、统计学及其他相关的自然科学、系统科学知识;

3.掌握数据科学与大数据技术所需要的计算机、网络、数据处理等相关学科的基本理论和基本知识;

4.掌握数据采集、清洗、存储、分析、挖掘和可视化的方法,具备从事相关工作的能力;

5.具备整合不同数据源,不同结构类型数据的能力和探索数据背后价值的能力;

6.经过系统化的训练,具有参与大数据开发项目的经历,具备作为大数据工程师从事工程实践所需的专业能力;

7.掌握市场需求的数据管理、数据分析与数据挖掘等方面的核心技能;

8.具有综合运用掌握的知识、方法和技术解决实际问题的能力;

9.充分理解团队合作的重要性,具有个人工作和团队协作的能力、人际交往和沟通能力以及一定的组织管理能力;

10.具有初步的外语应用能力、掌握相关文献检索方法、具有基本的专业资料分析与综合的能力;

11.了解大数据的前沿技术和行业的发展动态,在基础研发、工程设计和实践等方面具有一定的创新意识和创新能力;

12.能够运用所学的知识、技能和方法对系统的各种解决方案进行合理的判断和选择,具备一定的批判性思维能力。

三、学制和学分

1.学制:4年,学生在校修读年限36年;

2.学分:165;总学时2848+50.5W

四、学位授予

授予工学学士学位。

五、专业主要课程与学位课程

主要课程:大数据导论、高级语言程序设计、统计学、Python数据挖掘与应用、数据结构、数据库原理及应用技术、Linux操作系统、机器学习、Java程序设计、Hadoop分布式系统、数据挖掘算法与数学模型、Hadoop大数据开发及应用、数据可视化(Tableau应用技术)、大数据存储技术(Hive/Hbase)、深度学习基础、大规模分布式系统、大数据处理技术及应用、人工智能等。

学位课程:统计学、Python数据挖掘与应用、数据库原理及应用技术、机器学习。

六、主要专业实验

高级语言程序设计课程实验、Python程序课程设计实验、数据结构课程设计实验、JAVA课程设计实验、Python数据挖掘与应用实验、数据结构课程实验、数据库原理及应用实验、Linux操作系统基础实验、机器学习实验、Hadoop分布式系统实验、Hadoop大数据开发及应用实验、数据可视化(Tableau应用技术)实验、大数据存储技术(Hive/Hbase)实验、深度学习(TensorFlow实战)实验、专业技能实践等。

七、主要专业实践性教学环节

高级语言课程设计、Python程序课程设计、数据结构课程设计、数据库课程设计、JAVA课程设计实验、专业技能综合设计,以及企业认知实习、企业实训、毕业论文(设计)、毕业实习和社会实践与创新活动等实践教学环节。

八、毕业条件

学生在修业年限内修满规定学分,准予毕业。符合学校学位授予条件者授予学士学位。

九、专业教学进度表(见附件)

十、课程类别、门数与学时学分统计表(见附件)

十一、专业主要课程简介

高级语言程序设计

学时:80       学分:3.5       考核方式:考试

主要内容:本课程是计算机科学与技术专业的专业基础课,介绍了C语言中的基本概念和语法,使学生全面系统地理解和掌握用C语言进行程序设计的方法。内容涉及程序设计基本概念,C语言基本数据类型与基本输入输出,C语言表达式与宏定义,选择结构,循环结构,模块设计,数组,指针,结构体与联合体,文件,位运算等。

教材与参考书:

1.明日科技著,零基础学C语言(全彩版), 吉林大学出版社,2017

2.谭浩强,《C程序设计》(第四版),清华大学出版社,2010

3.焦家林、熊曾刚,《C语言程序设计实验指导书》,科学出版社,2013

统计学

学时:32       学分:3       考核方式:考试

主要内容:通过本课程的教学,使学生了解统计学的基本原理,掌握统计学的基本方法,在定性分析基础上做好定量分析。用统计学的知识去“发现问题、分析问题、解决问题”,提高学生们专业的应用技能,以适应数据分析中各类问题的实证研究、科学决策和经济管理的需要。同时,也为学习其他分支学科课程奠定基础。

教材与参考书:

1.贾俊平等编著. 《统计学》,中国人民大学出版社,2009  

2.高嘉英,马立平主编. 《统计学》(修订本)首都经济贸易大学出版社,2004.8

Python数据挖掘与应用

学时:32       学分:2       考核方式:考试

主要内容:本课程主要教授Python语言在数据处理与数据挖掘方面的应用技巧,主要包括数据分析基础知识(数据收集与分析软件、数据挖掘的分析基础、简单数据的统计分析),数据分析高级方法(多元数据的综合分析、时序数据的模型分析),大数据基本处理方法(大数据分析基础应用、文献计量与科研评价、社会网络分析方法、数据分析编程平台)等内容。

教材与参考书:

1. 王斌会,王术等,《Python数据挖掘方法及应用》,电子工业出版社,2019

2. 张良均,王路等,《Python数据分析与挖掘实战》,机械工业出版社,2019

数据结构

学时:48       学分:3       考核方式:考试

主要内容:本课程是计算机科学与技术专业的核心课程,介绍计算机存储和组织数据的方式。内容涉及线性表、栈、队列和串、数组、树和二叉树、图等常用数据结构,以及查找、排序和索引算法。

教材与参考书:

1.严蔚敏、吴伟民,《数据结构》,清华大学出版社,2011

2.陈元春、王中华,《实用数据结构基础》(第四版),中国铁道出版社,2015

数据库原理

学时:48       学分:3       考核方式:考试

主要内容:本课程是计算机科学与技术专业的核心课程,介绍数据库系统的基本原理。内容涉及数据库系统基本概念、关系数据模式、关系数据标准语言、关系数据库理论、查询优化、数据库保护、数据库应用系统设计、数据库编程、数据库产品及数据库技术新发展。

教材与参考书:

1.王珊等,《数据库系统概论》(第5版),高等教育出版社,2014

2.周慧,《数据库应用技术:SQL Server 2008R2》(第2版),人民邮电出版社,2013

数据科学与大数据技术专业教学进程表

课程

类别

课程

编号

课程名称

课程类型

各学期周学时分配

考核
方式

1

2

3

4

5

6

7

8

通识教育课程

TB16000401

思想道德修养与法律基础

3

64

32

32

2

考查

TB16000402

马克思主义基本原理

3

64

32

32

2

考试

TB16000403

中国近现代史纲要

2

32

32

2

考查

TB16000404

毛泽东思想和中国特色社会主义理论体系概论

6

128

64

64

4

考试

TB16000405

计算机基础

1

48

32

16

3

考试

TB16000406

大学英语(一)

2

64

32

16

16

4

考查

TB16000407

大学英语(二)

2

64

32

16

16

4

考试

TB16000408

大学英语(三)

2

64

32

16

16

4

考查

TB16000409

大学英语(四)

2

64

32

16

16

4

考试

TB16000410

大学语文

1

32

16

16

2

考查

TB16000411

大学体育(一)

1

32

2

30

2

考查

TB16000412

大学体育(二)

1

32

2

30

2

考查

TB16000413

大学体育(三)

1

32

2

30

2

考查

TB16000414

大学体育(四)

1

32

2

30

2

考查

TB16000415

军事理论

2

32

32

2

考查

TB16000416

军事训练

1

2W

2W

考查

TB16000417

大学生安全教育

1

16

16

1

考查

TB16000418

大学生心理健康教育

2

32

24

8

2

考查

TB16000419

形势与政策

2

128

32

96

1-6学期开设

考查

小计

36

960+

2W

416

32

432+

2W

80

14

12

8

10

TX160004**

跨专业选修课

4

64

64

考查

通识教育选修课在所属专业领域外其他领域最低修满4学分,第2-6学期修完。

专业教育课程

必修课

基础课

ZB16029401

大数据导论

3

48

48

3

考试

ZB16029402

高级语言程序设计

3.5

80

32

48

5

考试

ZB16029403

高等数学(一)

4

64

64

4

考试

ZB16029404

高等数学(二)

4

64

64

4

考试

ZB16029405

Python程序设计

3

64

32

32

4

考试

ZB16029406

线性代数

3

48

48

3

考试

ZB16029407

JAVA程序设计

3

64

32

32

4

考试

ZB16029408

统计学

2

32

32

2

考试

ZB16029409

概率论与数理统计

3

48

48

3

考试

专业教育课程

必修课

主干课

ZB16029410

Python数据挖掘与应用

2

32

32

2

考试

ZB16029411

Python数据挖掘与应用实验

1.5

48

48

3

考查

ZB16029412

数据结构

3

48

48

3

考试

ZB16029413

数据结构实验

0.5

16

16

1

考查

ZB16029414

数据库原理及应用

3

48

48

3

考试

ZB16029415

数据库原理及应用实验

1

32

32

2

考查

ZB16029416

Linux操作系统基础

2

32

32

2

考试

ZB16029417

Linux操作系统基础实验

1

32

32

2

考试

ZB16029418

机器学习

4

64

64

4

考试

ZB16029419

机器学习实验

1

32

32

2

考查

集中实践课

PT16029401

高级语言课程设计

1.5

1.5W

1.5W

考查

PT16029402

JAVA课程设计

1.5

1.5W

1.5W

考查

PT16029403

数据结构课程设计

1.5

1.5W

1.5W

考查

PT16029404

数据库课程设计

1.5

1.5W

1.5W

考查

PT16029405

Python程序课程设计

1.5

1.5W

1.5W

考查

PT16020410

毕业论文(设计)

8

12W

12W

考查

PT16020411

毕业实习

8

12W

12W

考查

小计

71

896+

31.5W

624

272

31.5W

12

15

18

5

6

ZX16029401

Web前端开发技术

3

64

32

32

4

考查

ZX16029402

Hadoop分布式系统

3

64

32

32

4

考查

ZX16029403

数据采集与网络爬虫

3

64

32

32

4

考查

ZX16029404

应用多元统计分析

2

48

16

32

3

考查

ZX16029405

数据挖掘算法与数学模型

3

64

32

32

4

考查

ZX16029406

Hadoop大数据开发及应用

3

64

32

32

4

考查

ZX16029407

计算机网络

2

48

16

32

3

考查

ZX16029408

数据可视化(Tableau应用技术)

2

48

16

32

3

考查

ZX16029409

大数据存储技术(Hive/Hbase

3

64

32

32

4

考查

ZX16029410

文本挖掘

2.5

48

32

16

3

考查

ZX16029411

应用时间序列分析

2

48

16

32

3

考查

ZX16029412

数值分析

2

48

16

32

3

考查

ZX16029413

应用随机过程

3

48

48

4

考查

专业教育课程

ZX16029414

机器学习基础

3

64

32

32

4

考查

ZX16021415

系统架构设计原理

2

32

24

8

2

考查

ZX16029416

深度学习(TensorFlow实战)

2

48

16

32

3

考查

ZX16029417

推荐系统

2.5

64

16

48

4

考查

ZX16029418

金融学

2

32

32

2

考查

ZX16029419

大规模分布式系统

3

64

32

32

3

考查

ZX16029420

大数据处理技术及应用

3

64

32

32

3

考查

ZX16029421

人工智能

2

32

32

2

考查

ZX16029422

商务智能

2

32

32

2

考查

ZX16029423

专业技能训练

4

8W

8W

考查

最低选修学分

35

768+

8W

352

416

8W

8

10

13

13

2

职业能力教育课程

KB16000401

大学生职业生涯规划

1

16

16

1

考查

KB16000402

大学生就业指导

1

16

16

1

考查

KB16020403

企业认知实习

1

1W

1W

2-4学期修完

考查

KB16020404

企业实训

2

2W

2W

2-6学期修完

考查

小计

5

32+

3W

32

3W

1

1

KX16000401

职业能力系列课

2

32

32

2-6学期修完

考查

KX16000402

职业素质训练

2

2W

2W

2-7学期修完

考查

KX16000403

职业技能训练

2

2W

2W

2-7学期修完

考查

最低选修学分

6

32+

4W

32

4W

创业能力教育课程

EB16000401

创新思维与创新能力

2

32

32

2

考查

EB16000402

大学生创业指导

2

32

32

2

考查

小计

4

64

64

2

2

EX16000401

创新创业能力系列课

2

32

32

2-6学期修完

考查

EX16000402

创新实践

2

2W

2W

2-7学期修完

考查

EX16000403

创业实践

2

2W

2W

2-7学期修完

考查

EX16000404

科研实践

2

2W

2W

2-7学期修完

考查

最低选修学分

4

32+

2W

32

2W

总计

165

2848+

50.5W

1616

720

432+

50.5W

80

26

28

34

25

21

16

2

数据科学与大数据技术专业

课程类别、门数与学时学分统计表

课程类别

门数

应修学时

应修学分

占总学分比例

通识课

19

960+2W

36

21.8%

专业基础课

9

512

28.5

17.3%

专业主干课

10

384

19

11.5%

集中实践课

7

31.5W

23.5

14.3%

职业能力课

4

32+3W

5

3.0%

创业能力课

2

64

4

2.4%

51

1952+36.5W

116

70.3%

公共选修课

1

64

4

2.4%

专业选修课

14

768+8W

35

21.3%

职业选修课

3

32+4W

6

3.6%

创业选修课

2

32+2W

4

2.4%

20

896+14W

49

29.7%

总计

71

2848+50.5W

165

100%

毕业应取得的总学分

165

理论课学时/学分

1616

101

占总学分比例

61.2%

实验(实践)课学时学分

1152+50.5W

64

占总学分比例

38.8%

Tags: 责任编辑:信息工程系
】【打印繁体】【投稿】【收藏】 【推荐】【举报】【评论】 【关闭】 【返回顶部
下一篇:自动化专业本科人才培养方案

相关栏目

最新文章

图片主题

热门文章