专业名称与代码：数据科学与大数据技术 080910T
专业培养目标：
本专业面向国民经济建设及社会发展的需要，特别是数据科学产业需求，培养德、智、体、美全面发展，具有求真务实、创新进取、团队合作精神及良好的科学素养、职业道德和社会责任心的大数据专业人才，掌握扎实的计算机软、硬件基础理论和系统的数据科学理论与方法，具备大数据系统、分析及应用开发能力，有较强的大数据工程实践能力和创新意识，能在政府、企业、事业、国防等单位从事数据科学与大数据的采集、组织、管理、分析和应用等工作。毕业生在数据科学尤其是地学大数据相关领域的理论方法及工程实践方面具有明显竞争优势。
本专业学生毕业后经过5年左右的工作锻炼和综合素质能力提升，预期可成为数据科学相关领域的中高层次专业人才，并展现出如下职业能力：
（1）具有良好团队协作能力、人际交往与沟通表达能力，在工程实践中遵纪守法，严格遵循职业道德与工程标准，具有较强的社会责任感；
（2）掌握扎实的计算机软、硬件基础理论和系统的数据科学理论与方法，具备大数据系统、分析及应用开发能力，有较强的大数据工程实践能力和创新意识；
（3）熟知数据科学行业技术标准和相关法律法规，并能综合考虑工程与社会、工程与环境以及经济等因素，能够针对大数据领域复杂工程问题，利用计算思维、系统思维、创新思维提出解决方案，并能对解决方案进行设计与实现；
（4）具有团队协作、沟通交流和项目管理能力，能够在计算机、地球科学等多学科或跨文化环境下作为数据分析师、系统架构师等技术骨干或负责人发挥有效作用；
（5）能够运用现代信息技术工具获取计算机、数据科学、地理信息等领域的新知识、新技术及相关信息，具有持续学习和跟踪计算机前沿技术的能力。
表1 数据科学与大数据技术专业毕业要求对培养目标的支撑关系矩阵
毕业要求 | 培养目标 |
目标1 | 目标2 | 目标3 | 目标4 | 目标5 |
1.工程知识 |
| √ | √ |
|
|
2.问题分析 |
| √ |
| √ |
|
3.设计/开发解决方案 |
| √ | √ | √ |
|
4.研究 |
| √ |
| √ |
|
5.使用现代工具 |
| √ | √ |
|
|
6.工程与社会 | √ |
| √ |
| √ |
7.环境和可持续发展 | √ |
| √ |
| √ |
8.职业规范 | √ |
|
|
| √ |
9.个人和团队 | √ |
| √ |
|
|
10.沟通 | √ |
| √ | √ |
|
11.项目管理 |
|
| √ |
|
|
12.终身学习 |
|
|
| √ | √ |
数据科学与大数据技术专业本科毕业生在知识、能力和素质方面应达到如下基本要求：
1.工程知识：掌握数据科学与大数据技术工程涉及的数学、自然科学、工程基础和专业知识，以及一定的地球科学等领域知识，用于解决大数据领域复杂工程问题。
2.问题分析：能够运用数理、计算科学及数据科学的基本原理，识别、表达、分析大数据领域复杂工程问题，以获得有效结论。
3.设计/开发解决方案：能够针对特定大数据领域复杂工程问题及大数据技术需求设计解决方案，包括大数据采集、存储与管理、高性能处理、分析与挖掘及系统研发等设计，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.研究：能够基于科学理论并采用先进技术方法，对大数据领域复杂工程问题进行研究，包括建立计算模型、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和/或创新解决方法。
5.使用现代工具：能够针对大数据领域复杂工程问题，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，包括对复杂工程的分析、模拟、设计、验证、实现、应用、维护与管理，并能够理解其局限性。
6.工程与社会：能够基于数据科学与大数据技术工程相关背景知识合理分析、评价专业工程实践和大数据领域复杂工程问题的解决方案对社会、健康、安全、法律以及文化等的影响，并理解应承担的责任。
7.环境和可持续发展：能够理解和评价针对大数据领域复杂工程问题的大数据工程实践对于环境、社会可持续发展的影响，并能够将环境、社会可持续发展的要求体现于解决方案。
8.职业规范：具有人文社会科学素养、社会责任感，能够在大数据工程实践中理解并遵守工程职业道德和规范，履行责任。
9.个人和团队：具备团队协作精神，能在多学科背景下的数据科学与大数据技术项目团队中承担个体、团队成员以及负责人的角色。
10.管理与沟通：能够就大数据领域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，包括撰写项目申请书、报告和软件文档、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.项目管理：理解并掌握数据科学与大数据技术项目管理原理与经济决策方法，并能在多学科环境中应用，具有一定的大数据工程项目管理能力。
12.终身学习：具有终身学习意识以及运用现代信息技术获取相关信息和新知识、新技术的能力，能通过不断学习适应发展需要。
毕业要求实现及途径如表2所示。
表2 数据科学与大数据技术专业毕业要求的实现途径
序号 | 毕 业 要 求 | 实现途径（教学过程） |
1 | 工程知识 | ①通识教育课：地球科学概论、生态学概论； ②大类平台课：计算机科学导论、计算机高级语言程序设计、高等数学A、概率论与数理统计A、线性代数A、大学物理、python语言程序设计、数据库基础； ③学科基础课：离散数学、数据结构、计算机组成原理、计算机网络、操作系统原理； ④专业主干课：数据采集与预处理、大数据处理与分析、云计算、大数据存储与管理、并行计算、数据可视化； ⑤实践环节：计算机高级语言课程设计、大数据处理与分析课程设计。 |
2 | 问题分析 | ①大类平台课：面向对象程序设计、概率论与数理统计A、大学物理、数据库基础； ②学科基础课：数据结构、操作系统原理； ③专业主干课：数据采集与预处理、大数据处理与分析、云计算、大数据存储与管理、并行计算、机器学习、深度学习、多元统计、数据可视化； ④专业选修课：随机过程、数学建模、算法设计与分析、计算方法、地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ⑤实践环节：数据结构课程设计、面向对象程序设计课程设计、数据可视化课程设计、大数据综合实习。 |
3 | 设计/开发解决方案 | ①大类平台课：面向对象程序设计； ②学科基础课：数据结构、数据库基础； ③专业主干课：数据采集与预处理、大数据处理与分析、云计算、大数据存储与管理、并行计算、机器学习、深度学习、多元统计、数据可视化； ④专业选修课：Java程序设计、算法设计与分析、物联网、地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ⑤实践环节：数据结构课程设计、面向对象程序设计课程设计、数据可视化课程设计、大数据综合实习、企业工程实践。 |
4 | 研究 | ①学科基础课：计算机组成原理、计算机网络； ②专业主干课：数据采集与预处理、大数据存储与管理、大数据处理与分析、数据可视化、云计算、机器学习、深度学习、多元统计分析； ③专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ④实践环节：计算机组成原理课程设计、数据可视化课程设计、大数据综合实习、毕业设计（论文）； ⑤创新创业自主学习：其他(学科竞赛、发明创造、科研报告)。 |
5 | 使用现代工具 | ①大类平台课：计算机高级语言程序设计、面向对象程序设计； ②学科基础课：python语言程序设计、数据库基础； ③专业主干课：数据采集与预处理、大数据存储与管理、大数据处理与分析、数据可视化、云计算、机器学习、深度学习、并行计算、多元统计分析； ④专业选修课：Java程序设计、物联网、人工智能、边缘计算、计算机视觉、地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ⑤实践环节：大数据综合实习、企业工程实践、毕业设计（论文）。 |
6 | 工程与社会 | ①通识教育课：马克思主义基本原理、毛泽东思想与中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想概论、中国近现代史纲要、思想道德与法治； ②大类平台课：计算机科学导论； ③实践环节：企业工程实践； ④专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ⑤创新创业自主学习：其他(学科竞赛、发明创造、科研报告)、社会调查。 |
7 | 环境和可持续发展 | ①通识教育课：形势与政策、地球科学概论、生态学概论； ②专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ③实践环节：企业工程实践； ④创新创业自主学习：社会调查。 |
8 | 职业规范 | ①通识教育课：马克思主义基本原理、毛泽东思想与中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想概论、中国近现代史纲要、思想道德与法治、大学英语、军事理论； ②实践环节：企业工程实践，毕业设计（论文）； ③创新创业自主学习：其他(学科竞赛、发明创造、科研报告)。 |
9 | 个人和团队 | ①通识教育课：军事理论； ②专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ③实践环节：军事训练、大数据综合实习、企业工程实践； ④创新创业自主学习：其他(学科竞赛、发明创造、科研报告)。 |
10 | 沟通 | ①通识教育课：大学英语； ②专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ③实践环节：大数据综合实习、企业工程实践、毕业设计（论文）； ④创新创业自主学习：其他(学科竞赛、发明创造、科研报告)。 |
11 | 项目管理 | ①专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ②实践环节：大数据综合实习、企业工程实践。 |
12 | 终身学习 | ①通识教育课：马克思主义原理、毛泽东思想与中国特色社会主义理论体系概论、习近平新时代中国特色社会主义思想概论、中国近现代史纲要、思想道德与法治、形势与政策、体育、军事理论、大学英语； ②专业选修课：地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用； ③实践环节：大数据综合实习、企业工程实践、毕业设计（论文）； ④创新创业自主学习：其他(学科竞赛、发明创造、科研报告)。 |
主干学科：计算机科学与技术。
专业核心课程：专业主干课主要是与大数据系统、大数据分析处理工程项目相关的课程，具体包括：数据采集与预处理、大数据处理与分析、大数据存储与管理、多元统计分析、数据可视化、机器学习、云计算、深度学习、地学大数据分析与应用、医疗大数据分析与应用、商业大数据分析与应用。
主要专业实验：高级语言程序设计、面向对象程序设计、数据采集与预处理、大数据处理与分析、大数据存储与管理、机器学习、深度学习、数据可视化、云计算、时空大数据挖掘与分析等课程实验。
主要实践性教学环节：高级语言程序设计课程设计、面向对象程序设计课程设计、数据结构课程设计、计算机组成原理课程设计、大数据处理与分析课程设计、大数据存储与管理课程设计、机器学习课程设计、深度学习课程设计、数据可视化课程设计、企业工程实践、大数据综合实习、毕业设计（论文）。
这些课程之间的联系及层次关系如图1所示，课程按学期分布如图2所示，数据科学与大数据技术专业培养目标及定位如图3所示。
毕业学分要求：161学分。
学制与学位：四年，工学学士。
本专业学生可以辅修的其他专业：统计学，信息管理与系统，信息与计算科学。
相近专业：计算机科学与技术，人工智能，智能科学与技术。
图1 数据科学与大数据技术专业课程间层次关系图
