数据科学与大数据技术专业人才培养方案
数据科学与大数据技术专业人才培养方案发布时间:2022-10-14
来源：
数据科学与大数据技术（080910T）
DataScienceandBigDataTechnology
一、专业介绍
数据科学与大数据技术专业是湖南农业大学为响应国家发展大数据产业的号召，于2019年获得教育部批准，并于同年秋季开始招生的新工科专业。本专业使学生掌握大数据采集、预处理、存储、挖掘和展示等专业核心技术，具备数据分析建模和大数据治理的综合能力。专业建设注重学生动手实践、创新创业能力的培养，拥有先进的大规模高性能计算集群及专业机房，能充分满足专业实验教学的需要，与百度、腾讯和科大讯飞等多家知名大数据企业签订产学合作协同育人协议或建立实习基地，使学生具有工程实践锻炼的机会。专业突出农业特色，服务于湖南农业大学农业类优势学科，培养建设数字乡村、实施乡村振兴的复合型应用人才。
二、培养目标
本专业依托现有国家/省级教学科研平台，充分发掘学校交叉学科资源，培养德、智、体、美、劳全面发展，具备良好的人文素养、科学素养和职业道德，具有扎实的数理知识和系统的数据科学与大数据技术理论知识、能解决数据分析建模和大数据治理等相关领域的复杂工程问题，具备开阔的国际视野、良好的团队合作意识以及组织管理能力和创新创业能力，毕业后能够在企业、事业和行政管理等单位从事与数据科学与大数据技术及其交叉领域的研究、设计、开发、管理、维护和教育等方面工作的复合应用型人才。
预期本专业学生毕业后5年左右达到以下目标：
1.专业素养：具备运用自然科学、数学、计算机科学和数据科学等多学科知识对数据科学与大数据技术领域复杂工程问题进行发现、分析和研究的能力；
2.工程素养：具有良好的工程应用实践能力，胜任相关领域问题的系统设计、实现和维护等工作，具备数据科学与大数据技术的交叉融合能力，能够解决数据分析建模和大数据治理等复杂工程问题；
3.人文、科学和社会素养：具有良好的人文素养、科学素养、职业道德和社会责任感；
4.沟通与团队合作：具有良好的团队合作、组织协调和表达能力，在项目研究、产品开发团队中，既能高质量完成个人任务，又能参与团队的组织、协调及管理工作；
5.学习能力：能够适应社会发展和国际环境变化，具有自主学习和终身学习的能力及创新精神，能够在行业内持续进行创新创造，实现个体发展，并能综合利用新知识、新技术、新理念服务社会发展和地方经济。
三、毕业要求
本专业培养学生具备较高的道德修养和人文素养，良好的沟通、表达与写作能力和团队合作精神，掌握计算机科学与技术基本理论和专业知识，接受计算思维、系统开发与维护等方面的基本训练，具有分析、开发和维护计算机软硬件系统的基本能力，具备利用计算机相关技术解决各领域实际工程问题的能力。
本专业培养掌握数据科学与大数据技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。
毕业生在知识、能力和素质等方面应达到如下具体要求：
1.工程知识：能够将数学、自然科学、数据科学与大数据技术基础知识用于解决复杂工程科学技术问题。
2.问题分析：具有解决数据科学与大数据技术领域复杂工程问题所需的专业知识，具备对复杂工程项目问题进行科学识别和提炼、定义和表达、技术分析和测试及运维管理的能力，以解决复杂工程项目问题。
3.设计/开发解决方案：能够设计大数据开发和大数据分析领域的复杂工程问题的解决方案，设计和开发满足特定需求的系统，包括硬件和软件，并能够在设计环节中体现创新意识。
4.研究：能够基于数据科学原理，采用工程方法对复杂工程问题进行研究，包括需求分析、系统设计、编程实现、测试和维护，从而解决问题并进行评价。
5.使用现代工具：能够针对数据科学与大数据技术领域复杂工程问题，选择与使用恰当的编程语言、开发平台、开发工具以及各种辅助的质量保证、建模工具等，来解决工程中的问题，并能够理解其局限性，了解数据科学领域的前沿理论与发展现状和趋势。
6.工程与社会，环境与可持续发展：在解决数据科学与大数据技术领域复杂项目工程问题的同时，能够综合考虑安全与健康、经济、环境、文化、社会等制约因素，遵守法律法规与相关标准，理解和评价工程实践对其影响和应承担的责任，并能够理解和评价这些复杂项目工程实践对环境及社会可持续发展的影响。
7.职业规划：具有人文社会科学素养、社会责任感，能够在工程实践中理解并遵守软件行业的职业道德和规范，履行责任。
8.国际化：具有良好的英语听、说、读、写能力，具有一定的跨文化沟通和交流能力。对数据科学领域及其行业的国际发展趋势有初步了解，并具备一定的国际视野；
9.沟通：具有在数据科学与大数据技术领域复杂项目工程活动中与他人和社会进行有效沟通的能力，包括能够理解和撰写效果良好的项目报告和设计文档，进行有效的陈述发言；具有一定的国际视野和跨文化交流的能力。
10.项目管理：理解并掌握复杂项目工程的管理和经济决策方面的基本知识与方法，并能够应用于工程实践中。
11.终身学习：具有自主学习和终身学习的意识，具有不断学习和适应计算机技术快速发展的能力。
12.创新：具有创新意识，掌握解决数据科学与大数据技术领域工程项目设计与实施的创新方法。
表1：毕业要求支撑培养目标的实现矩阵
序号
培养目标
毕业要求
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．职业规划
8．国际化
9．沟通
10．项目管理
11．终身学习
12．创新
1
专业素养
√
√
√
√
2
工程素养
√
√
√
√
√
3
人文、科学和社会素养
√
√
4
沟通与团队合作
√
√
√
√
√
5
学习能力
√
√
√
√
√
四、主干学科
计算机科学与技术、智能科学与技术
五、核心课程
模式识别与机器学习、数据挖掘、深度学习、分布式系统与云计算、大数据编程、实时数据处理、数据可视化技术、大数据存储
六、主要实践教学环节
1.主要集中性实践教学环节：Python语言课程设计、数据结构与算法课程设计、模式识别与机器学习课程设计、数据挖掘课程设计、大数据技术综合实训。
2.主要专业实验：C语言程序设计实验、Python程序设计实验、Java程序设计实验、操作系统实验、数据结构与算法实验、数据库原理与应用实验、数据科学与大数据技术导论实验、模式识别与机器学习实验、数据挖掘实验、大数据存储实验、分布式系统与云计算实验、大数据编程实验、实时数据处理实验、数据可视化技术实验、深度学习实验。
3.课外实践：大数据创业实践、社会调查、“互联网+”创新创业大赛、“中国软件杯”大学生软件设计大赛、数学建模竞赛。
七、学制与学位
1.学制：基本修业年限4年，弹性修业年限3-6年。
2.学位：工学学士
3.学分要求：本专业学生最低修满164学分，并各模块修完相应最低学分，方可毕业。
表2：数据科学与大数据技术专业毕业学时学分要求
课程类型
课程性质
学分
学分
比例
学时
（周）
备注
公共基础教育
（58.5学分）
思想政治理论课
（16学分）
理论
14
8.54%
236
实验
（实践）
2
1.22%
32
公共必修课
（42.5学）
理论
39.5
24.09%
640
实验
（实践）
1
0.61%
42
集中实践
2
1.22%
2周
通识教育
（11学分）
通识必修课
（5学分）
理论
3
1.83%
50
“四史”类课程必修1学分
实验
（实践）
2
1.22%
46
通识选修课
（6学分）
理论
6
3.66%
96
文化艺术与审美体验至少修读2学分分，科学技术与创新思维至少修读1学分，农业经济与社会发展至少修读1学分，语言运用与文化传播至少修读1学分；学校引进的在线开放课程纳入相应模块，学生最多选修3学分。
专业教育
（69.5学分）
学科平台课
（18.5学分）
理论
14
8.54%
224
实验
（实践）
4.5
2.74%
108
专业基础课
（16学分）
理论
11
6.71%
176
实验
（实践）
5
3.05%
120
专业核心课
（25学分）
理论
17
10.37%
272
实验
（实践）
8
4.88%
192
专业选修课
（10学分）
理论
7
4.27%
128
实验
（实践）
3
1.83%
48
实践教育
（22学分）
专业必修
（22学分）
集中实践
22
13.41%
23周
含1学分创新创业实践
素质拓展教育
（3学分）
素质拓展课
（3学分）
课外拓展
3
1.83%
48
本专业修读总学分、学时要求
164
2458+
25周
实践（实验）学分所占比例
32.0%
八、课程结构与培养计划进程表（表3-5）
表3：集中性实践教学环节
类 别
课程代码
课程名称
学分
实践周数
执行学期
教学实习
生产实习
1
1
6
大数据创业实践
1
1
7
课程论文
（设计）
B452J11000
Python程序设计课程设计
1
1
2
B362J06500
数据结构与算法课程设计
1
1
3
模式识别与机器学习课程设计
1
1
4
数据挖掘课程设计
1
1
5
大数据存储课程设计
1
1
6
综合能力提升
训练
B452J10900
大数据技术综合实训
2.0
2
7
B362J06300
社会调查1
0.5
1
3
B362J06400
社会调查2
0.5
1
5
毕业实习、
论文（设计）
毕业实习
4
4
8
毕业论文（设计）
8
8
8
公共基础教育
实践
B071J00700
军事技能训练
2
2
1
备注：第七学期的大数据创业实践学分认定条件包括但不限于：学生创新创业项目（校级认定负责人，省级或以上认定所有成员）、学科竞赛（教育部认定或教育厅主办）获奖（省级认定排名第一，国家级认定所有成员）、学术论文（省级认定一作，中文核心及以上认定所有作者）、发明专利授权（认定全部所有权人）、实用新型或软件著作权（认定排名第一）、注册公司（认定法人）。
表4：课程教学进程计划安排表
课程
类型
课程组
课程代码
课程名称
学分
总
学时
课堂
教学
学时
线上
教学
学时
实验（践）学时
执行
学期
考核
类型
公共
基础
教育
思想政治
理论课
B621L02500
思想道德与法治
2.5
40
40
1
考试
B621L02600
中国近现代史纲要
2.5
40
40
2
考试
B621L02700
毛泽东思想和中国特色
社会主义理论体系概论
4.5
72
72
3
考试
B621L02800
马克思主义基本原理
2.5
40
40
4
考试
B621L00400
形势与政策1
0
8
8
1
考试
B621L00500
形势与政策2
0.5
8
8
2
考试
B621L00600
形势与政策3
0
8
8
3
考试
B621L00700
形势与政策4
0.5
8
8
4
考试
B621L00800
形势与政策5
0
8
8
5
考试
B621L00900
形势与政策6
0.5
8
8
6
考试
B621L01000
形势与政策7
0
8
8
7
考试
B621L01100
形势与政策8
0.5
8
8
8
考试
B621L02300
思想政治教育实践1
0.5
8
8
1
考查
B621L02400
思想政治教育实践2
0.5
8
8
2
考查
B621L02900
思想政治教育实践3
0.5
8
8
3
考查
B621L03000
思想政治教育实践4
0.5
8
8
4
考查
汇总
16
288
256
0
32
公共
必修课
B181L00100
职业生涯规划
1.0
18
10
8
2
考查
B181L00200
就业指导
1.0
20
10
10
6
考查
B431L00500
体育1
1.0
30
24
6
1
考试
B431L00900
体育2
1.0
38
32
6
2
考试
B431L01000
体育3
1.0
38
32
6
3
考试
B431L01100
体育4
1.0
38
32
6
4
考试
B441L04400
大学英语1
3.0
48
48
1
考试
B441L04500
大学英语2
3.0
48
48
2
考试
B441L04800
跨文化交际英语
2.0
32
32
3
考试
B441L04900
学术英语
2.0
32
32
4
考试
B071L00800
军事理论*
2.0
36
12
24
1
考查
B211L00300
安全教育*
1.0
32
2
30
1
考查
B451L02100
高等数学A1
5.0
80
80
1
考试
B451L02400
高等数学A2
4.5
72
72
2
考试
B361L01000
概率统计B
4.0
64
64
3
考试
B451L02400
线性代数B
3.0
48
48
2
考试
B361L04900
大学物理A
5.0
88
64
24
3
考试
汇总
40.5
762
622
122
18
通识
必修课
B071L00500
大学生心理健康教育
2.0
32
16
16
1
考查
B181L00300
创业基础
1.0
16
10
6
3
考查
B071L00700
大学生劳动教育
1.0
32
8
24
8
考查
1.应修读《中共党史》、《新中国史》、《改革开放史》、《社会主义发展史》课程中至少1门课程，每门课程1学分，16学时，课程以选修课模式开放选课，学生可自行选择修读。
汇总
5
96
40
10
46
专
业
教
育
专
业
教
育
学科
平台
课程
B452L23600
计算机导论
2.5
48
24
24
1
考试
C语言程序设计
4.0
72
48
24
1
考试
B363L08800
离散数学
3.5
56
56
2
考试
B452L24000
操作系统
3.0
56
32
24
3
考试
B362L02400
数据库原理与应用
3.0
56
32
24
4
考试
B362L13300
计算机网络
2.5
44
32
12
4
考试
汇总
18.5
332
224
0
108
专业
基础
课
数据科学与大数据导论
2.5
44
32
12
2
考试
B452L24600
Python程序设计
3.0
56
32
24
2
考试
B362L11700
最优化方法
2.5
44
32
12
3
考试
数据结构与算法
4.5
80
56
24
3
考试
Java语言与系统设计
3.5
72
24
48
5
考试
汇总
16
296
176
0
120
专业
核心
课
模式识别与机器学习
3.5
64
40
24
4
考试
数据挖掘
3.0
56
32
24
5
考试
深度学习
3.5
64
40
24
5
考试
分布式系统与云计算
3.0
56
32
24
5
考试
大数据编程
3.0
56
32
24
5
考试
实时数据处理
3.0
56
32
24
6
考试
数据可视化技术
3.0
56
32
24
6
考试
大数据存储
3.0
56
32
24
6
考试
汇总
25
464
272
0
192
专业
选修
课
搜索引擎技术
2.0
36
24
12
4
考查
人工智能基础
2.5
44
32
12
5
考查
时间序列分析
2.0
36
24
12
5
考查
数据安全
2.5
44
32
12
6
考查
农业大数据技术
2.0
36
24
12
6
考查
生物信息学
2.5
48
24
24
7
考查
作物表型数据分析
2.0
36
24
12
7
考查
汇总
15.5
280
184
0
96
素质
拓展
教育
素质拓展
教育项目
B081L00300
素质教育
3.0
48
48
8
考查
汇总
3
48
0
48
0
*标课程线上教学部分为新生收到录取通知书后在学校网络学习平台中进行。
表5：学年指导性教学计划
第一学年（秋季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L02500
思想道德与法治
2.5
40
4
马克思学院
B071L00500
大学生心理健康教育
2.0
32
2
学工部
B071L00800
军事理论*
2.0
36
2
学工部
B211L00300
安全教育*
1.0
32
2
保卫部
B621L00400
形势与政策1
0
朱8
2
马克思学院
B621L02300
思想政治教育实践1
0.5
8
2
马克思学院
B431L00500
体育1
1.0
30
2
体育学院
B441L04400
大学英语1
3.0
48
4
外语学院
B451L02100
高等数学A1
5.0
80
6
信科学院
B071J00700
军事技能训练
2.0
2周
学工部
B452L23600
计算机导论
2.5
48
4
信科学院
C语言程序设计
4.0
72
6
信科学院
学分、周学时汇总
25.5
434+2周
36
第一学年（春季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L02600
中国近现代史纲要
2.5
40
4
马克思学院
B621L00500
形势与政策2
0.5
8
2
马克思学院
B621L02400
思想政治教育实践2
0.5
8
2
马克思学院
B181L00100
职业生涯规划
1.0
18
2
学工部
B431L00900
体育2
1.0
38
4
体育学院
B441L04500
大学英语2
3.0
48
4
外语学院
B451L02400
高等数学A2
4.5
72
6
信科学院
B451L02400
线性代数B
3.0
48
4
信科学院
B363L08800
离散数学
3.5
56
4
信科学院
数据科学与大数据导论
2.5
44
4
信科学院
B452L24600
Python程序设计
3.0
56
4
信科学院
B452J11000
Python程序设计课程设计
1.0
1周
信科学院
学分、周学时汇总
26
436+1周
40
第二学年（秋季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L02700
毛泽东思想和中国特色
社会主义理论体系概论
4.5
72
6
马克思学院
B621L00600
形势与政策3
0
8
2
马克思学院
B621L02900
思想政治教育实践3
0.5
8
2
马克思学院
B431L01000
体育3
1.0
38
4
体育学院
B441L04800
跨文化交际英语
2.0
32
2
外语学院
B361L01000
概率统计B
4.0
64
4
信科学院
B361L04900
大学物理A
5.0
88
6
化材学院
B181L00300
创业基础
1.0
16
2
学工部
B452L24000
操作系统
3.0
56
4
信科学院
数据结构与算法
4.5
80
6
信科学院
B362J06500
数据结构与算法课程设计
1.0
1周
信科学院
B362J06300
社会调查1
0.5
1周
信科学院
学分、周学时汇总
27
462+2周
38
第二学年（春季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L02800
马克思主义基本原理
2.5
40
4
马克思学院
B621L00700
形势与政策4
0.5
8
2
马克思学院
B621L03000
思想政治教育实践4
0.5
8
2
马克思学院
B431L01100
体育4
1.0
38
4
体育学院
B441L04900
学术英语
2.0
32
2
外语学院
B362L13300
计算机网络
2.5
44
4
信科学院
B362L02400
数据库原理与应用
3.0
56
4
信科学院
B362L11700
最优化方法
2.5
44
4
信科学院
模式识别与机器学习
3.5
64
4
信科学院
搜索引擎技术
2.0
36
4
信科学院
模式识别与机器学习课程设计
1.0
1周
信科学院
学分、周学时汇总
21
370+1周
34
第三学年（秋季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L00800
形势与政策5
0
8
2
马克思学院
数据挖掘
3.0
56
4
信科学院
Java语言与系统设计
3.5
72
6
信科学院
分布式系统与云计算
3.0
56
4
信科学院
大数据编程
3.0
56
4
信科学院
深度学习
3.5
64
4
信科学院
人工智能基础
2.5
44
4
信科学院
时间序列分析
2.0
36
4
信科学院
数据挖掘课程设计
1.0
1周
信科学院
B362J06400
社会调查2
0.5
1周
信科学院
学分、周学时汇总
22
392+2周
32
第三学年（春季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L00900
形势与政策6
0.5
8
2
马克思学院
B181L00200
就业指导
1.0
40
4
学工部
大数据存储
3.0
56
4
信科学院
实时数据处理
3.0
56
4
信科学院
数据可视化技术
3.0
56
4
信科学院
数据安全
2.5
44
4
信科学院
农业大数据技术
2.0
36
4
信科学院
大数据存储课程设计
1.0
1周
信科学院
生产实习
1.0
1周
信科学院
学分、周学时汇总
17
296+2周
26
第四学年（秋季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L01000
形势与政策7
0
8
2
马克思学院
生物信息学
2.5
48
4
信科学院
作物表型数据分析
2.0
36
4
信科学院
大数据创业实践
1.0
1
信科学院
B452J10900
大数据技术综合实训
2.0
2
信科学院
学分、周学时汇总
7.5
92+3周
10
第四学年（春季学期）
课程号
课程名
学分
总学时
周学时
开课单位
B621L01100
形势与政策8
0.5
8
2
马克思学院
B071L00700
大学生劳动教育
1.0
32
2
学工部
B081L00300
素质教育
3.0
48
4
信科学院
毕业实习
4.0
4周
信科学院
毕业论文（设计）
8.0
8周
信科学院
学分、周学时汇总
16.5
88+12周
8
九、课程体系与毕业要求对应关系矩阵（表7）
表7：数据科学与大数据专业课程体系与毕业要求对应关系矩阵
序号
课程名称
毕业要求
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
职业规划
8
国际化
9
沟通
10
项目管理
11
终身学习
12
创新
1
思想道德与法治
M
H
2
大学生心理健康教育
H
M
M
3
军事理论*
M
M
4
安全教育*
M
5
形势与政策
M
H
6
思想政治教育实践
M
M
M
7
体育
M
M
8
大学英语
M
H
M
9
高等数学A1
M
H
M
10
军事技能训练
M
11
计算机导论
H
M
M
12
C语言程序设计
H
M
M
13
中国近现代史纲要
M
14
职业生涯规划
M
H
M
15
高等数学A2
M
M
H
M
H
16
线性代数B
M
M
H
M
H
17
离散数学
H
H
M
18
数据科学与大数据导论
M
H
M
19
Python程序设计
H
M
M
20
Python程序设计课程设计
H
M
M
M
21
毛泽东思想和中国特色
社会主义理论体系概论
M
M
M
22
跨文化交际英语
M
H
M
23
概率统计B
M
H
M
24
大学物理A
H
M
M
25
创业基础
M
M
H
26
数据库原理与应用
H
M
M
27
操作系统
H
M
H
28
最优化方法
H
H
M
29
数据结构与算法
H
M
M
30
数据结构与算法课程设计
H
M
M
M
31
社会调查
M
M
H
M
32
马克思主义基本原理
M
M
M
H
33
学术英语
M
M
H
M
34
计算机网络
H
M
M
35
Java语言与系统设计
H
H
M
M
36
模式识别与机器学习
H
M
H
M
37
搜索引擎技术
H
M
M
38
大数据创业实践
M
H
H
H
39
模式识别与机器学习课程设计
H
M
H
M
M
M
40
数据挖掘
H
M
H
M
41
分布式系统与云计算
H
H
M
42
大数据编程
H
H
M
43
深度学习
H
M
H
M
44
人工智能基础
H
M
H
M
45
时间序列分析
H
H
M
46
数据挖掘课程设计
H
M
M
M
47
就业指导
M
H
M
48
大数据存储
H
M
49
大数据存储课程设计
H
M
M
M
M
50
实时数据处理
H
H
M
M
51
数据可视化技术
H
M
H
M
52
数据安全
M
M
M
53
农业大数据技术
M
H
M
54
生产实习
M
M
H
H
M
55
生物信息学
M
M
M
56
作物表型数据分析
M
M
M
57
大数据技术综合实训
M
M
H
M
H
58
大学生劳动教育
M
59
素质教育
M
60
毕业实习
H
M
M
H
M
61
毕业论文（设计）
H
H
H
M
M
M
M
数据科学与大数据技术
数据科学传统与未来的交融
继计算机和互联网革命之后，大数据技术进一步席卷近乎所有行业，在“数据驱动决策”的新模式下，很多行业和企业从大数据技术中受益。全球第一家信息技术研究和分析公司盖特纳咨询公司预测明年全球将新增440万个与大数据相关的工作岗位，且会有25%的机构设立首席数据官职位。美国通用电气公司正启动在旧金山湾区投资15亿美元，建立一个全球软件和分析中心。另据CSDN（中国软件开发联盟）2016年中国大数据调查报告显示，全国32.5%的公司正在搭建大数据平台，29.5%的公司已经在生产环境实践大数据，并有成功的应用案例和产品，24.5%的公司已经做了足够的了解，开发准备就绪。
在人才市场上，社会对大数据相关岗位的需求也空前高涨。CSDN网站发布的大数据人才市场薪酬报告表明，社会上大数据相关职位需求越来越大，薪酬也相应比一般IT职位要高。对大数据职位需求最旺盛的城市是北京、上海和深圳，目前约有10万个岗位空缺。互联网、地产、金融行业需求最为强劲，位列前三名。相关人士预测，未来3-5年，国内大数据领域人才需求缺口将达到150万。
为满足社会的迫切需求，人大信息学院于2017年开设了新的“数据科学与大数据技术（工学）”本科专业。人大计算机学科长期以来一直以数据库等数据科学与技术著称，是孕育新的大数据专业最合适的地方，是数据科学传统与未来的交融之地。
传统——国产数据库先驱
人大信息学院是国内最早开展数据库理论与实践工作的学院，萨师煊教授是信息学院的奠基者之一，是我国数据库技术的奠基者和学术活动的倡导者和组织者，为数据库领域的学科建设和人才培养作出了开创性贡献，出版国内第一本教材《数据库系统概论》，最早发表了数据库技术的研究论文。
以王珊教授为代表的人大数据库团队在国产数据库的设计和研发工作中做了巨大的贡献，1999年，王珊教授带领一批从事数据库技术研发的学者创立了北京人大金仓信息技术股份有限公司并担任董事长和首席科学家。经过十多年发展，人大金仓公司以成为国产数据库的领军企业，研发的具有自主知识产权的大型通用数据库管理系统—金仓数据库KingbaseES获得北京市科技进步一等奖，入选国家自主创新产品目录。王珊教授被评为推动中国软件产业发展的25位功勋人物之一。
王珊教授与萨师煊教授合著的《数据库系统概论》是我国第一部数据库教材，一直被国内大多数院校采用，并因此获得了国家级优秀教材奖（2次），北京市精品课程奖、国家精品课程奖等多项奖励。
人大一直是国内数据库研究领域的核心高校，我院王珊教授和杜小勇教授先后担任中国计算机学会数据库专委会主任。
萨师煊教授
王珊教授
未来——全面的大数据方向布局
近年来，人大信息学院基于在数据库领域的科研优势，进而在大数据领域进行全面布局，拓展方向，目前建立了以教育部重点实验室和北京市重点实验室为核心的、研究方向全面的大数据研究团队。
其中杜小勇教授牵头的“数据工程与知识工程”教育部重点实验室，是我国目前在数据库领域唯一的一个教育部重点实验室。文继荣教授负责的“大数据管理与分析方法研究”北京市重点实验室专注于大数据分析与智能的研究工作，例如实验室的研发成果“网络扶贫行动大数据分析平台”入选了国家“砥砺奋进的五年”大型成就展。
以教育部重点实验室和北京市重点实验室为核心，人大信息学院建立了全面的大数据研究体系，包括数据挖掘与大数据分析、大数据与云计算系统、人工智能与机器学习、多媒体大数据、信息检索、区块链技术、生物大数据、信息安全与数据安全等多个大数据相关研究方向，并取得了优异的科研成果。下图展示了大数据相关的主要研究方向和各方向的部分教师。
关于信息学院
信息学院近年来承担了大量国家重点项目，包括国家重点研发计划“云计算和大数据”重点专项项目、国家核高基重大专项课题、国家973项目、国家863计划重大课题、国家自然科学基金重大、重点项目等。并在SIGMOD、VLDB、AAAI、ACMTODS、IEEETPAMI、TKDE、TPDS等顶级国际会议和期刊上发表大量学术论文，在学术界有很大的影响力。
在学术交流方面，我们在2012年成立了萨师煊国际大数据研究中心，每年暑假邀请一批国际著名学者来校进行合作研究。这些学者包括美国UIUC的韩家炜教授，美国纽约州立大学的孟卫一教授，美国UniversityofTexas的堵丁柱教授，新加坡国立大学的黄铭钧教授，丹麦Aarhus大学的ChristianS.Jensen教授等等。此外，还建立了中澳数据与知识工程联合实验室，开展与昆士兰大学的联合博士生培养工作。
在大数据实习基地方面，我们与多个世界顶级企业在人民大学建立联合实验室，例如，2012年建立华为－人大数据管理联合实验室，2014年与Infosys合作建立数据科学联合实验室。
本学科已经建成了“人大行云”计算平台，为广大师生提供弹性的、可伸缩的计算资源和存储资源的多功能服务提供平台。人大行云利用虚拟化技术和云计算技术使得我们可以利用有限的硬件资源可以为师生提供更多的个性化服务，使得硬件和软件资源都能得到有效的利用。
精心打造的大数据人才培养方案
为提高大数据人才的培养质量，信息学院投入了大量优秀师资，专门为数据科学与大数据技术专业精心打造了一系列精品课程，在本科阶段给学生打下扎实的数学、大数据和计算机基础。数据科学与大数据技术是一个宽口径的专业，与很多行业都有相关性，全面而扎实的基础可以提高本专业学生的适应能力，可以从事多种职业方向。
如下图所示，其中标记红色字体的课程是专门为大数据专业开设的新课程，我院精选了优秀教师组建课程建设团队，例如《数据科学导论》由杜小勇教授和文继荣教授牵头，陈跃国副教授等参与；《大数据计算智能》和《非结构化大数据分析》由信息学院副院长、计算机系系主任李翠平教授和社会网络数据挖掘专家张静博士负责；《计算机系统基础》课程由计算机副主任柴云鹏副教授负责；《并行与分布式计算》由并行计算专家张峰博士负责。此外，我院的精品课程《数据库系统概论》将由杜小勇教授和信息学院党委书记陈红教授等联合授课。
数据科学与大数据技术专业人才培养方案（2023）
一、专业名称（专业代码）、授予学位
专业名称：数据科学与大数据技术专业（080910T）
授予学位：工学学士
二、培养目标
本专业培养适应经济社会发展，具有良好的人文社会素质与职业道德，掌握扎实的数学、统计学和计算机科学领域的基础理论、知识及技能，以及一定的科研工作能力，能胜任大数据应用系统分析、设计、开发等方面工作的高素质应用型人才。学生毕业五年左右应达到如下目标：
1．具有适应创新型国家发展需要的人文素养、职业道德和社会责任感；
2．能够运用数据科学和大数据技术专业知识和技术，对数据科学中复杂工程问题给出解决方案，并予以成功实现，达到数据工程师或数据分析师水平；
3．能够在水利、金融等领域从事大数据研究、分析、决策以及大数据工程项目设计、研发和实施，能开发基于大数据的新产品和新业务；
4．能够在项目、产品或科研团队中担任协调、组织或管理角色；
5．能够不断学习、更新知识，持续提升综合能力和业务水平。
三、培养（毕业）要求
本专业主要学习数据科学与大数据技术的基本思想和方法，通过扎实的数学、统计学和计算机科学等知识的基本训练，掌握在数据科学与大数据技术相关应用领域从事科学研究、项目设计和工程实施的基本能力。
本专业毕业生应获得以下12方面的知识和能力：
1.工程知识：能够将数学等自然科学、人文社会科学与工程基础理论和专业知识用于解决数据科学工程系统的技术开发、工程设计和复杂工程问题。
2.问题分析：能够应用数学等自然科学和工程科学的基本原理，识别、表达、并通过文献研究分析数据科学与大数据技术领域复杂工程问题，以获得有效结论。
3.设计/开发解决方案：能够设计大数据技术领域复杂工程问题的解决方案，设计满足特定需求的数据科学软硬件系统，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.研究：能够基于数据科学原理，采用科学方法对数据科学与大数据技术领域复杂工程问题进行研究，包括需求分析、系统设计、编程实现、测试和维护，从而解决问题并进行评价。
5.使用现代工具：能够针对数据科学与大数据技术领域复杂工程问题，选择与使用恰当的编程语言、开发平台、开发工具以及各种建模工具等，来解决工程中的问题，并能够理解其局限性，了解数据科学领域的前沿理论与发展现状和趋势。
6.工程与社会：能够结合数据科学与大数据技术专业相关背景知识进行合理分析，综合评价专业工程实践对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。
7.环境和可持续发展：能够理解和评价数据科学与大数据技术领域复杂工程问题的工程实践对环境、社会可持续发展的影响。
8.职业规范：具有人文社会科学素养、社会责任感，能够在数据科学与大数据技术领域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：能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色。
10.沟通：能够就数据科学与大数据技术领域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复杂项目工程管理原理与经济决策方法，并能应用于多学科环境工程实践中。
12.终身学习：具有自主学习和终身学习的意识，具有适应数据科学与大数据技术发展的能力。
四、主干学科
数学，统计学，计算机科学与技术。
五、学科基础课程
专业导论、数学分析、高等代数与几何、C程序设计、常微分方程、数值分析、概率论与数理统计、最优化方法。
六、专业核心课程
Python程序设计、数据挖掘、数据结构、机器学习、数据库技术、分布式计算原理、多元统计分析、数据可视化技术。
七、专业主要集中实践教学环节
C程序设计课程设计、数据挖掘实践、数据结构课程设计、分布式计算原理课程设计、大数据应用实践、数据库技术课程设计、水利大数据实习、金融大数据实习、毕业实习和毕业设计（论文）等。
八、毕业与学位
标准学制：4年；实行弹性学制，最低修业年限不少于3年。
学生在规定学习年限内，修满本方案规定的最低170学分。其中，专业必修不低于137学分，选修不低于33学分，符合学校毕业要求，颁发全日制本科毕业证书；获得毕业资格的学生，达到学校学位授予标准，经校学位委员会审议，颁发学士学位证书。
九、教学计划
（见附表）
专业指导性教学计划
课程
分类
考核
方式
课程名称
学分
学时
学期
合计
理论学时
实践学时
第1学年
第2学年
第3学年
第4学年
1
2
3
4
5
6
7
8
必修课
公
共
基
础
与
通
识课程
考试
思想道德修养与法律基础
2.5
42
42
2.5
考试
中国近现代史纲要
2.5
42
42
2.5
考试
马克思主义基本原理
2.5
42
42
2.5
考试
毛泽东思想和中国特色社会主义理论体系概论
2.5
40
40
2.5
考查
形势与政策（1-4）
2
32
32
0.5
0.5
0.5
0.5
考查
思想政治理论课程实践
2
32
32
2
考试
习近平新时代中国特色社会主义思想
2
32
32
2
考试
大学外语（1-4）
9
144
144
3
2
2
2
考试
大学物理A(1-2)
6
96
96
3
3
考查
物理实验(1-2)
2
40
40
1
1
考试
体育（1-4）
4
144
128
16
1
1
1
1
考查
军事类
1
32
8
24
1
小计
14门
38
718
606
112
8
10
10
10
学科
基础课
考查
专业导论
1
16
16
1
考试
数学分析(1-3)
16
256
236
20
5
5
6
考试
高等代数与几何(1-2)
10
160
152
8
5
5
考试
C程序设计
3
48
32
16
3
考试
常微分方程
3
48
48
3
考试
数值分析
3
48
40
8
3
考试
概率论与数理统计
4
64
64
4
考试
最优化方法
3
48
48
3
小计
8门
43
688
636
52
14
10
9
7
3
专业核心课
24
384
296
88
6
6
12
集中实践教学环节
32
1
1
2
4
4
2
6
12
必修合计
137
1790
1538
252
23
21
27
27
19
2
6
12
选修课
专业选修课
23
368
9
11
3
通识选修课
10
160
2
2
2
4
选修合计
33
528
1
2
9
15
3
总计
170
2318
1538
252
24
23
27
29
28
17
9
12
专业核心课（必修课）
考核
方式
课程名称
学分
学时
学年、学期、周学时
备注
合计
理论学时
实践
学时
第1学年
第2学年
第3学年
第4学年
1
2
3
4
5
6
7
8
考试
Python程序设计
3
48
32
16
3
考试
数据挖掘
3
48
40
8
3
考试
数据结构
3
48
40
8
3
考试
分布式计算原理
3
48
40
8
3
考试
机器学习
3
48
32
16
3
考试
数据库技术
3
48
40
8
3
考试
多元统计分析
3
48
40
8
3
考试
数据可视化技术
3
48
32
16
3
选修课
考核方式
课程名称
学分
学时
学年、学期、周学时
备注
合计
理论学时
实践
学时
第1学年
第2学年
第3学年
第4学年
1
2
3
4
5
6
7
8
通识选修课由学校统一设置并公布（选修不少于10学分）
考查
大学生心理健康教育
限选
小计
5门
10
160
专业选修课（选修不少于23学分）
考试
离散数学
3
48
48
3
专业进阶课程
考查
大数据与云计算
3
48
40
8
3
考试
应用随机过程
3
48
44
4
3
考查
数学建模
3
48
32
16
3
考查
统计软件与应用
3
48
32
16
3
考试
时间序列分析
3
48
40
8
3
考查
统计建模与R语言
3
48
24
24
3
考查
Java程序设计
3
48
32
16
3
考查
专业英语
2
32
32
2
考试
操作系统
3
48
32
16
3
考查
网络技术
3
48
32
16
3
考查
Hadoop大数据技术
3
48
32
16
3
专业拓展课程
考查
大数据安全技术
2
32
32
2
考查
深度学习
3
48
40
8
3
考查
计算机视觉
3
48
40
8
3
考查
NoSQL数据库原理
2
32
24
8
2
考查
Spark大数据技术
2
32
24
8
2
考查
人工智能
3
48
32
16
3
考查
区块链原理与技术
3
48
40
8
3
考试
水文统计
3
48
48
3
水利
大数据
方向
考查
水信息采集与处理
3
48
48
3
考查
气象水文大数据分析
3
48
32
16
3
考试
金融学概论
3
48
48
3
金融
大数据
方向
考查
金融风险管理
3
48
48
3
考查
金融大数据分析
3
48
32
16
3
集中实践性教学环节
序号
名称
学分
周数
学期
实习地点
实习类别
备注
1
军事技能
1
2-3
1
校内
集中
人民武装部负责组织实施
2
社会实践
1
1-4
校团委负责组织实施
3
劳动教育
1
1-7
学生工作处负责组织实施
4
创新创业
3
1-7
包括学科竞赛、大学生创新创业训练、就业指导与职业规划等，由创新创业学院组织实施
5
C程序设计课程设计
1
1
2
校内
集中
6
数据挖掘实践
2
2
3
校内
集中
7
数据结构课程设计
1
1
4
校内
集中
8
分布式计算原理课程设计
2
2
4
校内
集中
9
大数据应用实践
2
2
5
校外
分散
10
数据库技术课程设计
2
2
5
校内
集中
11
水利大数据实习
2
2
6
校外
分散
水利大数据方向
金融大数据实习
2
2
6
校外
分散
金融大数据方向
12
毕业实习
2
2
7
校外
分散
13
毕业设计（论文）
12
12
8
校内校外
合计
32
实习类别：集中实习、分散实习；实习地点：校内实习、校外实习；实践环节的考核方式为考查。
实践环节可顺延安排假期期间实施。
数据科学与大数据技术专业培养方案
一、培养目标
本专业旨在培养思想品德好、专业素质高、实践能力强，掌握数据科学专业方向所需的基础理论和方法，具有经济、金融等相关行业知识背景，具备较强的数据收集、数据处理和数据分析的技术和能力的国际化应用型数据科学人才。
学生毕业后，能在国家机关和企事业单位从事经济、金融、贸易、商务等行业的大数据分析，能利用数据科学方法开展商务流通大数据应用、金融大数据应用，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新。
二、培养规格及标准
⒈知识结构
本专业学生应具备以下几方面的知识：
(1)通识教育知识：思想政治理论课、大学英语、大学语文、体育、哲学与社会、文学与艺术、科学与创新、数学思维与经济分析、文化历史与国际视野等；
(2)基础知识：数据科学导论、数学分析、线性代数A、概率论A、数理统计、Python程序设计、计算机系统基础、C++程序设计、数据结构、数据库原理与设计等；
(3)专业知识：大数据探索性分析、最优化方法、数据挖掘与机器学习、计算统计、应用回归分析、应用时间序列分析、应用多元统计分析、分布式计算、人工智能、自然语言处理、深度学习、文本挖掘、算法导论、知识图谱、强化学习等；
(4)相关专业知识：经济学原理、计量经济学、国际金融、国际贸易、商务大数据案例分析、金融数据风险建模、运筹学、管理学、博弈论等。
具体课程设置详见本专业指导性教学计划。
⒉能力
通过培养，学生应具备以下几方面的能力：
(1)具有扎实的数据分析的理论基础和大数据技术，培养比较系统的大数据分析思维；
(2)掌握数据科学的基本理论、基本方法和基本技术，具有大数据采集和数据挖掘的技术，具备解决涉及大数据问题的能力；
(3)掌握系统的经济、金融等方面的行业知识，具有运用数据科学的理论、方法和技术分析相关领域实际问题的能力；
(4)掌握英语，听、说、读、写、译能力均达到较高水平。具有较强的英语口语和书面交流能力，熟练运用专业英语能力。能阅读数据科学和大数据方面的专业外文文献，掌握中外文资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有较强的自学能力和初步科研能力；
(5)具有较好的团队合作精神、人际交往能力和组织管理能力；
(6)具有终身学习的意识，了解本学科的理论前沿及发展动态，具有获取新知识的能力。
⒊素质
通过培养，学生应具备以下几方面的基本素质：
(1)具有强烈的社会责任感，热爱祖国、热爱人民；
(2)具有创新意识、创业意识和团队合作意识；
(3)具有较高的职业道德和敬业精神；
(4)具有强烈的事业心和进取心，具有良好的专业素养，较高的专业能力；
(5)具有健康的体魄和良好的心理素质。
⒋实践及创新能力
通过培养，学生应具备从事大数据处理、数据分析和数据挖掘等工作所需的创新精神与创新能力。
三、培养方式
根据国内外数据科学与大数据技术专业的发展动态，并结合我校财经特色采取科学合理的培养方式，具体包括：
⒈形式多样的课堂教学：理论讲授、模拟实验、案例分析、课堂讨论、小组报告等；
⒉课外讲座：专业学术报告、政府官员讲座、相关企业或行业的讲座等；
⒊课外实践：通过学科竞赛、社会实践和毕业实习等形式提高学生的专业素质，加强学生的解决问题能力，并有计划地让学生进入社会企业实习；
⒋产、学、研有机结合：重视数据科学与大数据技术专业的基础知识和专业知识的教学；强调大数据分析方法在经济、金融、贸易、商务等相关行业的中的运用，结合实际问题的背景进行有针对性的教学和实践；
⒌部分教材和课程设置与国际接轨，采用英文原版教材并通过双语或全英文形式授课。
四、成绩考核
课程考核合格，给予相应的成绩、绩点和学分。成绩考核严格按照《上海对外经贸大学本科学分制教学培养方案总则》《上海对外经贸大学全日制本科生学分制学籍管理规定》和《上海对外经贸大学本科课程考核管理办法》的有关规定执行。
五、教学质量保证
本专业教学质量保证工作严格按照学校有关规定执行。
六、学制
本科学制为四年，详见《上海对外经贸大学全日制本科生学分制学籍管理规定》。
七、学分
总学分
必修课
选修课
课内教学
实验教学
集中性实践教学环节
163
127
36
118
32
13
八、毕业与学位
⒈学生在规定的时间内完成培养方案规定的全部课程和学习任务，获得相应的学分，并符合各项要求者，准予毕业并发给毕业证书。
⒉毕业生符合《中华人民共和国学位条例》《中华人民共和国学位条例暂行实施办法》和学校《学士学位授予工作实施细则》，经学校学位委员会审查通过，授予理学学士学位。
九、专业指导性教学计划
本专业指导性教学计划见附表。
知识、能力和素质矩阵图
要素
内容
目标要求
方式方法
核心课程
知识
1.通识教育知识
2.基础知识
3.专业知识
4.相关专业知识
5.有关当代知识
1.具备丰富的自然科学和人文科学知识，了解相关领域的经典理论和发展现状，具有包括历史、文学、哲学、艺术等诸多方面的充实的知识结构。
2.具有扎实的数学基础和科学的逻辑思维训练；培养一定的数据建模能力，掌握一门外语和计算机知识，掌握经济、管理类等方面的基础知识。
3.掌握数据科学的基本理论和基本方法，掌握大数据分析的各类技术，能熟练使用相关软件进行相关行业的大数据分析。
4.了解经济、贸易、金融、生物、商务等行业的基本知识，能将数据科学的理论方法和大数据技术应用于这些行业的数据分析，为行业发展提供定性和定量参考。
5.了解数据科学的发展历史与现状，把握数据科学的发展方向和应用背景，能跟进学习大数据分析技术。
1.通识教育知识以课堂讲授为主，同时配合进行实验、习题加作业等实现教与学同步进行；人文科学知识采用课堂讲授、读书沙龙、报告和讲座等方式进行。
2.基础知识主要通过内容讲授、习题课讨论和上机模拟等环节开展教学，同时可以通过讨论班的形式开展教学。
3.专业知识通过课堂讲授与习题课相结合、课后作业和案例项目相结合、课程论文和上机操作相结合等方式实现教学共进。
4.相关专业知识以课堂讲授为基础，课后习题和案例分析结合来巩固课堂所学内容，同时通过讨论班和个人报告等形式深化教学效果。
5.结合专业新的理论和研究方法进行讨论研究，既可以融入日常教学，也可以通过专业讲座等形式进行学习。
1.中国近现代史纲要、哲学与社会、文学与艺术、科学与创新、数学思维与经济分析、文化历史与国际视野、军事理论与训练、大学语文、政治经济学
2.数据科学导论、数学分析、线性代数A、概率论A、数理统计、Python程序设计、C++程序设计、数据结构、数据库原理与设计、金融数据风险建模、管理学
3.数据可视化、大数据探索性分析、应用回归分析、应用时间序列分析、应用多元统计分析、计算统计、数据挖掘与机器学习、分布式计算、自然语言处理、深度学习、文本挖掘、人工智能、算法导论、知识图谱、强化学习
4.经济学原理、国际贸易、计量经济学、商务大数据案例分析、金融数据风险建模、运筹学、博弈论
能力
1.自主学习和研究能力
2.发现问题、分析问题、解决问题能力
3.逻辑思维能力
4.现场工作能力
5.实验室工作能力
6.沟通能力
7.通用技能（包括通用办公室技术、信息与通讯等）
8.组织、领导和管理能力
1.具有较强的自主学习能力，能结合现有知识学习新的知识，并具有一定的科学研究能力以及对获取新知识的敏锐性。
2.具有较强的发现问题和分析问题的能力，特别是涉及到未知领域时能抽象出实际问题并结合所学解决问题的能力。
3.具有数据采集、数据处理和数据分析的基本能力，同时具有较强的演绎推理能力和较强的编程计算能力。
4.具有严密的逻辑思维和较强的语言表达能力，能清楚的运用和表达自己的所学知识和对问题的认识。
5.具有一定的组织能力，在团队中能发挥良好的沟通、管理和领导作用。
1.在教学中除了讲授以外，充分给学生提供自主学习机会，逐步提高学生学习能力，并通过课程论文、毕业设计等环节培养学生良好的学习习惯。
2.通过学生讲解课程习题和作业、书面或口头报告以及论文答辩等形式来提高学生表达和沟通的能力，同时也经常训练学生的逻辑思维能力。
3.鼓励学生积极参加学校和社会上的实践活动、积极参加学科的各不同类型和不同规模的竞赛活动，特别是参加相关横向课题的研讨或创新创业项目，以此来培养学生的实践能力和组织、管理能力等。
1.数学思维与经济分析、数学分析、概率论A、数理统计、大数据探索性分析、商务大数据案例分析、金融数据风险建模
2.数据结构、数据库原理与设计、数据可视化、数据挖掘与机器学习、分布式计算、自然语言处理、文本挖掘、应用回归分析、应用时间序列分析、贝叶斯统计、算法导论、知识图谱、强化学习
3.Python程序设计、C++程序设计、统计软件、深度学习、计算统计、最优化方法
4.综合英语读写、综合英语视听说、管理学、运筹学
素质
1.身心健康
2.道德修养
3.民族精神
4.理想信念
5.国际视野
6.人际交往
7.团队合作
8.创新创业
1.具有强健的体魄，健康向上的心态。
2.遵守公民道德规范，具有良好的道德修养，具有科学的世界观、人生观和价值观。
3.具有强烈的爱国主义精神和民族自豪感。
4.树立坚定的政治理想，拥护党的基本路线方针，培养自身的专业精神。
5.关心国家大事，培养国际视野，具有国际合作交流的能力和素养。
6.具有较强的适应环境能力，具有良好的人际沟通能力。
7.培养学生的奉献精神、团队合作精神和良好的协调能力。
1.积极参加体育锻炼，体育比赛，达到国家规定的大学生体育和军事训练合格标准，具有健康的体魄。
2.通过体育课、思想政治理论课、班会、人文教育和专题讲座等来加强身心健康、道德修养和理想信念的培养。
3.通过军事教育与训练、参观学习、爱国主义讲座等使学生树立民族精神。
4.邀请国内外专家通过讲座来增强学生在专业方面的国际视野，也鼓励学生与国内外院校进行积极的交流。
5.通过举办集体活动加强人际交往能力与团队合作意识，同时也包括参加各种竞赛等。
1.体育、军事理论与训练
2.思想道德修养与法律基础、形势与政策
3.中国近现代史纲要，毛泽东思想和中国特色社会主义理论体系概论、国际金融、国际贸易
4.形势与政策、职业生涯设计、创新创业拓展、社会实践
数据科学与大数据技术专业培养方案-2021级.docx数据科学与大数据技术专业教学计划-2021级.xls