数据科学与大数据技术专业培养计划概况
数据科学与大数据技术专业培养方案一、学制和授予学位
1．标准学制：四年
2．授予学位：工学学士学位
二、培养目标面向数字中国、数字福建和智慧社会等国家和地方经济社会发展需求，培养具有良好的人文科学素养和职业道德，具有扎实的数据科学学科的基础理论，工程和技术知识、基本技能等符合知识结构，具备从事大数据应用领域的系统设计、技术开发、工程应用、系统运维和管理工作的实践能力，具有国际视野的数据科学创新型、应用型高级专门人才。毕业生能够综合考虑健康、安全、法律、文化、环境和社会可持续发展等方面的影响因素，能够在多种角色协同合作的团队中作为主要技术或管理骨干有效地发挥作用，能够通过各种终身学习途径来不断地更新和拓展自己的知识和能力，具备从事数据科学研究的基本素质。
三、核心课程算法与数据结构、数据库系统原理、数据采集与融合技术、大数据库系统、大数据计算、大数据分析与挖掘、数据科学与大数据技术导论、运筹学、机器学习等。
浙江大学数据科学研究中心
2021级070103概率论与数理统计博士培养方案2021-09-172021级070103概率论与数理统计博士培养方案所属院系数学科学学院学位类别学术学位学制3最低总学分12公共学位课最低学分4专业课最低学分5专业学位课最低学分3培养目标及基本要求：(一)培养目标：培养具有正确的世界观、人生观和价值观；热爱祖国，品德良好；实事求是，学风严谨；具有良好的职业道德；具有
2023级数据科学和大数据技术专业（080910T）本科培养方案
本科培养方案
一、培养目标
本专业贯彻落实党的教育方针，瞄准国家大数据战略，以服务经济社会发展为导向，坚持立德树人，产学研用协同育人。培养具有运用大数据思维及分析应用技术、将领域知识与大数据技术融合创新能力的，具备良好的职业道德精神和社会责任感的高层次人才。不仅能满足海南省大数据、云计算、人工智能、区块链等前沿信息产业高速发展对高素质工程应用型人才的需求，还能够为国内的政府、电力、教育、金融、信息产业以及其他国民经济部门或领域输出复合型高级工程技术人才。学生毕业5年后，能够适应行业大数据应用的发展需要，融会贯通数学与自然科学基础知识、计算机科学基础知识、大数据科学与工程专业知识，提出复杂大数据工程项目的系统性解决方案；能够跟踪大数据科学与工程领域的前沿技术，具备一定的大数据工程创新能力、大数据分析与价值挖掘能力，能够从事应用驱动的大数据产品的设计、开发和生产；具备良好的职业道德精神、社会责任感，理解法律、环境、发展的相互关系，在工程项目实施中坚持绿色发展理念、能够注重经济与社会效益的协调；具备健康的身心，拥有科学的人文精神、创新创业精神、团队精神，具备良好的人际沟通与协调能力、有效的工程项目管理能力；能够从全球视野思考问题，主动应对不断变化的国内外形势，具备自主学习能力、批判思维能力和国际交流能力。
二、培养规格
（一）学制与学位
基本学制为4年。实行弹性学制，修业年限不少于3年，最长不超过6年。
学生完成专业培养方案规定的课程，成绩合格，准予毕业。达到规定要求的，授予学士学位。
（二）知识要求
（1）通识知识：具有人文社科、信息交流、法律与环境、社会与公共安全等知识，了解国家发展战略规划、产业政策、法律法规、正确认识、理解、评价大数据工程对经济、社会、环境、健康、安全、文化的影响，保持经济增长、社会和谐、环境友好的协调发展。
（2）自然科学知识：具有从事专业相关的项目工作所需的数学等基础知识。
（3）计算机学科基础知识：具有扎实的计算机基础知识、信息处理方法，统计分析，软件开发等相关学科的基本理论和基本知识。
（4）大数据工程专业知识：熟悉大数据技术领域的基本理论和基本知识，熟练掌握分布式数据库原理与应用、大数据技术框架、数据分析与方法、机器学习、数据挖掘技术、云计算技术、数据可视化技术、并行与分布式计算原理、大数据编程技术等专业知识。
（5）项目与管理知识：具有基本的项目实施与管理知识；掌握大数据科学与技术的基本思维方法和研究方法，了解大数据技术的应用前景、以及相关行业最新进展与发展动态。
（6）工具性知识：掌握相关大数据文献检索、行业资料查询及运用现代信息技术获取相关知识的基本方法。
（三）能力要求
（1）学习能力：具有阅读英文的专业科技文献，运用英语进行沟通和交流的能力；具备运用计算机及信息网络辅助获取大数据行业相关技术的能力。
（2）分析和解决问题的能力：具有对大数据系统、大数据应用及相关复杂工程问题进行建模、设计、分析、研究、验证等工程综合知识和实践能力。
（3）创新能力：具备较强的创新意识和从事大数据领域科学研究的基本能力，具有应用大数据相关理论、方法和关键技术，将大数据技术与行业专业系统相结合，完成创新型的大数据应用运用并提供整体解决方案的能力。
（4）程序设计与实现能力：掌握结构化程序设计和面向对象程序设计的基本思想、方法和技巧，具备高级语言编程解决行业应用实际问题的能力。
（5）数据综合应用能力：掌握数据预处理、数据清洗、融合、数据分析等关键技术。具备利用各种大数据行业工具，例如主流大数据平台（如Hadoop或Spark）、典型深度学习系统（如TensorFlow）等对行业海量数据和信息进行分析并处理，实现智能化的决策和控制的能力；具备运用运筹学、机器学习、数据挖掘、专家系统等技术，为大数据行业应用提供智能支撑平台的能力。
（6）项目管理能力：了解相关的技术标准，具有数据处理、分析和应用、呈现等技术应用技能，具备大数据项目的组织与管理能力。
（7）合作与沟通能力：具有分享包容的心态、沟通与协作的愿望，具有一定的表达能力、独立工作能力、人际交往能力和团队合作能力。
（四）素质要求
（1）思想品德素质：具有先进中国特色社会主义思想水平、政治觉悟、道德品质，以及科学人文素养、强烈的社会责任感、高尚的社会主义职业伦理观。
（2）文化素质：具备较好的人文素养与情怀。
（3）专业素质：具有从事本专业工作所需的数学知识；具有计算机科学与技术学科的基础理论和专业知识；能从事大数据工程的产品设计开发、建设和应用维护等实际工作；遵循行业领域内的法律法规。
（4）身心素质：具有良好的心理素质和身体素质；树立科学的世界观、人生观和价值观；在项目实践中具有良好的质量、安全、服务和环保意识。
三、核心课程
分布式系统与云计算、机器学习、数据仓库与数据挖掘、大数据编程、大数据安全与隐私保护、神经网络与深度学习等。
四、主要课程和创新（创业）课程
（一）主要课程
高等数学、大学英语、数据库系统、程序设计基础、数据结构、算法分析与设计、大数据Python基础、操作系统、分布式系统与云计算、机器学习、数据仓库与数据挖掘、大数据编程、大数据安全与隐私保护、神经网络与深度学习等。
（二）创新（创业）课程
创新（创业）研讨课和实践课（含创新创业项目、科研训练、学科竞赛和创新创业比赛、创新创业实践调研、创新创业国际研习、论文成果、专利和著作权等）。
五、主要实践性教学环节（主要专业实验）
分布式系统与云计算、机器学习、数据仓库与数据挖掘、大数据编程、神经网络与深度学习、实习实训、毕业设计等。
六、第二课堂成绩单学分
第二课堂成绩单是指要求和鼓励学生自主参加各种有助于提高自身综合素质的课余活动，并分层次规定相应学分的一种培养安排。本专业的素质拓展活动主要有：社会实践、志愿服务、学术创新、创业、文化艺术、社团活动、法律援助等。第二课堂成绩单学分不属于课程学分。
七、学分要求
本专业学生毕业应修总学分共计172学分，包括课程学分和第二课堂成绩单学分。
1.课程学分共计169学分，其中：（1）课内必修课程122.5学分，包括公共课程35学分，学科基础课程65.5学分，专业课程22学分（含创新创业课程1.5学分）；（2）课内选修课程至少19学分，包括专业课程至少12学分，人文通识经典课程至少3学分，科学精神与职业素养类通识课程、体育艺术美学类通识课程至少分别修读2学分；（3）实践教学环节（独立开设）27.5学分（含创新创业类课程1.5学分）。
2.第二课堂成绩单学分至少3学分。
撰写：唐朝胜审核：王兆晖审定：曹春杰
数据科学与大数据技术专业公共课程与学科基础课程设置表
课程模块
课程分类
课程代码
课程名称
课程属性
学分
总学时
学时分配
开设学期
开课单位
考核方式
备注
理论
课内实践（实验）
课外实践
独立实验
公共课程
思想政治教育类
Q00001
思想道德修养与法律基础
必修
3
48
32
16
1
马克思主义学院
考查
Q00002
中国近现代史纲要
必修
3
48
32
16
2
马克思主义学院
考查
Q00003
马克思主义基本原理
必修
3
48
32
16
3
马克思主义学院
考试
Q00004
毛泽东思想和中国特色社会主义理论体系概论
必修
5
80
64
16
4
马克思主义学院
考试
Q00005
形势与政策1
必修
8
4
4
1
计算机与网络空间安全学院
考查
Q00006
形势与政策2
必修
8
4
4
2
计算机与网络空间安全学院
考查
Q00007
形势与政策3
必修
8
4
4
3
计算机与网络空间安全学院
考查
Q00008
形势与政策4
必修
8
4
4
4
计算机与网络空间安全学院
考查
Q00009
形势与政策5
必修
8
4
4
5
计算机与网络空间安全学院
考查
Q00010
形势与政策6
必修
8
4
4
6
计算机与网络空间安全学院
考查
Q00011
形势与政策7
必修
8
4
4
7
计算机与网络空间安全学院
考查
Q00012
形势与政策8
必修
8
4
4
8
计算机与网络空间安全学院
考查
Q00015
形势与政策（平均成绩）
必修
2
计算机与网络空间安全学院
考查
学分学时小计
16
288
192
96
体育类
Q00016
体育Ⅰ
必修
1
32
32
1
体育学院
考试
Q00017
体育Ⅱ
必修
1
32
32
2
体育学院
考试
Q00018
体育Ⅲ
必修
1
32
32
3
体育学院
考试
Q00019
体育Ⅳ
必修
1
32
32
4
体育学院
考试
学分学时小计
4
128
128
外语类
Q00020
大学英语Ⅰ
必修
2
32
16
16
1
外国语学院
考试
Q00021
大学英语Ⅱ
必修
2
32
16
16
2
外国语学院
考试
Q00022
大学英语Ⅲ
必修
2
32
16
16
3
外国语学院
考试
英语拓展类课程
必修
2
32
16
16
4
外国语学院
考试
学分学时小计
8
128
64
64
国防教育类
Q00023
军事理论
必修
2
32
32
1
计算机与网络空间安全学院
考查
QS0001
军事技能训练
必修
2
32
32
1
计算机与网络空间安全学院
考查
2周
学分学时小计
4
64
32
32
就业教育与文献检索类
Q00024
大学生职业发展与就业指导
必修
1
40
8
32
2
招生与就业处
考试
Q00025
文献信息检索与利用
必修
0
16
16
4
图书馆
考试
学分学时小计
1
56
8
16
32
健康教育类
Q00026
大学生心理健康教育
必修
2
32
16
16
2
学生工作部(处)
考试
学分学时小计
2
32
16
16
通识通选类
人文通识经典类课程
选修
3
48
48
1-3
必选
科学精神与职业素养类课程
选修
2
32
32
2-7
必选
体育艺术美学类课程
选修
2
32
32
2-7
必选
学分学时小计
7
112
112
公共实践类
Q00041
劳动教育实践
必修
0
36
36
1-6
第二课堂成绩单
必修
3
1-8
学分学时小计
3
36
36
学分学时总计
45
844
552
80
212
2周
学科基础课程
数学类
K00002
高等数学A1上
必修
5
80
80
1
理学院
考试
K00003
高等数学A1下
必修
6
96
96
2
理学院
考试
K00011
线性代数A1
必修
3
48
48
2
理学院
考试
K00015
概率统计A1
必修
3
48
48
3
理学院
考试
学分学时小计
17
272
272
物理类
K00023
大学物理B上
必修
3
48
48
2
理学院
考试
K00027
大学物理实验上
必修
1
32
32
2
理学院
考查
K00024
大学物理B下
必修
3
48
48
3
理学院
考试
K00028
大学物理实验下
必修
1
32
32
3
理学院
考查
学分学时小计
8
160
96
64
其他基础类
K00001
新生入学教育与导学
必修
1
32
16
16
1
计算机与网络空间安全学院
考查
K00105
程序设计基础
必修
3
48
48
1
计算机与网络空间安全学院
考试
K00106
程序设计基础实验
必修
1
32
32
1
计算机与网络空间安全学院
考查
K00107
数据结构
必修
3
48
48
2
计算机与网络空间安全学院
考试
K00108
数据结构实验
必修
1
32
32
2
计算机与网络空间安全学院
考查
K00109
数字逻辑与数字系统
必修
3
48
48
2
计算机与网络空间安全学院
考试
K00110
数字逻辑与数字系统实验
必修
0.5
16
16
2
计算机与网络空间安全学院
考查
K00111
离散数学
必修
3
48
48
3
计算机与网络空间安全学院
考试
K00112
计算机组成原理
必修
3
48
48
3
计算机与网络空间安全学院
考试
K00113
计算机组成原理实验
必修
0.5
16
16
3
计算机与网络空间安全学院
考查
K00114
JAVA语言与系统设计
必修
3
48
48
3
计算机与网络空间安全学院
考试
K00115
JAVA语言与系统设计实验
必修
0.5
16
16
3
计算机与网络空间安全学院
考查
K00116
数值分析
必修
3
48
48
3
计算机与网络空间安全学院
考试
K00117
数值分析实验
必修
0.5
16
16
3
计算机与网络空间安全学院
考查
K00118
算法分析与设计
必修
3
48
48
4
计算机与网络空间安全学院
考试
K00119
算法分析与设计实验
必修
0.5
16
16
4
计算机与网络空间安全学院
考查
K00120
大数据Python基础
必修
3
48
48
4
计算机与网络空间安全学院
考试
K00121
大数据Python基础实验
必修
0.5
16
16
4
计算机与网络空间安全学院
考查
K00122
操作系统
必修
3
48
48
4
计算机与网络空间安全学院
考试
K00123
操作系统实验
必修
0.5
16
16
4
计算机与网络空间安全学院
考查
K00124
数据库系统
必修
3
48
48
4
计算机与网络空间安全学院
考试
K00125
数据库系统实验
必修
1
32
32
4
计算机与网络空间安全学院
考查
学分学时小计
40.5
768
544
16
208
学分学时总计
111
2044
1464
80
228
272
数据科学与大数据技术专业专业课程、实践教学课程
（独立开设）
课程模块
课程分类
课程代码
课程名称
课程属性
学分
学时
学时分配
开设学期
开课单位
考核方式
备注
理论
课内实践（实验）
课外实践
独立实验
专业课程
必修
Y00234
分布式系统与云计算
必修
3
48
48
5
计算机与网络空间安全学院
考试
◆
Y00235
分布式系统与云计算实验
必修
0.5
16
16
5
计算机与网络空间安全学院
考查
Y00236
机器学习
必修
3
48
48
5
计算机与网络空间安全学院
考试
◆
Y00237
机器学习实验
必修
0.5
16
16
5
计算机与网络空间安全学院
考查
Y00238
数据仓库与数据挖掘
必修
3
48
48
5
计算机与网络空间安全学院
考试
◆
Y00239
数据仓库与数据挖掘实验
必修
0.5
16
16
5
计算机与网络空间安全学院
考查
Y00240
神经网络与深度学习
必修
3
48
48
6
计算机与网络空间安全学院
考试
◆
Y00241
神经网络与深度学习实验
必修
0.5
16
16
6
计算机与网络空间安全学院
考查
Y00242
大数据编程
必修
3
48
48
6
计算机与网络空间安全学院
考试
◆
Y00243
大数据编程实验
必修
0.5
16
16
6
计算机与网络空间安全学院
考查
Y00244
创新（创业）研讨课
必修
1.5
24
24
6
计算机与网络空间安全学院
考查
创新（创业）课程
Y00245
大数据安全与隐私保护
必修
3
48
48
7
计算机与网络空间安全学院
考查
◆
学分学时小计
22
392
312
0
80
选修
Y00246
并行计算
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
1.至少修满12学分。
2.第5学期至少选修6学分；
3.第6学期至少选修4学分；4.第7学期至少选修2学分
Y00247
应用多元统计分析
选修
3
48
48
5
计算机与网络空间安全学院
考查
Y00248
大型数据库技术
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
Y00249
计算机网络
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
Y00250
网络操作系统及应用
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
Y00251
知识图谱
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
Y00252
人工智能导论
选修
3
48
48
5
计算机与网络空间安全学院
考查
Y00253
大数据采集与融合技术
选修
2
32
24
8
5
计算机与网络空间安全学院
考查
Y00254
信息与网络安全
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00255
自然语言处理
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00256
大数据可视化
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00257
社交媒体挖掘
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00258
混合现实技术
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00259
时空数据处理技术
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00260
计算机仿真与建模
选修
2
32
24
8
6
计算机与网络空间安全学院
考查
Y00261
农业大数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00262
健康大数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00263
电子政务数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00264
信息技术领域法律法规
选修
1
16
16
7
计算机与网络空间安全学院
考查
Y00265
海洋大数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00266
旅游大数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00267
金融大数据处理与应用
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00268
区块链技术与原理
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00269
WEB技术
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
Y00270
移动互联网应用开发
选修
2
32
24
8
7
计算机与网络空间安全学院
考查
学分学时小计
51
816
640
176
学分学时总计
73
1208
952
176
80
实践教学课程（独立开设）
专业实践类
J00075
数据结构课程设计
必修
1
1
2
计算机与网络空间安全学院
考查
J00076
JAVA语言与系统设计课程设计
必修
1
1
3
计算机与网络空间安全学院
考查
J00077
算法分析与设计课程设计
必修
1
1
4
计算机与网络空间安全学院
考查
J00053
大数据Python基础课程设计
必修
1
1
4
计算机与网络空间安全学院
考查
J00054
数据库系统课程设计
必修
1
1
4
计算机与网络空间安全学院
考查
J00055
分布式系统与云计算课程设计
必修
1
1
5
计算机与网络空间安全学院
考查
J00056
机器学习课程设计
必修
1
1
5
计算机与网络空间安全学院
考查
J00057
数据仓库与数据挖掘课程设计
必修
1
1
5
计算机与网络空间安全学院
考查
J00058
神经网络与深度学习课程设计
必修
1.5
1.5
6
计算机与网络空间安全学院
考查
J00059
创新（创业）实践课
必修
1.5
1.5
6
计算机与网络空间安全学院
考查
创新（创业）课程
J00060
大数据编程课程设计
必修
1.5
1.5
6
计算机与网络空间安全学院
考查
J00061
大数据专业综合课程设计
必修
2
2
6
计算机与网络空间安全学院
考查
J00062
毕业实习
必修
5
5
7
计算机与网络空间安全学院
考查
J00064
毕业论文（设计）
必修
8
8
8
计算机与网络空间安全学院
考查
学分学时小计
27.5
27.5
学分学时总计
27.5
27.5
学分统计表
课程模块
课程分类
各学年计划学分
课程分类学分合计
说明
第一学年
第二学年
第三学年
第四学年
1
2
3
4
5
6
7
8
公共课程
思想政治教育类
3
3
3
5
2
16
形式政策为1-8学期，为计算方便，放置第8学期（以下雷同）
体育类
1
1
1
1
4
外语类
2
2
2
2
8
国防教育类
4
4
就业教育与文献检索类
1
1
健康教育类
2
2
通识通选类三门课分散放置第3，5学期
通识通选类
3
4
7
公共实践类
3
3
第二课堂放置第8学期
小计
10
7
9
10
4
5
45
学科基础课程
数学类
5
9
3
17
物理类
4
4
8
其他基础类
5
7.5
13.5
14.5
40.5
小计
10
20.5
20.5
14.5
65.5
专业课程
必修类
10.5
8.5
3
22
选修类
6
4
2
12
小计
16.5
12.5
5
34
实践教学课程（独立开设）
专业实践类
1
1
3
3
6.5
5
8
27.5
小计
1
1
3
3
6.5
5
8
27.5
各学年计划学分合计
20
28.5
30.5
27.5
23.5
19
10
13
╱
48.5
58
42.5
23
总学分
172
学时统计表
课程模块
课程分类
各学年计划学时
课程分类学时合计
说明
第一学年
第二学年
第三学年
第四学年
1
2
3
4
5
6
7
8
公共课程
思想政治教育类
56
56
56
88
8
8
8
8
288
形式政策为1-8学期，每学期按8学时分配
体育类
32
32
32
32
128
外语类
32
32
32
32
128
国防教育类
64
64
就业教育与文献检索类
40
16
56
健康教育类
32
32
通识通选类三门课分散放置第3，5学期
通识通选类
48
64
112
公共实践类
36
36
为计算方便，劳动教育实践放置第5学期
小计
184
192
168
168
108
8
844
学科基础课程
数学类
80
144
48
272
物理类
80
80
160
其他基础类
112
144
240
272
768
小计
192
368
368
272
1200
专业课程
必修类
192
152
48
392
选修类
96
64
32
192
小计
288
216
80
584
实践教学课程（独立开设）
专业实践类
1w
1w
3w
3w
6.5w
5w
8w
27.5w
小计
1w
1w
3w
3w
6.5w
5w
8w
27.5w
各学年计划学时合计
376
560+1w
536+1w
440+3w
396+3w
224+6.5w
88+5w
8+8w
╱
936+1w
976+4w
620+9.5w
96+13w
总学时
2628+27.5w
数据科学与大数据技术专业（传媒大数据方向）培养计划
1、专业建设基础
统计学是大数据挖掘与建模分析的灵魂。原“应用统计学”专业自2005年招生以来，15年办学积累，在本科生教学课程培养模式，实践课程培养模式，教学模式与方法改革、科研训练培养模式等方面已具备较为完善的培养体系和行之有效的培养方式。
在培养目标方面，原“应用统计学”专业侧重培养学生掌握各种传媒领域数据获取和数据处理方法、数据建模分析方法，使学生适应传媒领域大数据产业发展的需求，这与“数据科学与大数据技术（传媒大数据方向）”专业衔接非常紧密，为新专业的招生打下了牢固的基础。
在学生科研培养模式方面，鼓励学生积极参与科研竞赛、科研项目以及班集体建设，获得多项成果。
（1）数学建模竞赛获得全国和北京市18项奖项（全国一等奖1项，北京市一等奖3项，二等奖14项）;
（2）美国数学建模竞赛获得10项（特等提名奖1项，一等奖2项；二等奖6项；三等奖1项）；
（3）全国科技作品“挑战杯”竞赛获35项，其中2008年，获得北京市特等奖一项；
（4）参加全国“蓝桥杯”等计算机相关领域比赛获得6项奖项；
（5）全国和北京市大学生创新项目50余项，参与学生180余人；
（6）学生通过数据建模和创新项目科研训练累计发表篇论文20余篇；
（7）2008-2015年，4届获得18项“北京市”和“中央三台“等优秀班集体荣誉。
2、培养计划本专业的培养计划主要包括：教学课程培养；实践教学课程培养；科研训练培养。
2.1 教学课程培养根据专业的培养目标和培养要求，专业教学课程包括五大模块，分别是：数理基础课程模块、计算机课程模块、数据处理课程模块、人工智能课程模块、媒体处理课程模块。
（1）数理基础课程模块通过数学和统计理论知识的学习，对学生不仅进行了严格的科学思维训练，而且使学生掌握统计学的基本理论、方法和大数据分析建模技术。
（2）计算机课程模块通过此模块课程的学习，使学生掌握计算机技术，完成数据的获取、储存和算法实现。
（3）数据处理课程模块通过此模块课程的学习，使学生能够具有一定的应用基本理论、方法和技术进行数据分析与建模的实践能力。
（4）人工智能课程模块通过此模块课程的学习，既可以拓展学生知识结构，强化学生的人工智能思维训练，又可以提高学生对智能方法和智能技术的理解、认识和应用能力。
（5）媒体处理课程模块通过此模块的学习，使学生能够利用大数据方法解决文化科技和传媒行业大数据应用问题。
2.2 实践教学课程培养本专业实践教学体系目标：注重基础、强化训练、加强综合、培养能力。本系将按照“实验、实习与实训三位一体”进行实践教学。
（1）基础教学模块教师通过授课讲解数据汇聚和处理、数据建模和算法实现、数据应用和可视化的基础知识。
（2）调研参观模块采取“请进来、走出去”的开放形式，外聘高校、研究院所和业界专家进行大数据相关知识的讲解，开阔学生眼界。同时，也让学生走向业界，体会大数据的应用。
（3）动手实践模块针对不同年级差异化的授课内容，在校内和校外的实践平台上，针对学生进行大数据相关的实践能力训练。
2.3 科研训练培养（1）在教学课程的授课过程中，根据所学内容，指导学生进行平台搭建、数据库建设。
（2）指导学生积极参与国家级、北京市的“大学生实践创新训练及创业计划项目”。
（3）鼓励、支持和指导学生参加各类学科竞赛，主要包含：全国数学建模比赛、美国数学建模比赛、全国科技作品“挑战杯”竞赛、全国“蓝桥杯”计算机比赛等。
（4）引导学生参与教师的科研项目中，通过科研活动，帮助学生拓宽视野，更好地将理论知识运用到实践中。
山东大学数据科学与大数据技术专业培养方案（2023修订版）
专业代码：080910T
一．专业简介数据科学与大数据专业依托山东大学软件学院建设。山东大学软件学院是首批国家示范性软件学院，2001年开始招收软件工程专业方向本科生，2002年获软件工程领域专业硕士授予权，2011年设立软件工程一级学科博士学位授权点，2012年设立软件工程博士后流动站。数据科学与大数据技术专业于2016年开始建设新工科实验班，2019年获得教育部批准并开始招收本科生。
数据科学与大数据技术专业按照计算机大类招生，每年级招收80余名学生。毕业生主要就业去向包括高新技术企业、科研部门、企事业单位和教育机构等，就业质量与薪资水平名列前茅。
二．培养目标本专业培养德、智、体、美全面发展，能够从事各行业大数据分析、处理、服务、开发和利用等工作的专业型和研究型人才。毕业生品格健全，具有科学的人文精神、创新创业精神和良好的职业道德精神，具备自主学习能力、批判思维能力和国际交流能力。
学生应掌握数据科学的基础知识、基本理论和基本方法，包括面向大数据的数学、统计学、计算机科学、自然科学与社会科学领域的知识、理论和方法。学生应熟悉自然科学和社会科学等领域中大数据应用的特点，掌握数据建模、高效分析与处理、统计学推断等基本技能，在此基础上，具备大数据采集、预处理、存储、分析、挖掘等行业核心能力。综合起来，学生应具有卓越的专业能力和良好的外语水平，能够从事大数据系统开发、运行和维护等工作，并具有一定的数据科学研究能力。
预期学生毕业5年左右达到以下目标:
1：系统运用数学、自然科学知识和数据科学知识解决复杂工程问题的能力；
2：在数据科学与工程领域具备较强的科研和开发能力；
3：具备良好的学习新知识和新技术的能力，具有较强的创新意识；
4：具备良好的沟通能力、团队合作精神和团队管理能力；
5：具备终身学习能力，具有国际视野，适应数据、软件和计算机的行业发展。
三．毕业要求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：能够将数理知识、工程基础和数据科学专业知识用于解决复杂工程问题。
（2）问题分析：能够应用数学、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：能够设计针对数据科学、软件工程、计算机科学领域的复杂工程问题的解决方案，设计满足特定需求的软硬件系统，并能够在设计环节中体现出创新意识，考虑社会、健康、安全、法律、文化以及环境等因素。
（4）研究：能够基于科学原理并采用科学方法对数据科学与技术复杂工程问题进行研究，包括分析与解释数据，并通过综合推理得到合理有效的结论。
（5）使用现代工具：能够针对数据科学与技术的复杂工程问题，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，包括对复杂工程问题的预测与模拟，并能够理解其局限性。
（6）工程与社会：能够基于工程相关背景知识进行合理分析，评价数据科学与技术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）环境与可持续发展：能够理解和评价针对数据科学与技术复杂工程问题的工程实践对环境和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，能够在工程实践中理解并遵守工程职业道德和规范，履行相应责任。
（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：能够就复杂工程问题与业界同行及社会公众进行有效沟通与交流，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与交流。
（11）项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。
（12）终身学习：具有自主学习和终身学习的意识，有不断学习和适应发展的能力。
四．核心课程设置数据科学与大数据技术专业的核心课程包括：《数据科学引论》、《数据结构》、《操作系统》、《数据库系统》、《非关系型数据库》、《数据仓库与数据挖掘》、《数据可视化》、《机器学习》共8门课程。另有专业基础课程、专业必修课程等。
五．主要实践性教学环节（含主要专业实验）本专业主要实践性教学环节及主要专业实验包括新生研讨、高级程序设计语言课程设计、数据结构课程设计、数据库系统课程设计、认识实习、大数据创新设计、项目实训、创新创业教育实践、实践与综合设计（校内外）、毕业设计等。
六．毕业学分181.5学分（包括：专业培养计划161.5学分，重点提升计划8学分，创新实践计划4学分，拓展培养计划8学分）。
七．学制与学位基本学制四年，允许最长修业年限六年。
工学学士。
数据科学与大数据技术专业
总体介绍
专业特色
数据科学与大数据技术专业是一个交叉学科。以统计学、数学、计算机为三大支撑性学科；并以生物、医学、社会学、管理学为应用拓展性学科。本专业将从数据科学的理论基础、大数据分析与管理、人工智能等三个主要方面系统地培养学生的数学基础和逻辑思维能力，以大数据为核心的分析问题与解决问题的能力，以及将领域知识与计算技术、大数据技术融合和创新的能力。本专业所培养的毕业生将会成为既具有深厚的数学理论功底又具有扎实的大数据计算能力的复合型人才。
培养目标
本专业培养德、智、体、美全面发展，具备大数据思维与创新精神，能够掌握面向大数据应用的数学、统计学、计算机科学基本理论，以及数据挖掘、统计推断、机器学习、大数据管理等基本方法和技能，具有较强的专业能力和良好外语运用能力，能胜任大数据分析与挖掘关键算法研发、大数据处理系统构建等工作的高级专门科学技术人才。毕业后能从事数据科学研究与各行业大数据的智能分析、处理、挖掘和应用工作。
主干学科与相近专业
主干学科：数学、统计学、计算机科学。
相近专业：人工智能、软件工程、自动化、计算机科学与技术、应用统计学、应用数学、信息与计算科学学等。
培养方案
核心课程
大类基础课程如下：
高等代数、实变函数、复变函数、离散数学、常微分方程；
专业核心课程如下：
1）必修：最优化理论与方法、大数据的Python基础、概率与统计、数据科学导论、数据可视化；
2）选修：专业英语、计算机数据结构、人工智能概论、图论及其应用、随机过程、多元统计分析、时间序列分析、数字图像处理、自然语言处理、机器学习、社会计算、生物信息、计算机网络、分布式计算、并行计算、保险精算、组合证券投资理论。
毕业要求
本专业毕业生需达到相应的知识、能力、思维要求见下表，具体要求及分解指标如下表所示。
表1.本专业知识、能力与思维要求指标
培养环节具体要求指标
知识方面要求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。
要求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、测试和软件对应知识要求。
要求1-3:熟练掌握数据挖掘与机器学习的基本原理与基本方法，并掌握利用其方法进行数据处理的基本技能。
要求1-4:较熟练地掌握一门外语,具有一定的听、说、读写能力。
能力方面要求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。
要求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。
要求2-3：数据挖掘与机器学习系统设计能力：具备较强的应用数据挖掘与机器学习算法与思维来设计实际大数据系统。
要求2-4：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。
思维方面要求3-1：具有良好的数学思维与数据科学。具备较好的抽象思维能力与数学形式化思维能力。能够从数据科学的视角出发来分析、研究科学问题与技术问题。
要求3-2：具有良好大数据思维。能够具备大数据收集、分析与挖掘的整体思维，并善于构造大数据应用场景来解决现实问题。
入学要求
报考天津大学数据科学与大数据技术专业（按照数学类招生）必须选考物理