数据科学与大数据技术专业培养方案(2019)-计算机与通信工程学院

专业设置

当前位置: 首页 > 本科生教育 > 专业设置 > 正文

数据科学与大数据技术专业培养方案(2019)

发布时间: 2020-03-12 08:52:01 浏览量:

数据科学与大数据技术专业培养方案

一、培养目标

本专业的人才培养目标是培养德、智、体、美、劳全面发展，具有良好的政治素质与

道德修养，掌握数据科学与大数据技术完整理论知识体系、具备全面应用分析技能，能够从事大数据有关教学、科研、开发和应用的高素质复合型人才。

本专业学生将掌握面向大数据应用的计算机科学、统计学、数学基础理论和方法，

熟练运用各种大数据分析技术和手段；在数据建模、数据管理和分析、统计推断的基本理论、方法和技能方面进行系统学习；同时具备自然科学和社会科学等领域中大数据的应用分析技能。本专业学生在系统的专业技术训练基础上，具备广泛的数据应用视野、能够胜任大数据分析挖掘、大数据系统开发等技术领域以及交通大数据、金融大数据、能源大数据等各类应用领域的多层次工作。

二、培养规格

（一）知识要求

1.人文社会科学知识。掌握文学、历史学、哲学、伦理学、政治学、艺术、心理学等知识。

2.数学与自然科学知识。掌握从事数据科学与大数据技术专业所需的高等数学、线性代数、概率和数理统计、应用统计学、数学建模、物理等数学与自然科学知识。

3.工程基础知识。掌握从事数据科学与大数据技术专业所需的计算机组成原理、操作系统、程序设计、算法与数据结构等工程基础知识。

4.数据科学与大数据技术专业知识。掌握从事数据科学与大数据技术专业所需的计算机组成原理、数据库原理与技术、计算机网络原理、操作系统、程序设计、数据采集与预处理、Hadoop集群管理、流数据处理、数据挖掘、数据可视化等专业知识。

5.工具性知识。掌握数学、外语、大数据技术应用、社会调查与研究方法、专业论文写作等知识。

6.法律与管理知识。掌握从事数据科学与大数据技术专业所需的法律、法规、标准及工程管理、经济决策知识。

（二）能力要求

1.获取知识的能力：自学能力、信息获取与表达能力等。

2.应用知识能力：系统级的认知能力和理论与实践能力，自底向上和自顶向下的问题分析能力，工程设计能力，项目管理能力，开发工具使用的能力和较强的程序设计能力，运用本学科的基础理论知识的能力和理论指导实践的能力。

3.创新能力：创造性思维能力、创新实验能力、科技开发能力、科学研究能力以及对新知识、新技术的敏锐性。具备较强的创新精神与复杂工程问题的分析、研究和提出最优解决方案的能力。

4.具有较强的自我获取知识能力、终身教育观念、团队协作精神和跨文化交流能力。

（三）素质要求

1.思想道德素质：热爱祖国，拥护中国共产党的领导，树立科学的世界观、人生观和价值观；具有责任心和社会责任感。

2.人文素质：具有一定的文学艺术修养、人际沟通修养和现代意识。

3.身心素质：具有较好的身体素质和心理素质。

4.综合素质：具有法律意识，自觉遵纪守法；热爱本专业、注重职业道德修养；具有诚信意识和团队精神综合素质高的社会主义建设者和接班人。

三、专业特色及实现途径

（一）专业特色

数据科学与大数据技术是2019年批准的新专业。为实现本专业人才培养目标，在课程设置上注重基础知识与应用能力的结合，个性发展与团结协作的结合，同时注重创新能力的培养，使学生成为高素质、宽口径、厚基础、强能力的高级工程技术人才。

（二）实现途径

1.前两年主要开设通识课程和计算机类基础课程，达到宽口径的目的。

2.专业基础课程保证学生能够掌握计算机组成原理、操作系统、数据库原理与应用、程序设计能力和大数据初步处理技术，达到厚基础的目的。

3.重要专业基础课程和专业课程开设独立实验课程，加强学生实践动手能力的培养；通过基础实训、校企合作实训、毕业实习、毕业设计循序渐进，达到提高学生创新精神和综合解决实际问题能力的目的。

4.在学校规定的通识素质教育课程的基础上新增“社会与职业素养”课程，进一步提高学生素质，达到加强学生社会责任感的目的。

5.“学生研究计划和第二课堂”的实施，培养学生的团队协作和创新能力。

6.本专业在数据科学与大数据技术核心课程基础上，设置软件开发技术、大数据处理技术、数据挖掘与人工智能理论应用三个方向课程群。其对应的课程模块分别是：

（1）软件开发技术：C/C++程序设计、Python程序设计、Java程序设计、算法与数据结构、数据库原理与技术、软件工程概论、项目管理概论、程序设计类实验实训实习。

（2）大数据处理技术：Linux操作系统及实验、Java程序设计及实验实训、Python程序设计及实验、数据采集与预处理课程及实验与课程设计、Hadoop集群程序设计及实验实训、Spark编程及实验实训、ETL技术及实验、数据可视化及实验、交通大数据分析技术及实验、大数据专业相关实习实训、毕业实习和毕业设计。

（3）数据挖掘与人工智能理论应用：数据挖掘技术基础、机器学习、深度学习、多元统计分析与R语言建模及实验、行业大数据分析技术及实验。

四、毕业要求与保障措施

（一）毕业要求

1. 思想道德和职业规范：坚持社会主义核心价值观，具有坚定的政治立场，热爱祖国，具有人文社会科学素养和社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行职责。

了解数据科学发展历程，理解大数据技术对人类文明、社会进步和民族复兴的推动作用，具有人文知识、思辨能力、处事能力和科学精神。理解大数据相关工程技术的社会价值以及工程师的社会责任，自觉遵守工程师职业道德和行为规范。

2．工程知识：能够将数学、自然科学、工程基础和专业知识用于解决复杂工程问题。

掌握数据科学与大数据技术专业所要求的数学和自然科学基本知识，能将其用于交通、电力、金融等行业大数据复杂工程问题的分析与建模。掌握大数据处理所需的算法分析知识，培养计算思维及数据科学思维，能将其用于复杂工程问题模型的实现。掌握从事大数据相关工作所需的软件理论与开发知识，能将其用于交通、电力、金融等行业大数据的分析、处理和决策。

3．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复杂工程问题，以获得有效结论。

掌握文献检索、资料查询的基本方法，能够运用现代技术获取相关文献，具有资料阅读和文献研究能力，并用于交通、电力、金融等行业大数据复杂工程问题的分析和推理。通过理论与实践相结合的系统学习，能够识别复杂工程问题中所涉及的数学、自然科学及数据科学与大数据技术专业相关的理论知识。能够应用数学、自然科学和数据科学与大数据技术专业的基本原理对其相关的复杂工程问题进行提炼、定义、建模、分析和评价。

4．设计/开发解决方案：能够设计针对复杂工程问题的解决方案，设计满足特定需求的系统、单元（部件）或工艺流程，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。

能够根据用户需求确定交通、电力、金融等行业大数据处理的设计目标。能够在法律、健康、安全、文化、社会以及环境等现实约束条件下，通过综合评价对设计方案的可行性进行研究。能够根据明确的需求，设计出针对交通、电力、金融等行业大数据处理复杂工程问题的解决方案，能够用设计文档、原型系统等形式呈现设计成果。了解数据科学与大数据技术领域前沿知识和发展趋势，掌握基本创新方法，在解决复杂工程问题中具有创新意识。

5．研究：能够基于科学原理并采用科学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。

能够综合运用所学数据科学原理，针对交通、电力、金融等行业大数据处理相关复杂工程问题，设计合适的研究方案，并建立合适的数学模型，确定模型参数。按照研究需要设计实验，并正确采集、整理实验数据。参照科学的理论模型对比实验数据和结果，说明实验和理论模型的结果差异。

6．使用现代工具：能够针对复杂工程问题，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，包括对复杂工程问题的预测与模拟，并能够理解其局限性。

学会使用互联网、移动互联网和大数据分析等现代信息技术工具。能够针对交通、电力、金融等行业大数据处理复杂工程的问题，选择与使用恰当的技术手段和工具进行模拟，并能够在实践过程中领会相关工具的局限性。

7．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。

了解数据科学与大数据技术专业相关的历史和文化背景，能够正确认识交通、电力、金融等行业大数据处理对客观世界和社会的相互关系和影响。熟悉与大数据技术领域相关的技术标准、知识产权、产业政策和法律法规。能识别和分析大数据技术领域新产品、新技术、新工艺的开发与应用对社会、健康、安全、法律以及文化的潜在影响，并能进行客观评价。

8．环境和可持续发展：能够理解和评价针对复杂工程问题的专业工程实践对环境、社会可持续发展的影响。

了解大数据技术相关的工程实践活动对生态环境的影响，理解信息污染和数据污染等相关领域的新概念，并做出正确的评价，能充分考虑工程活动与环境保护的冲突问题。了解大数据技术对人类社会可持续发展的影响，认识环境问题对大数据技术发展的影响，具有节能环保意识。

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。

了解大数据技术相关工程问题的多学科技术背景特点，能主动与团队其他成员合作，开展工作。能够针对大数据技术相关工程实践活动进行合理分工，完成整个设计周期中个人的任务，或者在团队中担任负责人角色。

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。

能够就大数据技术相关的复杂工程问题的解决方案、过程与结果，与业界同行及社会公众进行交流，通过书面报告、设计文档、编写代码和口头陈述清晰地表达团队或个人观点与设计理念。具备良好的外语运用能力，通过阅读国内外技术文献、参加学术讲座等环节，理解不同文化、技术行为之间的差异，能够在跨文化背景下进行沟通和交流。

11．项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。

理解从事大数据技术实践活动所需的经济与管理因素，掌握工程管理原理与经济决策方法。在多学科背景下，将工程项目方案设计中涉及的时间及成本管理、质量及风险管理、人力资源管理等问题进行最优求解。

12．终身学习：具有自主学习和终身学习的意识，身心健康，有不断学习和适应发展的能力。

能认识不断探索和学习的必要性，注重身心健康，具有自主学习和终身学习的意识。能针对个人或职业发展规划，采用合适的方法自我学习，不断适应大数据技术的发展和社会需求。

（二）保障措施

主要通过合理的课程设置和形式多样的各类教学活动（包括理论教学、实验、实习、实训、课程设计、各类竞赛活动、社会实践等环节）来实现毕业要求，详见毕业要求及能力实现矩阵。

数据科学与大数据技术专业毕业要求及能力实现矩阵

序号	毕业要求	能力实现的教学过程
1	坚持社会主义核心价值观，具有坚定的政治立场，热爱祖国，具有人文社会科学素养和社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行职责。	课程：思想道德修养及法律基础、军事理论、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、马克思主义基本原理、人文与科学类选修课、大学生心理健康等。实践环节：思想道德修养及法律基础实践、军事理论、中国近现代史纲要实践、毛泽东思想和中国特色社会主义理论体系概论实践、马克思主义基本原理实践。课外：社会实践活动、党建活动、文体活动、学生社团活动、志愿义工、公益劳动、形势与政策、毕业教育等。
2	能够将数学、自然科学、工程基础和专业知识用于解决复杂工程问题。	课程：高等数学A、线性代数、概率论与数理统计B、应用统计学、数学建模、大学物理B、C/C++程序设计（一）、C/C++程序设计（二）、Python程序设计、Java程序设计、Web系统技术、算法与数据结构、数据库原理与技术、计算机网络原理、软件工程B、计算机组成原理C、Linux操作系统、大数据技术原理与应用、数据采集与预处理、Hadoop集群程序设计与开发、Spark编程基础、数据可视化。实践环节：大学物理实验B、C/C++程序设计（一）实验、C/C++程序设计（二）实验及实训、Python程序设计实验、Java程序设计实验及实训、算法与数据结构实验、数据库原理与技术实验、Linux操作系统实验、大数据技术原理与应用实验、数据采集与预处理实验实训课程设计、Hadoop集群程序设计与开发实验及实训、Spark编程基础实验及实训、数据可视化实验、软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训。
3	能够应用数学、自然科学基本原理，并通过文献研究，识别、表达、分析复杂工程问题，以获得有效结论。	课程：高等数学A、线性代数、概率论与数理统计B、应用统计学、数学建模、大学物理B、C/C++程序设计（一）、C/C++程序设计（二）、Linux操作系统、Java程序设计、软件工程概论、大数据技术原理与应用。实践环节：大学物理实验B、C/C++程序设计（一）实验、C/C++程序设计（二）实验及实训、Python程序设计实验、Java程序设计实验及实训、算法与数据结构实验、数据库原理与技术实验、Linux操作系统实验、大数据技术原理与应用实验、数据采集与预处理实验实训及课程设计、Hadoop集群程序设计与开发实验及实训、Spark编程基础实验及实训、数据可视化实验、软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训。课外：大学生创业基础、IT创新创业实践、科技创新活动、学科竞赛。
4	能够设计针对复杂工程问题的解决方案，设计满足特定需求的系统、单元（部件）或工艺流程，并能够在设计环节中体现创新意识，考虑法律、健康、安全、文化、社会以及环境等因素。	课程：计算机组成原理C 、数据库原理与技术、计算机网络原理、Java程序设计、Linux操作系统、软件工程概论、大数据技术原理与应用、数据采集与预处理、Hadoop集群程序设计与开发、Spark编程基础、数据可视化。实践环节：大学物理实验B、C/C++程序设计（一）实验、C/C++程序设计（二）实验及实训、Python程序设计实验、Java程序设计实验及实训、算法与数据结构实验、数据库原理与技术实验、Linux操作系统实验、大数据技术原理与应用实验、数据采集与预处理实验及实训、Hadoop集群程序设计与开发实验及实训、Spark编程基础实验及实训、数据可视化实验、软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训、毕业实习（大数据）、数据科学与大数据技术毕业设计（论文）。课外：大学生创业基础、IT创新创业实践、科技创新活动、学科竞赛、校内外教授论坛、博士论坛、校外企业专家专题讲座等。
5	能够基于科学原理并采用科学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。	课程：计算机组成原理C 、数据库原理与技术、计算机网络原理、Python程序设计、Java程序设计、Linux操作系统、软件工程概论、大数据技术原理与应用、数据采集与预处理、Hadoop集群程序设计与开发、Spark编程基础、数据可视化。实践环节：Python程序设计实验、Java程序设计实验及实训、数据库原理与技术实验、Linux操作系统实验、大数据技术原理与应用实验、数据采集与预处理实验实训及课程设计、Hadoop集群程序设计与开发实验及实训、Spark编程基础实验及实训、数据可视化实验、软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训、毕业实习（大数据）、数据科学与大数据技术毕业设计（论文）。课外：大学生创业基础、IT创新创业实践、大学生研究性学习和创新性实验计划项目、科技创新活动、学科竞赛、校内外教授论坛、博士论坛、校外企业专家专题讲座等。
6	能够针对复杂工程问题，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，包括对复杂工程问题的预测与模拟，并能够理解其局限性。	课程：软件工程概论、计算机网络原理与技术、大数据技术原理与应用、计算机组成原理。实践环节：工程认知训练、Hadoop集群程序设计实验、计算机网络实验、计算机组成原理实验、软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训、毕业实习（大数据）、数据科学与大数据技术毕业设计（论文）。课外：各类学科竞赛、科技创新活动、校内外教授论坛、博士论坛等。
7	能够基于工程相关背景知识进行合理分析，评价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。	课程：大数据技术原理与应用、思想道德修养与法律基础、Hadoop集群程序设计、Spark编程基础、分布式计算原理、机器学习、软件工程B、信息安全技术、数据科学与大数据学科专业前沿。实践环节：Hadoop集群程序设计实验、Spark编程基础实验、工程认知训练、数据科学与大数据技术毕业设计（论文）。课外：第二课堂、社会实践活动、各类学科竞赛、科技创新活动、校内外教授论坛、博士论坛、校外企业专家专题讲座等。
8	能够理解和评价针对复杂工程问题的工程实践对环境、社会可持续发展的影响。	课程：大数据技术原理与应用、思想道德修养与法律基础、Hadoop集群程序设计、Spark编程基础、分布式计算原理、机器学习、软件工程B、信息安全技术、数据科学与大数据学科专业前沿。实践环节：Hadoop集群程序设计实验、Spark编程基础实验、工程认知训练、数据科学与大数据技术毕业设计（论文）、毕业实习。课外：校内外教授论坛、博士论坛、校外企业专家专题讲座、与国外大学合作交流等。
9	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。	课程：程序设计类课程及实验实训、大数据技术原理与应用、软件工程B。实践环节：软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训。课外：各类学科竞赛、科技创新活动、各种社团活动等。
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。	课程：大学应用语文、大学英语（一、二）、通用工程英语听说（上、下）、通用工程英语读写、英语听说写译综合、大学生心理健康、专业英语、人文与科学类选修课。实践环节：软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训、毕业实习（计算机）、数据科学与大数据技术毕业设计（论文）。课外：大学生创业基础、IT创新创业实践、科技创新活动、学科竞赛课程、各种社团活动、英语角等。
11	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。	课程：软件工程B、经济学通论、项目管理概论、数据科学新技术。实践环节：软件系统开发实训、数据挖掘与人工智能应用综合实训、校企合作大数据处理综合实训、毕业实习（大数据）、数据科学与大数据技术毕业设计（论文）。
12	具有自主学习和终身学习的意识，身心健康，有不断学习和适应发展的能力。	课程：大数据技术原理与应用、思想道德修养与法律基础、大学生心理健康、人文素质类选修课、高等数学A、线性代数、概率论与数理统计B、大学物理B、大学生学习方法指导。实践环节：军训、工程认知训练、毕业实习（大数据）、数据科学与大数据技术毕业设计（论文）。课外：各类专题讲座、社团活动、各类学科竞赛、科技创新活动。

五、主干学科

计算机科学与技术。

六、修业年限

基本修业年限4 年，最长学习年限6年。

七、授予学位

工学学士。

八、毕业学分

学生毕业时要求修满168学分，其中6学分用于修读全校人文科学与自然科学类选修课。

毕业学分168	理论教学：118.5学分（70.54%）	必修：87.5学分（＜60%）
		选修：31学分（ ≥15%）	全校人文科学与自然科学类选修课：6学分（3.6%）
			其他选修课：25学分（14.9%）
	集中实践教学环节：49.5学分（＞26%）
第二课堂≥14学分

备注1：全校人文科学与自然科学类选修课至少修读6学分。其中“大学应用语文”（1.5学分）和公共艺术类课程（2学分）为限选课程,其余2.5学分可自由选修。公共艺术类课程包括《美术鉴赏》、《书法鉴赏》、《艺术导论》、《音乐鉴赏》、《影视鉴赏》、《舞蹈鉴赏》、《戏剧鉴赏》、《戏曲鉴赏》等8门课程，本专业学生必须修读其中1门鉴赏课程。

备注2：其他选修课是指除全校人文科学与自然科学类选修课以外的所有选修课（含限选课）

九、主要课程

自然科学类课程

专业基础课程

专业课程

综合实训课程

大学物理B

高等数学

线性代数

概率论与数理统计

应用统计学

数学建模

计算机组成原理

计算机网络原理与技术

数据库原理与技术

算法与数据结构

C/C++语言程序设计

Java程序设计

Python程序设计

linux操作系统

大数据技术原理与应用

数据采集与预处理

多元统计分析与R语言建模

Hadoop大数据平台基础

Spark与集群技术

数据可视化

机器学习

深度学习

软件系统开发实训

数据挖掘与人工智能应用综合实训

校企合作大数据处理综合实训等

十、主要实践教学环节

专业基础实验实习实训

专业课程实验实习实训

综合实训

综合应用实验实习实训

C/C++程序设计实验（一）

C/C++程序设计实验（二）

C/C++程序设计实训

Python程序设计实验

Java程序设计实验

Java程序设计实训

算法与数据结构实验

数据库原理与技术实验

Linux实验

大数据技术原理与应用实验

数据采集与预处理实验

数据采集与预处理课程设计

Hadoop程序设计实验

Hadoop程序设计实训

Spark编程实验

Spark编程实训

数据可视化实验

软件系统开发实训

数据挖掘与人工智能应用综合实训

校企合作大数据处理综合实训

行业大数据分析实验

毕业实习

毕业设计

十一、第二课堂活动要求

学生至少获得14学分方可毕业。第二课堂活动学分认定见《长沙理工大学本科生第二课堂学分管理办法》（长理工大教[2013]16号）。其中，“大学生职业发展与就业指导”（2学分，必修，考查、1-4学年），“形势与政策”（2学分，必修，考查、1-4学年）、“大学生学习方法指导”（0.5学分，必修，考查、第一学期）、思政系列课程课外实践（4.5学分，必修、考查）、“大学生卫生与健康”（0.5学分，选修，考查、第一学期）、“大学生创业基础”（2学分，必修、考查、第五学期）等课学分计入第二课堂。

学生开展的创新实验、发表的论文、获得专利和自主创业计入第二课堂学分。

十二、指导性教学进程计划

指导性教学进程计划见附件1。

集中实践教学环节安排表见附件2。

十三、辅修专业、双学士学位教学计划

辅修专业教学计划见附件3。

双学士学位教学计划见附件4。

附件1

数据科学与大数据技术专业指导性教学进程计划

学期	课程编码	课程名称	类别	学分	学时	其中				考试/ 考查	备注
学期	课程编码	课程名称	类别	学分	学时	讲课	实验	上机	实训	考试/ 考查	备注
第第一学期	1105200015	军训	必修	2	2周					考查
	04010X0015	大学生学习方法指导	必修	0.5	8	8				考查	计入第二课堂
	0402000025	大学生心理健康	必修	1	16	16				考查
	1004000120	大学生卫生与健康	必修	0.5	8	8				考查	计入第二课堂
	0302000023	思想道德修养及法律基础	必修	2	32	32				考查
	0302200015	思想道德修养及法律基础课外实践	必修	1	1周					考查	计入第二课堂
	0403000015	体育(一)	必修	1	30	30				考查
	0502000033	大学英语(一)	必修	3	48	48				考试
	0701000225	高等数学A(一)	必修	5	80	80				考试
	0701000635	线性代数	必修	2	32	32				考试
	0812001000	信息类专业导论	限选	1	16	16				考查	非标准答案考核
	0809000645	C/C++程序设计（一）	必修	2	32	32				考试
	0809010645	C/C++程序设计（一）实验	限选	0.5	16		16			考查
	0809000650	Python程序设计	限选	2	32	32				考试
	0809010650	Python程序设计实验	限选	0.5	16		16			考查
	小计	必修18学分，限选4学分，另2学分计入第二课堂。
第第二　学　期	1105000015	军事理论	必修	1	16	16				考查	课外16学时 1学分
	0601000044	中国近现代史纲要	必修	2	32	32				考试
	0601200015	中国近现代史纲要课外实践	必修	1	1周					考查	计入第二课堂
	0403000025	体育(二)	必修	1	30	30				考查
	0502000045	大学英语(二)	必修	3	48	48				考试
	0701000215	高等数学A(二)	必修	6	96	96				考试
	0702000405	大学物理B（上）	必修	2	32	32				考查
	0809000655	C/C++程序设计（二）	必修	2	32	32				考试
	0809010655	C/C++程序设计（二）实验	限选	0.5	16		16			考查
	0809020115	C/C++程序设计（二）实训	限选	1	1周				30	考查
	0812002365	计算机组成原理C	选修	2	32	32				考试
	0812000127	Linux操作系统	必修	2	32	32				考试	1-8，周4
	0812000130	Linux操作系统实验	必修	1	30		30			考查	1-8，周4
	0809000660	大数据技术原理与应用	必修	2	32	32				考试	10-17，周4
	0809010660	大数据技术原理与应用实验	必修	0.5	16		16			考查	10-17，周2
		全校通识教育类选修课	选修	4.5							建议前3年修完，本学期必须完成1门以上
	小计	必修21.5学分，限选1.5，选修2学分，另1学分计入第二课堂。
第第三学期	0101200035	毛泽东思想和中国特色社会主义理论体系概论	必修	3	48	48				考试
	0101200025	毛泽东思想和中国特色社会主义理论体系概论课外实践	必修	2	2周					考查	计入第二课堂
	0403000035	体育(三)	必修	1	30	30				考查
	1201010085	通用工程英语听说（上）	必修	2	32	32				考试
	0501310185	大学应用语文	限选	1.5	24	24				考查	人文与科学类
	0702000415	大学物理B（下）	必修	2	32	32				考查
	0702100025	大学物理实验B	必修	1	30		30			考查
	0812000116	Java程序设计	必修	2.5	40	40				考试
	0812000126	Java程序设计实验	必修	1	30		30			考查
	0809020105	Java程序设计实训	限选	1	1周				30	考查
	0809000662	算法与数据结构	必修	2.5	40	40				考试
	0809010662	算法与数据结构实验	必修	0.5	16		16			考查
	0812000876	数据库原理与技术	必修	2.5	40	40				考试
	0812000877	数据库原理与技术实验	限选	0.5	16		16			考查
	0701000175	概率论与数理统计B	必修	2.5	40	40				考查
	0800000005	工程认知训练	必修	1	1周		30			考查
	小计	必修21.5学分，限选3学分，另2学分计入第二课堂。
第第四第四　学　期	0101000013	马克思主义基本原理	必修	2	32	32				考试
	0101000013	马克思主义基本原理课外实践	必修	1	1周					考查	计入第二课堂
	0403000045	体育(四)	必修	1	30	30				考查
	1201100095	通用工程英语听说（下）	必修	2	32	32				考试
	0701001090	应用统计学	必修	2	32	32				考查
	D081000825	分布式数据库技术	选修	2	32	24	8			考查	非标准答案
	0812001045	计算机网络原理	必修	2	32	24	8			考试
	0809000665	并行计算导论	选修	3	48	36		12		考试
	0809000670	Hadoop集群程序设计与开发	必修	2	32	32				考试
	0809010670	Hadoop集群程序设计与开发实验	必修	0.5	16		16			考查
	0809020095	Hadoop集群程序设计与开发实训	必修	1	1周				30	考查
	0809000675	数据采集与预处理	必修	2	32	32				考试
	0809010675	数据采集与预处理实验	必修	0.5	16		16			考试
	0809020085	数据采集与预处理课程设计	必修	2	2周			60		考查
	0812002325	信息内容安全	选修	2	32	2	10			考查	9-16，周4
	0812000878	软件系统开发实训	必修	3	3周			90		考查
	小计	必修21学分，选修7分，另1学分计入第二课堂。
第五　学　期期	0812003055	机器学习	必修	2	32	24	8			考试
	0812002105	Web系统与技术	必修	2.5	40	28	12			考查
	0812003110	计算机图形学	选修	3	48	32	16			考查
	0401310055	大学生创业基础	必修	2	32	20			12		计入第二课堂
	1201100145	通用工程英语读写	限选	1	16	16				考试	14-17，周4
	0809000685	分布式计算原理	选修	3	48	36	12			考查
	0809000690	Spark编程基础	必修	2	32	32				考试
	0809010690	Spark编程基础实验	必修	0.5	16		16			考查
	0809020075	Spark编程基础实训	必修	1	1周				30	考查
	0812003180	数据挖掘技术基础	必修	2	32	24	8			考查
	0809000695	虚拟化技术	必修	2.5	40	32	8			考试
	小计	必修12.5学分，限选1学分，选修6学分，另2学分计入第二课堂。
第六第第六学期期	0812002316	移动网络应用开发	选修	3	48	32	16			考查	1-12，周4
	1201100175	英语听说写译综合	限选	1	16	16				考查	13-16，周4
	0809000700	地理信息大数据处理技术	选修	2.5	40	26	14			考查	1-10，周4
	0809000705	深度学习	必修	2.5	40	32	8			考查
	0812001265	海量数据存储技术	选修	2	32	32				考查
	0809000710	多元统计分析与R语言建模	限选	2	32	32				考查
	0809010710	多元统计分析与R语言建模实验	限选	0.5	16		16			考查
	0812000755	软件工程B	必修	2	32	20	12			考查
	0701000530	数学建模	限选	2	32	22	10			考查
	0812200407	IT创新创业实践	必修	2	2周					考查	计入第二课堂
	0809000715	数据科学新技术	选修	2	32	32				考查	4-19，周2，专题讲座
	0809000720	互联网数据获取技术	选修	2	32	24		8		考查
	0809000725	ETL技术	限选	1	16	16				考查
	0809010725	ETL技术实验	必修	0.5	16		16			考查
	0809000730	专业英语（大数据）	选修	2	32	32				考查	12-19，周4
	1202001865	项目管理概论	选修	2	32	32				考查	12-19，周4
	0202001535	经济学通论	选修	2	32	32				考查	12-19，周4
	0809020055	数据挖掘与人工智能应用综合实训	限选	3	3周				120	考查
	小计	必修5学分，限选9.5学分，选修17.5学分，另2学分计入第二课堂。
第第七　学　期	0809000735	行业大数据分析技术	必修	2	32	32				考查	1-4，周8
	0809010735	行业大数据分析技术实验	限选	0.5	16		16			考查	1-4，周4
	0809000740	数据可视化	必修	2	32	32				考试	1-4，周8
	0809010740	数据可视化实验	必修	0.5	16		16			考查	1-4，周4
	0809020065	校企合作大数据专业综合实训	必修	5	5周				150	考查	5-10，校外
	0809020035	毕业实习	必修	4	4周					考查	11-14，校外
	小计	必修13.5学分，限选0.5学分。
第第八　学　期	0809020015	数据科学与大数据毕业设计（论文）	必修	16	17周					考查
	04012X0015	毕业教育	必修	0.5	1周					考查	计入第二课堂
	小计	必修16学分，另0.5学分计入第二课堂。
合计		毕业总学分168学分，其中必修129学分，选修39学分。

附件【数据科学与大数据技术专业培养方案.docx】已下载次

上一篇：计算机科学与技术专业卓越工程师培养方案(2022)

下一篇：计算机科学与技术专业培养方案(2017)