XXXX大学数据科学与大数据技术专业创新型、专业型人才培养方案.docx

XXXX大学数据科学与大数据技术专业创新型、专业型人才培养方案.docx

  1. 1、本文档共24页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

**大学数据科学与大数据技术专业创新型、专业型人才培养方案

培养目标

本专业培养德、智、体、美全面发展,适应社会与经济发展需求的数据科学与大数据技术及相关领域的应用型工程专业技术人才,掌握数据科学的基础知识、理论及技术,能够从事现代农业大数据分析、处理、服务、开发和利用的工作,大数据工程项目建设、管理、运行、维护的工作或者大数据研究、咨询、教育培训等方面的工作,具备大数据分析师的能力和继续深造的基础,能够胜任未来大数据工程职业工作。

本专业学生毕业时应当达到以下目标:

子目标1:能够应用数据科学与大数据技术专业的理论、知识和技能,从事大数据分析、处理、服务、开发和利用工作;

子目标2:熟悉国内外数据科学与大数据技术发展状况和趋势,能够综合运用专业知识,分析并解决数据科学与大数据复杂工程问题;

子目标3:具备一定的组织管理能力、沟通表达能力和人际交往能力以及在团队中发挥作用的能力,能够在所从事的工作中担当相应的岗位职责;

子目标4:具备系统的大数据工程实践经验,能够从事大数据工程的项目设计、项目管理和组织实施等工作;

子目标5:具备数据科学与大数据技术职业素养和终身学习能力,在工作中具有创新意识;

子目标6:具有国际视野和跨文化的交流、竞争与合作能力,能够从事国际大数据工程项目的管理与实施。

培养要求

本专业是一门涉及计算机科学、应用数学、统计学等多领域的交叉学科。学生通过系统学习数据科学与大数据技术相关的基本理论、基本方法和基本技能,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:具有从事数据科学与大数据技术工作所需要的自然科学、工程基础和专业知识。

2、问题分析:能够应用自然科学和大数据科学的基础原理,识别、表达、并通过文献研究分析复杂大数据工程问题,以获得有效结论。

3、设计/开发解决方案:能够设计对复杂大数据工程问题的解决方案,包括满足特定需求的系统设计、组件选择、工程实施流程或方案设计,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、问题研究:能够基于科学原理并采用科学方法对复杂大数据工程问题进行研究,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。

5、使用现代工具:能够应用数据科学与大数据技术专业知识,针对复杂大数据工程问题,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侧与模拟,并能够理解其局限性。

6、工程与社会:能够基于计算机相关背景知识进行合理分析,评价大数据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、环境和可持续发展:能够理解和评价针对复杂大数据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、健康的体魄和社会责任感,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,履行工程责任。

9、个人和团队:具备独立工作能力和团结合作意识,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:能够就复杂大数据工程问题与业界同行及社会公众进行有效沟通和交流,具备撰写报告和设计文稿,陈述发言和概括总结的能力,具备国际视野和跨文化交流的基本能力。

11、项目管理:理解并掌握工程管理原理和经济决策方法,具备在多学科环境下进行工程效益、经济效益和社会效益分析的能力。

12、终身学习:能够意识到终身学习的重要性,具备自主学习和适应发展的能力。

学制与学位

学制:本科基本学制为4年,学习年限为3-8年。

学位:按要求完成学业且符合学位授予条件者授予工学学士学位。

课程设置

主干学科:

数据科学、计算机科学、统计学

核心课程:

数据分析编程基础、大数据计算框架、大数据存储、算法设计与分析、数据挖掘与分析、机器学习等。

主要实践性教学环节(含实验)

专业认识实习、课程设计、大数据存储与计算综合实习、大数据分析综合实习、大数据技术综合应用创新实践、创新创业实践、毕业实习、毕业设计等。

计算机导论实验、程序设计语言类实验、数据结构实验、数据库原理及应用实验、计算机组成原理实验、计算机网络实验、操作系统实验、数据分析编程基础实验、大数据计算框架实验、大数据存储实验、算法设计与分析实验、数据挖掘与分析实验、机器学习实验、多元统计分析实验、NoSQL数据库技术及应用实验、软件工程实验、JAVA编程实验、数据可视化实验、Web开发技术实验、JavaEE编程技术实验、移动开发技术实验等。

学分分配

毕业总学分不少于170学分。

必修课总学分141,选修课学分29,实验学分和实践环节学分(理论课所含的实验实训学分按所占理论课学时进行换算)53.8,实验学分和实践环节学分占总学分比例32%。

教学进程(附表1-5)

培养方案支撑体系

培养

文档评论(0)

文韬武略 + 关注
实名认证
内容提供者

教师资格证持证人

大学教师,教授职称、法学博士,从事教学10多年

领域认证该用户于2022年12月06日上传了教师资格证

1亿VIP精品文档

相关文档