一、专业基本信息
专业代码：080910T
专业名称（中）：数据科学与大数据技术
专业名称（英）：Data Science and Big Data Technology
修业年限：标准学制为4年，实行3-6年弹性学制
授予学位：工学学士
专业优势与特色：
本专业以软件工程学科多个省部级科研平台及大数据科研体系为支撑，“以技术支撑工程”的课程体系为基础，联合相关行业中有影响力的大数据企业，建立大数据技术的多元化培养及评价体系，重点培养具有以下三方面素质、具有多学科交叉能力的大数据人才：一是理论性的，主要是对数据科学中模型的理解和运用；二是实践性的，主要是处理实际数据的能力；三是应用性的，主要是利用大数据的方法解决具体行业应用问题的能力。
二、培养目标
本专业依据数据科学与大数据行业的需求，培养适应科技发展和地方经济建设需求，具备扎实的数理基础知识和一定的创新能力，熟练掌握基于数据分析的基本理论、方法和技术，能从事大数据服务的软件系统设计开发、数据分析管理等方面工作的复合型、高素质、应用型的数据科学和大数据工程技术人才。
1、能理解并遵守职业道德和规范，具有社会责任感；
2、能有效运用数理基础知识和软件工程专业的相关方法和技术，对数据处理、数据挖掘、数据分析等大数据相关的复杂软件产品、信息集成系统进行构思、设计、实现和实施；
3、 能在大数据环境下根据特定行业的需求设计并构建相应的软件服务系统，能利用大数据的方法解决具体行业应用问题，从事相关领域的数据管理与分析、软件产品的设计和研发等工作，具备一定的创新能力；具有良好的沟通能力和一定的项目管理能力；
4、有较好的外语交流能力，具备国际视野并能通过终身学习适应职业发展要求。
三、毕业要求
1、工程知识：能够将数学、自然科学、工程基础、计算机专业知识和大数据技术用于解决复杂的数据科学工程问题；
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复杂数据科学工程问题，以获得有效结论；
3、设计/开发解决方案：基于大数据技术，能够设计针对复杂数据科学工程问题的解决方案，设计满足特定需求的计算机系统、硬件部件和软件，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：能够基于科学原理、采用科学方法并运用大数据技术对复杂数据科学工程问题进行研究，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序的结论；
5、使用现代工具：能够针对复杂问题，开发、选择与使用恰当的大数据技术、资源、现代工程工具和信息技术工具，包括对复杂的数据科学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：能够基于数据科学相关背景知识进行合理分析，评价专业数据科学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的数据科学问题的工程实践对环境、社会的可持续发展的影响；
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：能够就复杂的数据科学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、设计文稿和论文、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领域的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，有不断学习和适应数据科学发展的能力。
四、课程体系构成及毕业学分最低要求
课程类型 |
课程模块 |
修课门数（门） |
最低毕业学分要求 |
学分 |
学分比例* |
通识教育课程 （71.5） |
必修
（62.5） |
思想政治 |
9 |
16 |
10.0% |
外语 |
4 |
12 |
7.50% |
数理基础 |
6 |
21.5 |
13.44% |
军事体育 |
7 |
7 |
4.38% |
创新创业 |
4 |
2 |
1.25% |
1 |
4 |
2.50% |
选修
（9） |
历史与文化 |
/ |
7 |
4.38% |
社会科学与法律 |
创新创业教育 |
哲学与自然科学 |
工程与管理 |
艺术与审美 |
科研（能力进阶）训练 |
1 |
2 |
1.25% |
学科基础课程 （45.5） |
必修
（45.5） |
校级学科基础平台课程 |
8 |
25.5 |
15.94% |
院级专业基础平台课程 |
7 |
13 |
8.13% |
专业基础课程 |
4 |
7 |
4.38% |
专业课程 （43） |
必修
（23.5） |
专业方向必修 |
6 |
23.5 |
14.69% |
选修
（16.5） |
专业方向选修 |
/ |
16.5 |
10.31% |
个性化自主学习（3） |
/ |
3 |
1.88% |
合计 |
57（必修） |
160 |
100.0% |
*注：1. 修课门数：选修课门数可不填。
2. 学分比例计算说明：各项学分/毕业要求总学分*100%，选修课按照毕业最低要求选修学分计算比例。
主要专业核心课程（10门）：
数据结构、面向对象程序设计（Java）A、操作系统原理、数据库原理及应用A、计算机网络A、数据挖掘与分析、数据科学导论、数学方法工程实践、信息检索基础、离散结构。
五、实践教学
1、实践教学环节统计表
实践环节 |
学时* |
学时比例* |
备注 |
实验课程 |
课内实验 |
242 |
9.45% |
综合实践环节不纳入此统计 |
独立设置实验课程 |
32 |
1.25% |
实习实训 |
课内实习 |
32 |
1.25% |
综合实践环节不纳入此统计 |
独立设置 实习课程 |
军事理论及训练 |
32 |
1.25% |
专业实习 |
48 |
1.88% |
|
毕业实习 |
32 |
1.25% |
|
综合实践 环节 |
工程实践 |
136 |
5.31% |
|
科研训练（能力进阶训练） |
32 |
1.25% |
|
毕业设计（论文） |
224 |
8.75% |
|
创新创业实践 |
64 |
2.50% |
|
合计 |
874 |
34.14% |
|
*注：1. 周数的学时按：周数乘以16学时计。选修课的学时按可开出的最高实践学时估算。
2. 比例计算说明：各项实践环节的学时/所有课程总学时*100%。
2、创新创业实践环节
员工在本科学习期间须完成6个创新创业教育环节的学分，其中包括老员工创新基础相关课程2个学分，创新创业实践环节4个学分。
