数据科学与大数据技术专业2024级培养方案

专业英文名：Data Science and Big Data Technology

专业代码：080910T

方案制定负责人:李光顺、刘效武  方案编写执笔：董兆安

一、专业简介

数据科学与大数据技术专业设置在计算机学院，2018年始设，是工学学科门类下计算机类中的本科专业。本专业依托山东省数据安全与智能计算重点实验室、山东省智慧康养大数据发展创新实验室、山东省网络计算与大数据技术实验室等科研平台，以数据科学和大数据技术发展前沿为引导、学科发展和教师队伍建设为主线、科学研究和教学创新改革为基础、课程体系建设和课程内容更新为突破口，不断建立健全应用型人才培养体系，注重传统文化育人，突出学生个性化培养，努力提高培养质量，提升学生的核心竞争能力。

二、培养目标与毕业要求

（一）培养目标

本专业培养具有坚实的数学、统计学和计算机科学理论基础，掌握大数据采集与存储、处理与分析、传输和应用相关的基本理论、方法和技术，具备大数据分析、处理、挖掘、可视化、系统集成等能力，具有强烈社会责任感与人文情怀、坚实学科专业基础与卓越创新创业能力、深厚传统文化底蕴与宽广国际视野的高素质人才。学生毕业后能够在高校、政府和企业等不同行业领域内从事数据处理和分析、大数据应用系统开发等工作，也可继续在国内外高等院校、科研机构继续读研深造。本专业学生毕业后5年左右预期达到以下目标：

1.具有坚定的政治立场、强烈的社会责任感、良好的职业道德和敬业精神，践行社会主义核心价值观，具有深厚的家国情怀和传统文化底蕴，具有健全的人格和良好的人文社会科学素养。

2.具有扎实的数据科学与大数据专业基本理论素养，能运用数理知识、数据科学与大数据技术领域的理论和技术以及相关现代工具，分析、描述和研究解决大数据分析与处理、大数据开发与应用等方面的复杂工程技术问题，成为行业领域的骨干。

3.在工程实践中具备良好的创新创业意识和能力，并能够综合考虑社会、环境、安全、法律和经济等因素，独立地对生产实际项目工程的部分或整体进行管理决策。

4.具备良好的沟通能力和团队合作精神，具备良好的表达能力和工程项目组织协调能力，在团队合作中能胜任各类角色。

5.具有一定的全球化意识和国际视野，并具备终身学习和自我学习的习惯和能力，能够积极主动了解行业的发展方向，适应国内外行业形势的发展变化。

（二）毕业要求

学生毕业时需掌握数学、统计学和计算机科学领域的基本知识和理论；形成良好的大数据思维，掌握数据采集、存储、处理、分析的基本技术、方法和工具；具有正确的价值观和健康的身心品格；具备宽厚的人文社会科学和自然科学的基本知识，具备灵活运用所学知识，解决实际问题的能力。本专业学生毕业要求具体如下：

1.【工程知识】能够将数学、计算机、数据科学领域的工程基础和专业知识用于解决数据科学领域的复杂工程问题。

1.1具备解决数据科学及大数据领域内复杂工程问题所需的数学与自然科学知识。

1.2具备扎实的数据科学领域的统计学、计算机等基础知识，掌握解决数据科学领域复杂工程问题的基本方法。

1.3能够将数学、自然科学和专业知识用于解决本领域的复杂工程问题，能够判别大数据系统的复杂性，并分析系统优化的方法。

2.【问题分析】能够应用数学、自然科学和工程科学的第一性原理，识别、表达并通过文献研究分析数据科学领域的复杂工程问题，综合考虑可持续发展的要求，以获得有效结论。

2.1能够应用数据科学的基本原理，分析和识别数据科学与大数据技术领域复杂工程问题中的关键需求和主要因素，制定大数据相关系统的需求模型。

2.2能够结合文献和互联网资源等进行检索、整理、分析和归纳，运用数据科学领域的原理和数学模型方法对复杂工程问题的输入、约束和输出进行正确的表达，并寻求确定多种有效的问题解决方案。

2.3能够结合文献资料，运用数据科学与大数据技术领域的基本知识，分析、优化解决方案，并得出有效结论。

3.【设计/开发解决方案】能够针对大数据应用领域中的工程问题开发和设计满足需求的解决方案，设计满足特定需求的系统、单元（部件）或工艺流程，体现创新性，并从健康与安全、全生命周期成本与净零碳要求、法律与伦理、社会与文化等角度考虑可行性。

3.1能够运用数据科学领域专业知识识别和确定影响设计目标和技术方案的各种因素，掌握工程设计和大数据产品开发全周期、全流程的基本设计方法。

3.2能够根据市场信息、技术发展和用户需求，进行大数据系统或流程设计，并在设计中体现创新意识。

3.3能够对设计方案进行优选与改进，并选用相关组件或其他方式，呈现数据结果。

4.【研究】能够基于数据科学原理和方法，通过文献研究和调研，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，具有学术综合观察和分析能力。

4.1能够根据所研究的大数据领域复杂工程问题的对象特征，选择合理可行的研究路线，并设计实验方案。

4.2能够根据实验方案并应用科学原理进行实验研究、数值计算、系统设计，安全地开展大数据实验工作，正确地采集实验数据。

4.3能够利用科学方法分析和解释实验结果，对整个研究环节进行评价，并通过信息综合得到合理有效的结论，同时能够确定结果的影响因素和需要改进完善的环节。

5.【使用现代工具】能够针对大数据领域的复杂工程问题，开发、选择与使用恰当的编程语言、开发平台、开发工具，包括对复杂工程问题的预测与模拟，并能够理解其局限性。

5.1能够掌握数据科学与大数据技术领域常用信息检索、系统设计、分析及管理等工具，并了解其局限性。

5.2能够在复杂工程问题的预测、建模、模拟或解决过程中，选择与使用恰当的技术和工具。

6.【工程与可持续发展】在解决数据科学与大数据技术领域工程问题时，能够基于相关背景知识，分析和评价工程实践对健康、安全、环境、法律以及经济和社会的影响，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。

6.1掌握基本的社会、身体和心理健康、安全、法律等方面知识和技能，了解数据科学与大数据技术领域活动与之相关性，具备环保意识和可持续发展意识。

6.2能够从工程师的角度，分析和评价大数据领域新产品、新技术的开发与应用对社会、环境、健康、安全、法律、文化的潜在影响，以及这些制约因素对项目实施的影响，并理解应承担的责任。

7.【伦理和职业规范】有工程报国、工程为民的意识，具有人文社会科学素养和社会责任感，能够理解和应用工程伦理，在工程实践中遵守工程职业道德、规范和相关法律，履行责任。

7.1具有社会主义核心价值观、正确的世界观、人生观和健康的身心，了解中国国情，具备人文素养、思辨能力和科学精神，能够正确地自我认知和评价。

7.2在大数据产品的构思、设计、实现、运行等过程的工程实践中自觉遵守诚实公正、诚信守则的职业道德和规范。

7.3能够理解大数据工程师的职业性质和责任，在产品设计、开发、运维、服务等方面的工程实践中能够考虑公众的安全、健康以及环境保护等因素，自觉履行责任。

8.【个人与团队】具有全局意识和协调能力，理解团队中每个角色的作用和责任，独立完成团队分配的工作；能够在多样化、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。

8.1在解决复杂工程问题时，能够理解多学科背景下团队中每个角色的作用和责任，能够独立完成团队分配的工作，也能够与团队其他成员开展有效协作，具有团队意识和团结互助精神。

8.2能够组织、协调和指挥团队开展工作，并综合团队成员意见进行合理决策。

9.【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；能够在跨文化背景下进行沟通和交流，理解、尊重语言和文化差异。

9.1能够就大数据应用领域复杂工程问题撰写实验报告、研究报告、说明书、项目计划书、学术论文等。

9.2能够就大数据应用领域复杂工程问题清晰地发表见解和意见，能与业界同行及社会公众进行有效沟通和交流，并能回应相应质疑。

9.3至少掌握一门外语，具备一定的国际视野，尊重不同文化传统、不同价值观念，能够在跨文化背景下就大数据应用领域复杂工程问题进行沟通和交流。

10.【项目管理】理解并掌握大数据工程项目的管理原理与经济决策的基本知识与方法，并能够在多学科环境中应用。

10.1掌握大数据工程项目中涉及的工程管理原理与经济决策方法，理解大数据产品全周期、全流程的成本构成。

10.2能够理解不同学科背景下大数据工程项目涉及的工程管理和经济决策问题，在多学科环境中综合运用工程管理原理与经济决策方法，开展大数据工程项目的论证、规划、组织实施和进程管理等。

11.【终身学习】具有自主学习和终身学习的意识和能力，能够理解广泛的技术变革对工程和社会的影响，适应新技术变革，具有批判性思维能力。

11.1能跟踪社会进步和大数据行业技术发展，正确认识持续学习的重要性，具有自主学习和终身学习的意识和能力。

11.2具备自主学习的方法和思维方式，掌握自主文献检索、资料查询及运用现代信息技术跟踪并获取相关信息的基本方法。

毕业要求支撑培养目标对应关系矩阵表

说明：毕业要求对培养目标子目标的支撑用“√”表示。

三、学制与学分

（一）学制

标准学制4年。实行弹性修读年限，弹性区间为3～8年。

（二）学分

总学分为170学分。

四、主干学科、核心课程与主要专业实验

（一）主干学科

计算机、数学。

（二）核心课程

高等数学、线性代数、概率论与数理统计、计算机导论、Python程序设计、C++面向对象的程序设计、大学物理、数据结构、计算机组成原理、离散数学、计算机网络、操作系统、数据库系统原理、数据采集与网络爬虫、大数据技术原理与应用、Spark大数据分析、数据可视化、算法设计与分析等。

（三）主要专业实验（实训）

Python程序设计实验、操作系统实验、数据采集与网络爬虫实验、数据可视化实验、Spark大数据分析实验、机器学习实验、数据结构实训、数据库系统实训、大数据实训等。

五、主要实践性教学环节

（一）课程论文（设计）

课程论文（设计）是在学习专业课的过程中所进行的实践教学活动，依托所学习的某一门专业课程进行，在第4、5学期分别安排1篇。完成并符合要求，每篇计1学分，共2学分。

（二）专业实习

专业实习是重要的实践教学环节，目的是全面培养、提升学生的实际工作能力。安排在第6学期进行，用时8周，完成并符合要求计8学分。

（三）毕业论文（设计）

毕业论文（设计）是学程即将结束时，检验学生学习成效，培养学生职业能力和科研能力的重要实践教学环节，安排在第7、8学期进行，并于第8学期完成答辩工作。完成并符合要求，通过答辩，计8学分。

（四）“五个十”综合素养拓展学习

每位学生大学期间至少阅读10部本专业国内外经典学术著作；至少阅读10篇本专业国内外经典论文；至少熟知10位本专业国内外大师名家；至少定期登录学习10个国内外著名专业网站；至少参加10次高水平学术活动等。撰写学习报告并存档。

六、毕业与学位授予

（一）毕业

修满本专业要求的学分，通过毕业资格审查即可毕业。

（二）学位

符合学位授予条件者，经学校学位委员会审议，授予工学学士位。

七、学分分配表

说明：表中通识必修课程模块的43学分中，含通识实践模块中必修课实践教学的9学分，专业教育平台的104学分中，含专业实践模块实验（实训）的35.5学分。