数据科学和大数据技术专业人才培养方案.doc

372
数据科学与大数据技术专业人才培养方案
一、培养目标
本专业以大数据产业发展需求为导向，注重与统计学、经济学、管理与艺术设计等相关专业的交叉融合，培养德智体美并修，具有良好人文与科学修养与职业道德，系统掌握数据科学与大数据技术的基础理论、基本技术，能够胜任大数据开发与分析、大数据运维与管理、大数据可视化表达等工作，具备工程实践、创新意识和团队合作能力的高素质工程应用型人才。
毕业五年左右达到：
(1) 具有运行、维护、管理大数据系统的能力，并能够综合考虑经济、环境、法律、安全、健康、伦理等方面的影响因素。
(2) 具有扎实的专业理论与实践能力，并有良好的人文素养、社会责任感和工程职业道德，能够从事数据采集与分析工作。
(3) 具有较强创新能力，能够从事大数据系统的开发工作。
(4) 具有较强视觉表达能力，能够从事大数据可视化工作。
(5) 具有团队合作、沟通和项目管理能力，能够组织和协调团队成员进行系统设计和开发。
(6) 具有国际化视野和跨文化交流与合作能力，通过继续教育或坚持终身学****的品质，能够在不同职能团队中发挥特定的作用。
二、培养标准
（一）毕业要求
本专业学生主要学****数据科学与大数据技术方面的基本理论和基本知识，接受大数据平台运维、数据采集、分析、项目开发与数据可视化表达的基本训练，培养大数据系统的运维管理、应用与开发、分析与可视化表达的基本能力。
毕业生应满足以下几方面要求：
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。
指标点 1-1：掌握数学、自然科学、工程基础、数据科学与大数据技术知识，并能够用于理解与描述大数据技术领域的复杂工程问题，建立模型。
指标点1-2：能够对模型进行分析，并利用模型解决问题。
指标点 1-3：能够将大数据基础和专业知识用于对复杂工程问题解决方案的分析与优化。
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。
指标点 2-1：能够运用数学、自然科学、工程数学的基本原理，识别和表达大数据应用
372
工程领域的复杂工程问题。
指标点 2-2：能够针对具体的大数据应用复杂工程问题选择合适的数学模型，并能够判断其正确性和有效性。
指标点 2-3：能够从数理科学与工程科学角度，结合文献研究对复杂工程问题解决方案进行分析，并能够掌握解决方案优化方法。
设计/开发解决方案：能够针对数据科学复杂工程问题设计解决方案，设计数据分析流程，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。
指标点3-1：能够针对大数据应用复杂系统设计与开发满足特定需求的模块或算法。
指标点 3-2：能够针对大数据应用相关领域的复杂工程问题设计整体项目解决方案，掌握项目开发全周期、全流程的基本设计/开发方法和技术，完成项目的软硬件设计、仿真、实现、运行和维护等。
指标点 3-3：在解决方案设计中，具有综合考虑社会、健康、安全、法律、文化及环境的意识。
指标点3-4：在解决方案的具体设计环节中，具有创新意识。
研究：能够基于科学原理并采用科学方法对数据分析等工程问题进行研究，包括设计数据挖掘流程、分析与解释数据和现象、并通过信息综合得到合理有效的结论。
指标点 4-1：能够基于科学原理并采用科学方法对大数据应用领域的复杂工程问题进行分解。
指标点 4-2：针对计算机复杂工程问题，能够运用本专业相关原理和知识设计实验方案，并进行合理实施。
指标点 4-3：能够对已获得的实验数据进行整理、分析，并能通过信息综合得出有效结论。
使用现代工具：能够针对大数据系统复杂工程问题，开发、选择与使用恰当的系统架构、开发语言、资源和现代信息技术工具，包括对复杂工程问题数据流的预测与模拟。
指标点 5-1：针对大数据领域的复杂工程问题，能够选择和使用适合的信息检索工具获取信息。
指标点 5-2：能够选择、开发恰当的技术工具用于描述、模拟和预测大数据应用复杂工程问题。
指标点5-3：能够针对大数据应用开发需要选择和使用合适的平台和开发工具，并能够理解其局限性。
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。
指标点 6-1：熟悉信息化相关产业的技术标准体系、知识产权、产业政策和法律法规，能够合理分析计算机工程与社会、健康、安全、法律及文化之间的关系。
373
指标点 6-2：能够识别和分析大数据应用工程实践过程中对社会、健康、安全、法律以及文化责任的潜在影响，以及这些制约