数据科学与大数据技术专业本科培养方案
一、培养目标
本专业培养德、智、体等全面发展,掌握自然科学和人文社科基础知识,掌握信息科学、数据科学的基础理论,熟练掌握大数据采集、处理、分析与应用的技术与核心技能,能够承担企业、事业、政府、社会组织等部门的信息管理、信息咨询服务、信息研究等工作,具有大数据分析、处理、挖掘、可视化、大数据系统集成、管理维护等能力的应用型和创新型大数据专门技术人才。
本专业毕业生在毕业五年左右的预期目标:
1、有良好的修养和道德水准;
2、能够作为成员或领导,在一个团队中独立承担某一专业领域的工作;
3、可胜任大数据、智能信息处理、人工智能等领域的科学研究、技术开发、教育及管理
工作;
4、在大数据及相关领域具有就业竞争力,或有能力进入研究生阶段学习;
5、能够通过其它学习途径拓展自己的知识和能力;
6、有意愿、有能力服务社会。
二、毕业要求
1.能够运用数学、统计学与自然科学的基本概念和原理描述和解决复杂大数据问题。
1.1 能够应用数学与自然科学的基本知识正确表述复杂大数据问题。
1.2 能够应用统计理论和方法对大数据问题进行推理和验证。
1.3 能够运用专业知识对复杂大数据问题的解决方案进行分析和改进。
2.能够应用数学、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问题,以获得有效结论。
2.1 能够运用数理知识识别和判断数据科学与大数据技术中的核心问题。
2.2能够利用多种资源开展文献检索和资料查询,分析文献,寻求大数据领域复杂问题的解决方案并进行正确表达。
2.3具备认识并进行评估复杂大数据问题的多种解决方案的能力。
2.4能够分析大数据领域复杂问题解决过程中的关键影响因素,验证解决方 案 的准确 性和合理性。
3.能够设计对复杂大数据问题的解决方案,包括满足特定需求的系统设计、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。
3.1能够根据数据科学与大数据技术给出复杂工程设计的基本思路和解决方案。
3.2 能够按照数据科学和大数据技术基本理论,在考虑社会、健康、安全、法律、文化以及环境等因素下,可对设计方案在技术、经济等方面进行评价,确认其可行性。
3.3 能够针对特定需求、可复用模块或组件完成数据结构和算法的设计。
3.4 能够在算法设计或实现方法中体现出创新意识,降低算法的复杂度,提高算法的可用性等。
4.能够基于科学原理并采用科学方法对复杂大数据问题进行研究,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。
4.1 能够运用科学方法对复杂数据问题进行需求和功能分析。
4.2 能够理解大数据分析的思路和基本原理并能够运用相应原理采用数据科学方法进行实验以解决具体复杂大数据工程问题,具备初步的研究能力。
4.3 能够建立大数据模型、设计实验、分析与解释数据、并通过大数据处理得到合理有效的结论。
5.能够针对复杂大数据问题,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,包括对复杂大数据问题的预测与模拟,并能够理解其局限性。
5.1 能够开发、选择与使用恰当的大数据技术、资源、现代大数据工具和平台完成复杂大数据工程需求分析、预测、可视化。
5.2 能够使用恰当的工具和技术对大数据体系架构和设计模式进行选择,并完成设计,理解选择的局限性。
5.3 能够采用恰当的大数据开发工具完成开发,并能够理解开发过程的局限性。
5.4 能够采用恰当的方法和工具进行测试和验证,并能够给出应用和维护方案。
5.5 能够用恰当的大数据方法或语言(如Python)和规范的文档等形式呈现大数据工程的系统解决方案和成果。
6.能够基于大数据相关背景知识进行合理分析,评价大数据实践和复杂实际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。
6.1 了解大数据行业的特性与发展历史,以及信息化相关产业的基本方针、政策和法规。
6.2 能合理评价大数据工程问题对社会、健康、安全、法律以及文化的影响,并理解应
承担的责任。
7.能够理解和评价针对复杂大数据问题的工程实践对环境、社会可持续发展的影响。
7.1 能够了解大数据工程及信息技术发展前沿和趋势。
7.2 能够评价复杂大数据工程问题的实践对环境可持续发展的影响。
7.3 能够理解和评价信息安全问题对社会健康发展的影响。
8.具备人文社会科学素养、社会责任感,能够在大数据实践中理解并遵守职业道德和规范,履行责任。
8.1 能够树立正确的世界观、人生观、价值观,具备良好的人文社会科学素养。
8.2 能够拥有健康的体质、良好的心理素质和社会责任感。
8.3 能够具备数据科学家和数据技术工程师的专业素质和职业道德和规范,履行责任。
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。
9.1 能够理解多学科背景下的团队中每个角色的定位与责任,能够胜任个人承担的角色任务。
9.2 能够与团队其他成员有效沟通、听取并综合团队其他成员的意见和建议,能够胜任负责人的角色。
10.能够就复杂大数据问题与业界同行及社会公众进行有效沟通、交流和撰写文档。
10.1 具备良好的表达沟通能力,能够通过口头表达或者书面形式进行有效沟通和交流。
10.2 能够将大数据专业知识应用到撰写报告和设计文档中,并能够就相关问题陈述发言、清晰表述或回应指令。
10.3 能够掌握一门外语,具有跨文化交流和沟通能力,具备一定的国际视野。
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。
11.1能够理解和掌握复杂大数据项目管理原理和经济决策方法。
11.2能够在多学科环境中根据复杂大数据工程项目特征选择恰当的项目管理方法和经济决策方法。
11.3 能够具备对复杂大数据工程项目进行项目管理的能力。
12.具有自主学习和终身学习的意识,有不断学习和适应发展的能力。
12.1 能够认识到终身学习的重要性,掌握正确的学习方法,树立适合自己发展的规划和目标。
12.2 养成正确的生活、学习习惯,具备良好的身心素质。
三、学制与修读年限
学制为四年,实行弹性修业年限。在校学习年限可在三到六年内浮动。
学生在学制年限内,修满培养方案所规定各类课程学分和总学分,且符合毕业要求者,准予毕业;符合国家学位条例规定和学校学士学位授予规定者,授予学士学位。对于提前修完培养方案规定的全部课程和各教学环节规定的学分,达到毕业或获得学士学位要求的学生,可提前一年毕业。对在学制年限内未修满培养方案规定的学分,符合学校有关延长修业年限规定的本科学生,可适当延长修业年限,延长期最多为两年。
四、授予学位与学分要求
主修信息与计算科学专业的学生,在校期间必须修满培养方案所规定的165学分方能毕业。其中通识教育必修课39学分,通识教育选修课6学分;本学科基础必修课32学分,本学科基础选修课9学分;学科专业方向必修课24.5学分,学科专业方向选修课16.5学分;实践性教学环节28学分,创新与素质拓展10学分。
符合国家学位规定和北华大学学位授予条件者,授予理学学士学位。
五、主干学科与专业主要课程
主干学科:数学、统计学、计算机科学与技术。
主要课程:数学分析、高等代数、概率论、数理统计、多元统计分析、应用回归分析、时间序列分析、数据分析、数据挖掘、数据可视化、Python程序设计、Hadoop开发基础、Spark大数据处理技术、机器学习等。
六、课程计划总体安排
教学计划总体安排表 单位:周
项 目 |
一 |
二 |
三 |
四 |
合计 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
|
入学教育与军事理论 |
|
2 |
|
|
|
|
|
|
|
2 |
|
劳动 |
|
|
|
|
|
|
|
|
|
0 |
|
创新创业思维训练 (创新周) |
|
1 |
|
|
|
|
|
|
|
1 |
|
课堂教学 |
|
12 |
14 |
15 |
14 |
14 |
14 |
7 |
8 |
98 |
|
大数据基础实训 |
|
1 |
|
|
|
|
|
|
|
1 |
|
Python爬虫开发实训 |
|
|
1 |
|
|
|
|
|
|
1 |
|
移动互联网设计 |
|
|
1 |
|
|
|
|
|
|
1 |
|
企业认知与技能实训 |
|
|
|
1 |
|
|
|
|
|
1 |
|
大数据平台实训 |
|
|
|
|
1 |
|
|
|
|
1 |
|
数据可视化实训 |
|
|
|
|
1 |
|
|
|
|
1 |
|
数据分析挖掘实训 |
|
|
|
|
|
1 |
|
|
|
1 |
|
大型数据库应用实习 |
|
|
|
|
|
1 |
|
|
|
1 |
|
大数据建模实训 |
|
|
|
|
|
|
1 |
|
|
1 |
|
统计软件实训 |
|
|
|
|
|
|
1 |
|
|
1 |
|
行业大数据实训 (金融、医疗、林业) |
|
|
|
|
|
|
|
1 |
|
1 |
|
大数据架构实训 |
|
|
|
|
|
|
|
1 |
|
1 |
|
大数据综合实训 |
|
|
|
|
|
|
|
|
1 |
1 |
|
毕业实习 |
|
|
|
|
|
|
|
8 |
|
8 |
|
毕业论文(设计) |
|
|
|
|
|
|
|
|
6 |
6 |
|
考试 |
|
2 |
2 |
2 |
2 |
2 |
2 |
2 |
|
14 |
|
机动 |
|
2 |
2 |
2 |
2 |
2 |
2 |
2 |
2 |
16 |
|
寒暑假 |
|
6 |
6 |
6 |
6 |
6 |
6 |
6 |
|
42 |
|
学年周数 |
|
52 |
52 |
52 |
44 |
200 |
七、实践性教学环节安排
实践性教学环节安排表 单位:周
课程编号 |
项目名称 |
学分 |
按 学 期 周 数 分 配 |
备注 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
6010648D1 |
|
创新创业思维训练 |
|
1 |
1 |
|
|
|
|
|
|
|
|
6010649E1 |
|
大大数据基础实训 |
|
1 |
1 |
|
|
|
|
|
|
|
|
6010650E2 |
|
Python爬虫开发实训 |
|
1 |
|
1 |
|
|
|
|
|
|
|
6010651E2 |
|
移动互联网设计 |
|
1 |
|
1 |
|
|
|
|
|
|
|
6010652A3 |
|
企业认知与技能实训 |
|
1 |
|
|
1 |
|
|
|
|
|
|
6010653E4 |
|
大数据平台实训 |
|
1 |
|
|
|
1 |
|
|
|
|
|
6010654E4 |
|
数据可视化实训 |
|
1 |
|
|
|
1 |
|
|
|
|
|
6010655E5 |
|
数据分析挖掘实训 |
|
1 |
|
|
|
|
1 |
|
|
|
|
6010656E5 |
|
大型数据库应用实习 |
|
1 |
|
|
|
|
1 |
|
|
|
|
6010657D6 |
|
大数据建模实训 |
|
1 |
|
|
|
|
|
1 |
|
|
|
6010658A6 |
|
统计软件实训 |
|
1 |
|
|
|
|
|
1 |
|
|
|
6010659D7 |
|
行业大数据实训 (金融、医疗、林业) |
|
1 |
|
|
|
|
|
|
1 |
|
|
6010660B7 |
|
大数据架构实训 |
|
1 |
|
|
|
|
|
|
1 |
|
|
6010661B8 |
|
大数据综合实训 |
|
1 |
|
|
|
|
|
|
|
1 |
|
6010662B7 |
|
毕业实习 |
|
8 |
|
|
|
|
|
|
8 |
|
|
6010663C8 |
|
毕业论文(设计) |
|
6 |
|
|
|
|
|
|
|
6 |
|
合 计 |
28 |
2 |
2 |
1 |
2 |
2 |
2 |
10 |
7 |
|
八、课内教学学时构成
课内教学学时(学分)构成表
课程类别 |
修读方式 |
学分 |
占总学分百分比 |
学时 |
占总学时百分比 |
备注 |
通识教育必修课 |
通识教育必修 |
39 |
29.55% |
720 |
31.69% |
|
通识教育选修课 |
通识教育选修 |
6 |
4.55% |
96 |
4.23% |
|
本学科基础必修课 |
学科基础必修 |
32 |
23.86% |
512 |
22.54% |
|
本学科基础选修课 |
学科基础选修 |
9 |
7.20% |
144 |
6.34% |
|
学科专业方向必修课 |
专业方向必修 |
24.5 |
20.45% |
496 |
21.83% |
|
学科专业选修课 |
专业方向选修 |
16.5 |
14.39% |
304 |
13.38% |
|
合 计 |
132 |
100% |
2272 |
100% |
|
九、理论教学进程安排
通识教育选修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
合 计 |
6 |
96 |
96 |
|
|
|
|
|
|
|
|
|
|
|
|
|
注:学生需在通识教育选修课中修满6学分
通识教育必修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
604000100 |
大学语文 |
2 |
32 |
24 |
8 |
|
|
|
2 |
|
|
|
|
|
|
|
|
615000101 |
体育一 |
1 |
32 |
4 |
|
|
28 |
4 |
|
|
|
|
|
|
|
1 |
|
615000202 |
体育二 |
1 |
32 |
4 |
|
|
28 |
|
4 |
|
|
|
|
|
|
2 |
|
615000303 |
体育三 |
1 |
32 |
4 |
|
|
28 |
|
|
4 |
|
|
|
|
|
3 |
|
615000404 |
体育四 |
1 |
32 |
4 |
|
|
28 |
|
|
|
4 |
|
|
|
|
4 |
|
618000101 |
大学计算机 |
2 |
48 |
16 |
|
32 |
|
4 |
|
|
|
|
|
|
|
1 |
|
618000302 |
计算机程序设计(C) |
3 |
64 |
32 |
|
32 |
|
|
4 |
|
|
|
|
|
|
2 |
|
621000101 |
大学外语一 |
3.5 |
56 |
56 |
|
|
|
4 |
|
|
|
|
|
|
|
1 |
|
621000202 |
大学外语二 |
3.5 |
56 |
56 |
|
|
|
|
4 |
|
|
|
|
|
|
2 |
|
621000303 |
大学外语三 |
3.5 |
56 |
56 |
|
|
|
|
|
4 |
|
|
|
|
|
3 |
|
621000404 |
大学外语四 |
3.5 |
56 |
56 |
|
|
|
|
|
|
4 |
|
|
|
|
4 |
|
624000103 |
马克思主义基本原理概论 |
3 |
48 |
32 |
|
|
16 |
|
|
4 |
|
|
|
|
|
3 |
|
624000205 |
毛泽东思想和中国特色社会主义理论体系概论 |
5 |
80 |
64 |
|
|
16 |
|
|
|
|
6 |
|
|
|
5 |
|
624000301 |
中国近现代史纲要 |
3 |
48 |
32 |
|
|
16 |
2 |
|
|
|
|
|
|
|
1 |
|
624000402 |
思想道德修养与法律基础 |
3 |
48 |
32 |
|
|
16 |
|
4 |
|
|
|
|
|
|
|
|
合 计 |
39 |
720 |
472 |
8 |
64 |
176 |
14 |
18 |
12 |
8 |
6 |
|
|
|
|
|
本学科基础必修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
601060121 |
数学分析1 |
4 |
64 |
64 |
|
|
|
6 |
|
|
|
|
|
|
|
1 |
|
601060222 |
数学分析2 |
4 |
64 |
64 |
|
|
|
|
4 |
|
|
|
|
|
|
2 |
|
601060323 |
数学分析3 |
4 |
64 |
64 |
|
|
|
|
|
4 |
|
|
|
|
|
3 |
|
601060421 |
高等代数1 |
4 |
64 |
64 |
|
|
|
6 |
|
|
|
|
|
|
|
1 |
|
601060522 |
高等代数2 |
4 |
64 |
64 |
|
|
|
|
4 |
|
|
|
|
|
|
2 |
|
601060623 |
概率论 |
4 |
64 |
64 |
|
|
|
|
|
4 |
|
|
|
|
|
3 |
|
601060724 |
数 理 统 计 |
4 |
64 |
64 |
|
|
|
|
|
|
4 |
|
|
|
|
4 |
|
601060824 |
数 据 结 构 |
3.5 |
64 |
48 |
16 |
|
|
|
|
|
4 |
|
|
|
|
4 |
|
601060921 |
专 业 导 航 课 |
0.5 |
8 |
8 |
|
|
|
8 |
|
|
|
|
|
|
|
|
|
合 计 |
32 |
520 |
504 |
16 |
|
|
20 |
8 |
8 |
8 |
|
|
|
|
|
|
本学科基础选修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
601061033 |
C++程序设计 |
2.5 |
48 |
32 |
16 |
|
|
|
|
3 |
|
|
|
|
|
3 |
|
601061132 |
Matlab程序设计 |
1.5 |
32 |
16 |
16 |
|
|
|
2 |
|
|
|
|
|
|
|
|
601061235 |
运筹学 |
3.5 |
64 |
48 |
|
16 |
|
|
|
|
|
4 |
|
|
|
|
|
601061335 |
离散数学 |
3 |
48 |
48 |
|
|
|
|
|
|
|
3 |
|
|
|
5 |
|
601061433 |
数学建模 |
2.5 |
48 |
32 |
16 |
|
|
|
|
3 |
|
|
|
|
|
|
|
合 计 |
13 |
240 |
176 |
48 |
16 |
|
|
2 |
6 |
|
7 |
|
|
|
|
|
注:学生需要在学科基础选修课中至少修满9学分
学科专业方向必修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
601061561 |
大数据导论 |
2 |
32 |
32 |
|
|
|
3 |
|
|
|
|
|
|
|
|
|
601061661 |
Python程序设计 |
2.5 |
48 |
32 |
16 |
|
|
4 |
|
|
|
|
|
|
|
1 |
|
601061766 |
应用回归分析 |
3.5 |
64 |
48 |
|
16 |
|
|
|
|
|
|
4 |
|
|
6 |
|
601061865 |
时间序列分析 |
3.5 |
64 |
48 |
|
16 |
|
|
|
|
|
4 |
|
|
|
5 |
|
601061965 |
多元统计分析 |
3.5 |
64 |
48 |
|
16 |
|
|
|
|
|
4 |
|
|
|
5 |
|
601062064 |
数据分析 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
3 |
|
|
|
|
4 |
|
601062165 |
数据挖掘 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
|
|
601062265 |
数值分析 |
4.5 |
80 |
64 |
16 |
|
|
|
|
|
|
5 |
|
|
|
5 |
|
合 计 |
24.5 |
448 |
336 |
64 |
48 |
|
7 |
|
|
3 |
16 |
4 |
|
|
|
|
学科专业方向选修课理论教学进程安排表
课程编号 |
课程名称 |
学分 |
课程学时 |
按学期周学时分配 |
考试学期 |
备注 |
总计 |
讲授 |
实验 |
上机 |
其他 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
大数据分析方向 |
601062372 |
爬虫及数据采集技术 |
2.5 |
48 |
32 |
16 |
|
|
|
3 |
|
|
|
|
|
|
|
|
601062476 |
大数据建模 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
3 |
|
|
6 |
|
601062575 |
非结构化大数据分析 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
|
|
601062675 |
机器学习 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
5 |
|
601062776 |
深度学习 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
3 |
|
|
|
|
601062876 |
大数据查询与处理 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
3 |
|
|
|
|
601062976 |
智能算法及应用 |
1.5 |
32 |
16 |
16 |
|
|
|
|
|
|
|
2 |
|
|
|
|
大数据开发方向 |
601063074 |
数据可视化 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
3 |
|
|
|
|
4 |
|
601063173 |
数据库原理及应用 |
2.5 |
48 |
32 |
16 |
|
|
|
|
4 |
|
|
|
|
|
|
|
601063272 |
Linux操作系统 |
2.5 |
48 |
32 |
16 |
|
|
|
3 |
|
|
|
|
|
|
2 |
|
601063372 |
移动互联网应用 |
2.5 |
48 |
32 |
16 |
|
|
|
3 |
|
|
|
|
|
|
|
|
601063472 |
Java程序设计 |
2.5 |
48 |
32 |
16 |
|
|
|
3 |
|
|
|
|
|
|
|
|
601063575 |
云计算与大数据技术 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
|
|
601063673 |
Hadoop开发基础 |
2.5 |
48 |
32 |
16 |
|
|
|
|
3 |
|
|
|
|
|
|
|
601063775 |
计算机视觉 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
|
|
601063874 |
大 数 据 仓 储 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
3 |
|
|
|
|
|
|
大数据应用方向 |
601063976 |
大数据安全技术与应用 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
3 |
|
|
|
|
601064078 |
企业级应用 开 发 |
3.5 |
64 |
48 |
16 |
|
|
|
|
|
|
|
|
|
4 |
|
|
601064174 |
Spark大数据处理技术 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
3 |
|
|
|
|
|
|
601064275 |
Storm大数据流处理技术 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
3 |
|
|
|
|
|
601034378 |
网 络 与 通 讯 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
|
|
3 |
|
|
601064476 |
推荐系统实践 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
3 |
|
|
|
|
601064577 |
金融大数据应用 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
|
3 |
|
|
|
601064677 |
健康医疗大数据应用 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
|
3 |
|
|
|
601064777 |
林业大数据应用 |
2.5 |
48 |
32 |
16 |
|
|
|
|
|
|
|
|
3 |
|
|
|
630000775 |
文献检索 |
2 |
32 |
32 |
|
|
|
|
|
|
|
2 |
|
|
|
|
|
合 计 |
67 |
1280 |
864 |
416 |
|
|
4 |
12 |
3 |
9 |
17 |
20 |
9 |
7 |
|
|
注:1.学生需要在学科专业方向选修课中修满16.5学分,也可以选修另外方向的选修课。
2.学科基础选修课中超出的学分可代替专业方向选修课中的学分。
十、创新与素质拓展学分项目
创新与素质拓展学分项目安排表
课程编号 |
项目名称 |
学分 |
按 学 期 周 数 分 配 |
考试学期 |
备注 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
631000101 |
入学教育与军事理论(含军训) |
1 |
2 |
|
|
|
|
|
|
|
|
|
631000201 |
劳动 |
1 |
|
|
|
|
|
|
|
|
|
1-2学期 |
6240005D0 |
形势与政策 |
1 |
|
|
|
|
|
|
|
|
|
每学期 |
632000100 |
大学生职业发展与就业指导 |
1 |
|
|
|
|
|
|
|
|
|
每学期 |
640000100 |
创新与素质拓展 |
5 |
|
|
|
|
|
|
|
|
|
|
640000201 |
创新创业思维训练(创新周) |
1 |
1周 |
|
|
|
|
|
|
|
|
|
合 计 |
10 |
|
|
|
|
|
|
|
|
|
|
十一、创新与素质拓展学分计算
创新与素质拓展学分计算表
项目 |
考核内容及标准 |
学分 |
备注 |
竞赛 |
• 获得各类学科竞赛奖 • 获各种专项竞赛 • 获校级各种比赛奖
|
国家级一等奖 |
10 |
|
国家级二等奖 |
9 |
|
国家级三等奖 |
8 |
|
省部级一等奖 |
7 |
|
省部级二等奖 |
6 |
|
省部级三等奖 |
5 |
|
校级一等奖 |
3 |
|
校级二等奖 |
2 |
|
校级三等奖 |
1 |
|
发表论文 |
1、SCI、SSCI、EI、ISTP收录论文 |
1—5名 |
10 |
等差递减1分 |
2、中文核心期刊 |
1—4名 |
6 |
等差递减1分 |
3、正式出版刊物 |
1—3名 |
3 |
等差递减1分 |
4、非正式出版刊物 |
1—2名 |
1 |
等差递减1分 |
科技成果奖 |
1、国家级 |
一等奖1—10名 |
15 |
等差递减1分 |
二等奖1—10名 |
10 |
等差递减1分 |
三等奖1—8名 |
8 |
等差递减1分 |
2、省部级 |
一等奖1—8名 |
8 |
等差递减1分 |
二等奖1—6名 |
6 |
等差递减1分 |
三等奖1—4名 |
4 |
等差递减1分 |
3、申请一项专利得到专利号 |
主要完成人 |
5 |
等差递减1分 |
一般成员 |
3 |
等差递减1分 |
职业技能鉴定 |
高级 |
3 |
同类证书取最高分(与本专业相近) |
中级 |
2 |
初级 |
1 |
通过国家外语水平考试 |
通过四级考试(非外语专业) |
1 |
同类证书取最高分 |
通过六级考试(非外语专业) |
2 |
通过专业四级考试(外语专业) |
1 |
通过专业八级考试(外语专业) |
2 |
科研活动 |
1、在科学研究中取得重大成果(有总结报告) |
4 |
省级以上 |
2、辅助教师进行科学研究、成绩突出(有总结报告) |
2 |
省级课题以上 (前2名) |
3、在教师指导下从事科学研究,完成计划任务(有总结报告) |
1 |
|
4、参加学术报告会议,并整理形成报告摘要 |
1/20学时 |
|
5、参与科研课题立项(1-5名) |
国家级 |
重点 |
10 |
等差递减1分 |
一般 |
8 |
等差递减1分 |
省级 |
重点 |
7 |
等差递减1分 |
一般 |
5 |
等差递减1分 |
校级 |
重点 |
3 |
等差递减0.5分 |
一般 |
1 |
等差递减0.2分 |
1、国家大学生创新创业训练项目参加者 |
2-6 |
指导教师确认 |
2、在业余时间参加开放实验或创新实验研究,自拟方案进行实验,有规范实验报告 |
1/20学时 |
|
3、自制、改制实验仪器;设备维修 |
主要技术负责人 |
2 |
|
协助收集、翻译、整理资料等工作 |
1.5 |
|
一般成员 |
1 |
|
教育面向国际化活动 |
被选拔参加中国北华大学、韩国岭南大学(以及其它国际友好学校)联合举办的志愿者或其它教育活动(每年举办一次) |
2 |
|
辅修课程 |
辅修本专业外的其它专业课程并取得相应学分(与通选课学分不重复计算) |
4 |
按实际取得学分计算,最多不超过4学分 |
学历、学位教育 |
二学历、双学位教育并授予学位 |
2 |
|
学生体质健康标准 |
测试成绩连续四年优秀者 |
1 |
|
其它项目 |
由项目提出单位制定考核内容及标准,经教务处审核确定学分。 |
注:同时获得一个奖项多种奖励,按奖励档次最高者计算学分。
十二、毕业要求与对应指标
毕业要求 |
指标点 |
1.大数据分析处理、科学计算和工程知识:能够运用数学、统计学与自然科学的基本概念和原理描述和解决复杂大数据问题。 |
1.1 能够应用数学与自然科学的基本知识正确表述复杂大数据问题。 1.2 能够应用统计理论和方法对大数据问题进行推理和验证。 1.3 能够运用专业知识对复杂大数据问题的解决方案进行分析和改进。 |
2.问题分析:能够应用数学、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问题,以获得有效结论。 |
2.1 能够运用数理知识识别和判断数据科学与大数据技术中的核心问题。 2.2能够利用多种资源开展文献检索和资料查询,分析文献,寻求大数据领域复杂问题的解决方案并进行正确表达。 2.3具备认识并进行评估复杂大数据问题的多种解决方案的能力。 2.4能够分析大数据领域复杂问题解决过程中的关键影响因素,验证解决方 案 的准确 性和合理性。 |
3.设计/开发解决方案:能够设计对复杂大数据问题的解决方案,包括满足特定需求的系统设计、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。 |
3.1 能够根据数据科学与大数据技术给出复杂工程设计的基本思路和解决方案。 3.2 能够按照数据科学和大数据技术基本理论,在考虑社会、健康、安全、法律、文化以及环境等因素下,可对设计方案在技术、经济等方面进行评价,确认其可行性。 3.3 能够针对特定需求、可复用模块或组件完成数据结构和算法的设计。 3.4 能够在算法设计或实现方法中体现出创新意识,降低算法的复杂度,提高算法的可用性等。 |
4.研究:能够基于科学原理并采用科学方法对复杂大数据问题进行研究,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。 |
4.1 能够运用科学方法对复杂数据问题进行需求和功能分析。 4.2 能够理解大数据分析的思路和基本原理并能够运用相应原理采用数据科学方法进行实验以解决具体复杂大数据工程问题,具备初步的研究能力。 4.3 能够建立大数据模型、设计实验、分析与解释数据、并通过大数据处理得到合理有效的结论。 |
5.使用现代工具:能够针对复杂大数据问题,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,包括对复杂大数据问题的预测与模拟,并能够理解其局限性。 |
5.1 能够开发、选择与使用恰当的大数据技术、资源、现代大数据工具和平台完成复杂大数据工程需求分析、预测、可视化。 5.2 能够使用恰当的工具和技术对大数据体系架构和设计模式进行选择,并完成设计,理解选择的局限性。 5.3 能够采用恰当的大数据开发工具完成开发,并能够理解开发过程的局限性。 5.4 能够采用恰当的方法和工具进行测试和验证,并能够给出应用和维护方案。 5.5 能够用恰当的大数据方法或语言(如Python)和规范的文档等形式呈现大数据工程的系统解决方案和成果。 |
6.工程项目与社会:能够基于大数据相关背景知识进行合理分析,评价大数据实践和复杂实际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。 |
6.1 了解大数据行业的特性与发展历史,以及信息化相关产业的基本方针、政策和法规。 6.2 能合理评价大数据工程问题对社会、健康、安全、法律以及文化的影响,并理解应 承担的责任。 |
7.可持续发展:能够理解和评价针对复杂大数据问题的工程实践对环境、社会可持续发展的影响。 |
7.1 能够了解大数据工程及信息技术发展前沿和趋势。 7.2 能够评价复杂大数据工程问题的实践对环境可持续发展的影响。 7.3 能够理解和评价信息安全问题对社会健康发展的影响。 |
8.职业规范:具备人文社会科学素养、社会责任感,能够在大数据实践中理解并遵守职业道德和规范,履行责任。 |
8.1 能够树立正确的世界观、人生观、价值观,具备良好的人文社会科学素养。 8.2 能够拥有健康的体质、良好的心理素质和社会责任感。 8.3 能够具备数据科学家和数据技术工程师的专业素质和职业道德和规范,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。 |
9.1 能够理解多学科背景下的团队中每个角色的定位与责任,能够胜任个人承担的角色任务。 9.2 能够与团队其他成员有效沟通、听取并综合团队其他成员的意见和建议,能够胜任负责人的角色。 |
10.沟通:能够就复杂大数据问题与业界同行及社会公众进行有效沟通、交流和撰写文档。 |
10.1 具备良好的表达沟通能力,能够通过口头表达或者书面形式进行有效沟通和交流。 10.2 能够将大数据专业知识应用到撰写报告和设计文档中,并能够就相关问题陈述发言、清晰表述或回应指令。 |
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。 |
11.1能够理解和掌握复杂大数据项目管理原理和经济决策方法。 11.2能够在多学科环境中根据复杂大数据工程项目特征选择恰当的项目管理方法和经济决策方法。 11.3 能够具备对复杂大数据工程项目进行项目管理的能力。 |
12.终身学习:具有自主学习和终身学习的意识,有不断学习和适应发展的能力。 |
12.1 能够认识到终身学习的重要性,掌握正确的学习方法,树立适合自己发展的规划和目标。 12.2 养成正确的生活、学习习惯,具备良好的身心素质。 |
十三、课程与培养要求关联度矩阵
培养要求 |
课程名称及关联度 |
1.大数据分析处理、科学计算和工程知识:能够运用数学、统计学与自然科学的基本概念和原理描述和解决复杂大数据问题。 |
数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、Hadoop开发基础(H)、 Python程序设计(H)、 Java程序设计(H)、数据结构与算法(M)、数值分析(H)、数学建模(H)、数理统计(H)、机器学习(H)、 Linux操作系统(H)、移动互联网应用(H)、 C++程序设计(M)、数据库原理及应用(M)、离散数学(M)、运筹学(M)、复变函数(M)、数据分析与挖掘(H)、 Spark大数据处理技术(H)、深度学习(M)、算法设计与分析(H)、应用多元统计分析(M) |
2.问题分析:能够应用数学、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问题,以获得有效结论。 |
数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、Hadoop开发基础(H)、 Python程序设计(H)、 Java程序设计(H)、数据结构与算法(M)、数值分析(H)、数学建模(H)、数理统计(H)、机器学习(H)、 Linux操作系统(H)、移动互联网应用(M)、 C++程序设计(H)、数据库原理及应用(M)、离散数学(M)、运筹学(M)、复变函数(M)、数据分析与挖掘(H)、 Spark大数据处理技术(H)、深度学习(M)、算法设计与分析(H)、应用多元统计分析(H)、文献检索(M) |
3.设计/开发解决方案:能够设计对复杂大数据问题的解决方案,包括满足特定需求的系统设计、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。 |
Hadoop大数据存储与运算(H)、 Python程序设计(H)、 Java程序设计(H)、数据结构与算法(M)、数值分析(H)、数学建模(H)、数理统计(H)、机器学习(H)、 Linux操作系统(H)、移动互联网应用(M)、 C++程序设计(H)、数据库原理及应用(M)、离散数学(M)、数据分析与挖掘(H)、 Spark大数据处理技术(H)、算法设计与分析(H)、计算机图形学(M)、文献检索(M) |
4.研究:能够基于科学原理并采用科学方法对复杂大数据问题进行研究,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。 |
数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、Python程序设计(H)、 Java程序设计(H)、数据结构与算法(M)、数值分析(H)、数学建模(H)、数理统计(H)、机器学习(H)、C++程序设计(H)、数据库原理及应用(M)、离散数学(M)、运筹学(M)、复变函数(M)、数据分析与挖掘(H)、算法设计与分析(H)、应用多元统计分析(H) |
5.使用现代工具:能够针对复杂大数据问题,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,包括对复杂大数据问题的预测与模拟,并能够理解其局限性。 |
数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、Hadoop开发基础(H)、 Python程序设计(H)、 Java程序设计(H)、数值分析(H)、数学建模(H)、数理统计(H)、Linux操作系统(H)、移动互联网应用(H)、 C++程序设计(M)、Spark大数据处理技术(H)、算法设计与分析(H)、应用多元统计分析(M)、 Hbase大数据快速读写(M)、文献检索(M) |
6.工程项目与社会:能够基于大数据相关背景知识进行合理分析,评价大数据实践和复杂实际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。 |
形势与政策(H)、思想道德修养与法律基础(H)、数值算法实训(H)、软件基础实习(H)、数学建模实训(H)、毕业论文(设计)(M)、数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、大学外语(M)、大学物理(M)、创新与素质拓展(H)、 Java程序设计(H)、 C++程序设计(H) |
7.可持续发展:能够理解和评价针对复杂大数据问题的工程实践对环境、社会可持续发展的影响。 |
马克思主义基本原理概论(H)、毛泽东思想和中国特色社会主义理论体系概论(H)、思想道德修养与法律基础(H)、形势与政策(H)、数值算法实训(H)、软件基础实习(H)、数学建模实训(H)、毕业论文(设计)(M)、数学分析(H)、高等代数(H)、常微分方程(H)、概率论(H)、大学外语(M)、大学物理(M)、创新与素质拓展(H)、 Java程序设计(H)、 C++程序设计(H)
|
8.职业规范:具备人文社会科学素养、社会责任感,能够在大数据实践中理解并遵守职业道德和规范,履行责任。 |
马克思主义基本原理概论(H)、毛泽东思想和中国特色社会主义理论体系概论(H)、思想道德修养与法律基础(H)、形势与政策(H)、中国近现代史纲要(M) |
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。 |
创新与素质拓展(H)、数学建模实训(H)、软件基础实习(M)、企业顶岗实习(H)、入学教育与军事理论(H)、劳动(H) |
10.沟通:能够就复杂大数据问题与业界同行及社会公众进行有效沟通、交流和撰写文档。 |
形势与政策(H)、思想道德修养与法律基础(H)、数值算法实训(H)、软件基础实习(H)、数学建模实训(H)、毕业论文(设计)(H)、大学外语(H)、大学物理(M)、创新与素质拓展(H) |
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。 |
数值算法实训(M)、软件基础实习(M)、企业顶岗实习(H)、入学教育与军事理论(H)、劳动(H)、数学建模实训(H)、毕业论文(设计)(M)、大学外语(H)、大学物理(M)、创新与素质拓展(H) |
12.终身学习:具有自主学习和终身学习的意识,有不断学习和适应发展的能力。 |
马克思主义基本原理概论(H)、毛泽东思想和中国特色社会主义理论体系概论(H)、思想道德修养与法律基础(H)、形势与政策(H)、中国近现代史纲要(M) |
说明:课程包括所有课程及实践环节;H、M、L分别表示本课程对毕业要求支撑的强度是高、中、低。