一、专业名称和专业代码

专业名称：数据科学与大数据技术

专业代码：080910T

二、培养目标

（一）总目标

本专业立足地方社会经济发展一线需求，辐射龙江，培养适应社会经济发展需要，具有铁人精神特质、德智体美劳全面发展的综合素质，具备信息科学、数理统计及数据科学基础知识，拥有大数据的采集、存储、处理、分析、可视化及数据安全的相关技能，能够在信息产业、人工智能研究、云平台应用开发等领域胜任系统集成、大数据应用软件设计、运营或管理等工作的高素质应用型人才。

（二）分目标

目标1：具有良好的自然科学和人文社会科学素养，具备宽厚的数学、自然科学知识和扎实的数据科学专业知识与实践能力，能够综合运用专业知识和工程技能，胜任数据科学与大数据技术应用相关领域复杂工程问题的分析、研究和解决工作。

目标2：能够跟踪大数据技术、云计算及相关领域的前沿技术，能从事数据科学与大数据技术领域的基本应用和管理、数据挖掘与分析、数据可视化、大数据运维部署等工作，成为技术或业务骨干。

目标3：具有创新意识和国际视野，具备良好的团队合作精神和组织协调能力，具有独立分析、分工协作、交流沟通和书面表达的能力。

目标4：具有终身学习意识和较强的自主学习能力，能够主动适应行业的发展，进行自我知识更新和能力提升，拓展新的职业发展机会。

三、毕业要求

1.工程知识：能够运用数学、自然科学、工程基础和专业知识解决大数据应用系统在构思、设计、实现、运维的全生命周期过程中所面临的复杂工程问题。

指标点1-1：能够掌握专业所需的数学、自然科学等基础知识和基础理论，并能恰当表述大数据领域工程问题。

指标点1-2：能够准确的利用工程基础知识表述专业工程问题，并能针对数字逻辑电路、计算机硬件系统、操作系统建立模型和求解。

指标点1-3：能够将工程知识、专业知识和数学模型方法用于推演、分析大数据应用系统所面临的复杂工程问题。

2. 问题分析：能够应用数学、自然科学和大数据领域的基本原理及知识，通过文献研究、实验分析、工程推理、数学建模、工程经验提炼等方法，对复杂工程问题进行识别、表达与实施，以获得有效结论。

指标点2-1：能够运用大数据领域的基本原理和工程方法，识别和判断大数据应用领域复杂工程问题的关键环节。

指标点2-2：能够将数学、自然科学、工程科学的语言工具用于大数据领域工程问题的恰当表述，针对大数据应用领域工程问题建立数学模型并求解。

指标点2-3：能够将工程推理、工程经验提炼和数学建模等方法用于推演、分析大数据专业复杂工程问题解决方案的比较与综合。

3.设计/开发解决方案：能够综合运用工程基础知识和大数据的基本理论和技术手段，设计与开发满足客户需求的大数据产品，并能够综合考虑社会、健康、安全、法律、文化以及环境等因素，在大数据产品的设计、实现、测试和运维环节中体现创新意识。

指标点3-1：能够认识到解决问题有多种方案可选择，具备利用多种资源开展文献检索及分析以寻求解决方案的能力。

指标点3-2：能够综合运用工程基础知识和大数据的基本理论和技术手段，设计与开发满足客户需求的大数据产品。

指标点3-3：能够针对大数据应用领域复杂工程问题，应用大数据的基本原理和方法设计复杂项目的解决方案，在此基础上能分析方案的合理性和比较不同方案的优劣；并能够在设计中体现创新意识。

4.研究：能够结合自然科学与大数据专业知识，针对大数据领域的复杂软件工程问题，设计和实施工程实验，并能够对实验结果进行分析处理，采用科学分析方法对复杂问题进行研究，并通过大数据综合信息得到合理有效的结论。

指标点4-1：能够基于科学原理，通过文献研究、调研和分析解决大数据获取与优化处理等复杂工程问题。

指标点4-2：掌握大数据处理的主流软件，能够根据问题特性，选择研究路线，能够利用已有软硬件工具基于实验方案构建大数据应用系统。

指标点4-3：能够利用已有设计工具、软硬件开发工具，基于实验方案构建大数据应用实验系统，并能安全、正确、完整地实施实验。

5.使用现代工具：能够针对复杂工程问题，在大数据工程项目的全生命周期过程中，采用恰当的现代工程工具技术、善于运用信息技术及资源，并理解当前技术与工具的局限性。

指标点5-1：能够基于科学原理，通过文献研究，调研和分析解决大数据应用领域复杂工程问题的方案。

指标点5-2：能够面向不同行业需求和数据现状，设计个性化的大数据应用解决方案，选择研究路线，设计实验方案，进而实现业务资源优化配置。

指标点5-3：能够基于实验方案合理选择满足特定需求的技术、资源、工具，将其运用于大数据应用系统分析、设计、开发及测试过程中，并能够分析其局限性。

6. 工程与社会：能够基于环境保护和可持续发展等方面的方针、政策和法律、法规，评价专业工程实践和复杂问题解决方案对社会、健康、安全、法律以及文化的影响，并理解大数据行业技术人员在相关行业中应承担的责任。

指标点6-1：熟悉数据科学与大数据应用领域相关的技术标准、知识产权、产业政策和法律法规，理解社会、文化、环境的不同对工程活动的影响。

指标点6-2：能够客观评价专业工程实践和复杂问题解决方案对社会、健康、安全、法律以及文化的影响，并理解大数据行业技术人员在相关行业中应承担的责任。

7.环境和可持续发展：能够理解和评价针对数据科学与大数据应用领域问题的专业实践对环境、社会可持续发展的影响。

指标点7-1：理解与本专业相关的职业和行业的生产、设计、研究与开发、环境保护和可持续发展等方面的方针、政策和法律、法规。

指标点7-2：能正确并评价大数据工程实践对客观世界可持续发展的影响，并给出可行的建议或措施。

8.职业规范：具有人文社会科学素养、社会责任感，重视生命和健康，能够在数据科学工程实践中理解并遵守工程职业道德和规范，履行责任。

指标点8-1：理解中国国情，理解个人与社会的关系，树立正确的世界观、人生观和价值观，具有良好的人文社会科学素养。能够在实践中运用哲学的、历史的方法认识分析事物，具有思辨能力和批判精神。

指标点8-2：具有良好的心理素质，具有面向生产管理服务一线的职业发展观，能够在大数据工程实践中理解和遵守工程职业道德和行为规范，诚实守信，履行大数据工程师对公众的安全、健康和福祉，以及环境保护的社会责任。

9.个人和团队：能够理解团队合作的意义，能与团队成员有效沟通，承担个体、团队成员以及负责人的角色，并有效高速的开展工作。

指标点9-1：在多学科背景下，能与其他学科的成员有效沟通，合作共事。能够在团队中独立或合作开展工作。

指标点9-2：能够组织团队成员开展工作，与团队其他成员有效合作，承担相应责任，倾听其他团队成员的意见。

10.沟通交流：能够大数据工程实践中，就复杂工程问题与业界同行、目标客户、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、回应指令，并具备一定的国际视野，至少掌握一门外语，具备在跨文化背景下进行沟通和交流的能力。

指标点10-1：能够针对大数据应用领域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，具有撰写报告、设计文稿、陈述发言和清晰表达以及倾听并回应公众意见的能力。

指标点10-2：具有外文文献的信息检索及阅读理解能力，能够在跨文化背景下进行沟通和交流，对大数据前沿技术与产业状况有基本了解，具备一定的国际视野。

11.项目管理：能够在大数据产品的需求分析、设计与实现、运维部署、市场推广的项目工程实践中，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。

指标点11-1：理解工程管理与经济决策的重要性，掌握大数据工程实践项目中所涉及的管理原理与经济决策方法。

指标点11-2：能够将管理原理与经济决策方法应用于多学科环境下大数据工程项目的设计、开发、实施等过程中。

12.终身学习：具有自主学习、终身学习的意识和创新能力，有不断学习和适应发展的能力，能及时了解大数据领域的新理论、新技术及国际前沿动态。

指标点12-1：具有健全的心理和健康的体魄，在社会发展和技术进步的大背景下，对于自主和终身学习的必要性有正确的认识。

指标点12-2：能针对个人、职业和社会发展的需求，具有自主学习的能力、包括对大数据行业企业技术问题的理解能力，归纳总结的能力和提出问题的能力。

四、毕业要求对培养目标的支撑矩阵

*关联

五、专业核心课程

面向对象程序设计基础、Python语言程序设计、数据库原理、计算机网络原理、操作系统、Linux系统管理、大数据技术基础、分布式数据库、大数据流处理框架和内存计算框架。

六、课程及教学活动与毕业要求的支撑矩阵

七、专业学制及学分规定

四年制本科，学生毕业最低应修读168.5学分，德育考核合格，并达到教育部《国家学生体质健康标准（2014年修订）》，准予毕业。

八、授予学位

符合学位授予条件的，授予工学学士学位。

九、主干学科

计算机科学与技术。

十、课程设置及课时安排表

（一）理论教学体系

1.通识必修课程

通识必修课程包括思想政治理论课、大学外语等，须修满34学分。

2.通识选修课程

通识选修课包括自然科学、人文社会科学、艺术素养、“中国共产党历史”专题课四类，在第2学期至第7学期开设，由教务处组织安排。要求学生大学期间至少修读6学分，其中，必须修读《“中国共产党历史”专题课》，不少于1学分；至少修读2学分人文社会科学类课程；至少修读2学分艺术素养类课程。

3.专业基础课程

专业基础课程包括高等数学、离散数学、数据结构、面向对象程序设计基础、计算机组成与结构、大学物理、操作系统、计算机网络原理、数据库原理、概率论与数理统计、计算方法等，须修满45.5学分。

4.专业必修课程

专业必修课程包括Linux系统管理、Python语言程序设计、大数据技术基础、分布式数据库、大数据采集与预处理、Python数据分析技术、大数据流处理框架、内存计算框架等，须修满20学分。

5.专业选修课程

专业选修课程包括计算机体系结构、Web前端开发基础、计算思维导论、Web程序设计、计算机专业英语、Python程序设计进阶、软件工程概论、算法分析与设计、大数据可视化技术、Scala函数式编程、数据分析与处理等，须修满17学分。

6.创新创业教育课程

创新创业教育课程包括大学生职业生涯规划、大学生就业指导、创业基础等，须修满4.5学分。

附表1：理论课程设置及学时安排表

（二）实践教学体系

实践教学体系包括基础实践、专业实践和综合实践三个层次，根据人才培养目标和规格要求，以能力培养为主线，设计教学活动。

1.基础实践

基础实践包括铁人精神育人、军事训练、专业见习等，须修满12学分。

2.专业实践

专业实践包括课程设计、金工实训、专业实习、职业技能训练等，须修满10.5学分。

3.综合实践

综合实践包括毕业实习、毕业设计、创新创业实践活动、社会实践、劳动实践等，须修满19学分。

附表2：实践环节设置及学时安排表

附表3：英语拓展课程安排表（外国语学院组织）

附表4:职业技能训练安排表

附表5：课程结构比例表

注：实践教学环节中，相应实践周以24学时/周统计

附表6：各学期周数分配表

学年 周数 学期 项目	第一学年		第二学年		第三学年		第四学年		合计
	1	2	3	4	5	6	7	8
课堂教学	12	16	16	16	16	16	8	0	100
实践教学	2	1	1	1	1	1	8	14	29
复习、考试	2	1	1	1	1	1	2	0	9
机动	1	1	1	1	1	1	1	0	7
社会实践	0	2	0	2	0	2	0	0	6
教育周数	17	21	19	21	19	21	19	14	151
假期	12		12		12		7		43
学年周数	50		52		52		40		194