数据科学与大数据技术（注：可授工学或理学学士学位）

专业概况

数据科学与大数据技术面向数字化发展需要，培养掌握数据采集、预处理、分析建模、可视化表达及系统应用等知识技能的高素质专门人才。学生通过数学统计、计算机科学、数据管理和业务分析等内容的学习，形成运用数据技术解决实际问题的能力，可在授予工学或理学学士学位，具体学位授予类型以院校培养方案为准。

该专业强调数据理论与技术方法的结合，重视编程能力、数据分析能力和工程实践能力。学生不仅要有处理结构化数据的能力，还要能够面向具体问题选择适当的方法，完成数据应用、系统建设和服务创新，为数字经济、信息技术及相关领域的发展提供人才支撑。

培养目标

本专业旨在培养适应数据科学与大数据技术发展需要，具备良好的数学基础、计算思维、程序设计能力和专业伦理意识，能够进行数据采集、处理、分析、建模与可视化，并具备数据系统设计、开发、应用和初步研究能力的高素质专门人才。培养过程注重理论与实践结合，使学生能够在不同应用场景中识别数据需求、分析业务问题并提出合理的技术方案。

学生应掌握数据科学基础知识，熟悉数据生命周期和信息系统基本原理，具备持续学习、技术沟通、协作创新及适应新技术发展变化的能力。各培养环节的具体目标、方向侧重和学位类型，以院校公布的培养方案为准。

培养要求

• 具备较扎实的数学、统计学和计算机科学基础，能够理解数据模型、基本算法与分析方法；
• 具备程序设计能力，能够使用常用编程语言或开发工具实现数据处理与分析任务；
• 掌握数据采集、清洗、转换、整合和管理的基本方法，能够保证数据处理的规范性与可靠性；
• 具备数据可视化和结果表达能力，能够针对不同对象清晰呈现数据信息及分析结论；
• 能够结合应用场景分析问题，合理选择数据处理、统计分析、机器学习或系统实现方案；
• 具备数据安全、隐私保护、知识产权和职业伦理意识，负责任地开展数据应用；
• 具有良好团队协作、工程实践和自主学习能力，能够阅读并整理技术资料；
• 具体课程要求、实践安排和能力评价方式，以院校公布的培养方案为准。

主干学科

数据科学与大数据技术的主干学科一般包括数学、统计学、计算机科学与技术、数据科学、数据管理与分析等基础内容。学生需要在数学理论与统计方法的基础上，掌握数据结构、算法、数据库、程序设计、软件工程和人工智能等相关知识，并通过项目实践理解数据分析方法在实际系统中的应用方式。

不同院校可能根据办学定位设置相应课程模块和技术方向。涉及方向选择、课程衔接和学分要求的安排，具体以院校公布的培养方案为准。

核心课程

专业基础课程：程序设计基础、离散数学、线性代数、概率论与数理统计、数据结构、数据库原理、计算机组成原理。

专业核心课程：数据科学导论、数据采集与预处理、数据分析与建模、数据可视化、机器学习、人工智能基础、大数据技术原理、分布式系统基础、软件工程。

实践拓展课程：Python程序设计、SQL数据库应用、统计分析方法、数据挖掘实践、大数据平台应用、项目设计与开发、专业实习等；课程设置及组合以院校公布的培养方案为准。

主要实践性教学环节

实践性教学贯穿专业学习全过程，主要包括程序设计课程实践、数据库与数据处理实验、数据分析课程设计、可视化项目实践、机器学习综合实验、大数据系统实践、专业实习和毕业设计等环节。学生通过完成真实或仿真的数据任务，掌握从问题定义、数据获取、数据处理、模型分析到结果呈现的基本流程。

项目实践应注重数据质量、结果解释和系统可用性，引导学生形成规范编码、文档记录、团队协作和测试验证习惯。实践项目的类型、课时、学分及最终要求，具体以院校公布的培养方案为准。

毕业与学位

学生完成培养方案规定的课程学习、实践环节和毕业要求，达到学校规定的学业标准后，可申请毕业。符合学位授予条件者，可获得相应学士学位。本专业可授工学或理学学士学位，具体授予类别、申请条件和审核办法以院校相关规定为准。

毕业生应具备数据采集处理、统计分析、模型构建、可视化表达和软件系统应用等能力，能够在信息技术、数据服务、金融管理、工业制造、教育科研等相关领域开展基础性工作，并具备继续学习和适应新技术发展的基础。

深造与就业

毕业生可选择进入数据相关领域就业，参与数据治理、数据分析、数据开发、数据平台建设、人工智能应用、信息系统管理和数字技术服务等工作。也可面向教育科研、金融服务、工业企业、互联网技术、咨询服务和公共管理等场景，应用数据方法支持业务决策与技术创新。

继续深造方面，学生可在数据科学、统计学、计算机科学与技术、软件工程、人工智能等方向进一步学习，通过研究生教育或专业培训提升研究能力、复杂项目实践能力和技术管理能力。就业岗位、行业准入及后续学习要求因地区、单位和岗位性质而不同。