专业介绍 | 北京信息科技大学数据科学与大数据技术本科专业-CFANZ编程社区

我们将推出系列国内代表性高校的数据科学、大数据和人工智能专业介绍。这项工作旨在加强院校间了解，搭建全国交流平台，共同推进高校大数据和人工智能人才培养工作。同时组建高校教师微信交流群，进群请在本公众号后台回复关键词“大数据专业交流群”，培养方案pdf材料将在群里发送。

一、专业简介

数据科学与大数据技术专业由学校“数据科学与大数据技术”教学工作小组负责，依托计算机学院、理学院、经济管理学院、信息管理学院和通信学院共同建设，师资从全校范围内选拔组建。该专业2017年通过教育部审核批准，是全国第二批设立该全日制本科专业的高校。

本专业主动适应“互联网+、大数据、云计算”信息网络产业等国家及首都发展战略，服务于大数据技术领域及行业需求;本专业依托我校信息技术特色和优势，强调在数学和统计学、计算机技术、管理学等多学科及技术领域的交叉融合，整合我校在大数据领域的优势教学资源，着力培养具有扎实的数学和计算机基本理论、知识、方法和技能，具有良好科学素养和创新意识，掌握大数据系统与平台技术、大数据分析及可视化技术、特定场景下大数据开发与应用等工程实践能力的高素质应用型人才。本专业自2017年开始招生。本专业参加计算机大类招生，学生入学一年后进行分流，进入本专业学习。

本专业的特色在于:本专业服务首都发展战略，依托大数据相关信息技术，通过跨学科、重实践、多方交叉融合的新工科教育模式，培养具有较强工程实践和创新能力的大数据领域高素质应用型技术人才。

二、培养目标

围绕国家及首都发展战略，服务于大数据技术领域及行业需求，本专业培养具有良好的科学与人文素养、扎实的专业知识与技能、较强的工程实践与创新能力，具备计算机、数学、统计学等多学科知识和技能，具有分析问题、解决问题、自主学习以及国际视野的高素质应用型人才，并成长为合格的社会主义建设者和接班人。

具体可归纳为以下几个方面:

能够运用数学和自然科学及计算机相关基本知识、工具、方法和技能，在大数据系统与平台技术(数据采集、清洗、存储、计算等大数据系统与平台相关技术)、大数据分析与可视化技术(数据分析、人工智能、数据挖掘等大数据分析相关技术和数据可视化技术)、特定场景下大数据开发与应用等方面解决复杂工程问题;
具备工程师所必需的学习与创新、沟通与表达、合作与交流等基本能力与素养;
具有国际视野、良好的职业发展力和适应力。
具有良好的科学素养和社会责任感，自觉遵守工程伦理和职业道德，履行社会责任。

毕业生适合在信息技术相关单位，以大数据采集与预处理、存储与管理、高性能计算、智能分析与挖掘、展现与应用等生命周期相关技术或应用为主要内容，从事平台规划、设计、部署、管理、运维，或系统开发、测试、支撑、服务与管理等工作，并在五年内成长为能够独立胜任相关岗位工作的技术或管理工程师，或进入相关领域研究生阶段继续深造。

三、毕业要求

1.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大数据技术和大数据应用的复杂工程问题。

1.1 能够将数学、物理知识、方法与思想以及工程科学的语言工具用于大数据应用工程问题的表述;
1.2 能够针对大数据系统与平台、大数据分析与可视化、大数据应用开发等大数据应用工程问题中的具体对象建立数学模型并求解;
1.3 能够将相关知识和数据模型方法用于推理、分析复杂大数据应用技术问题;
1.4 能够将相关知识和数学模型方法用于大数据应用复杂工程问题解决方案的比较与综合。

2.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大数据应用复杂工程问题，以获得有效结论。

2.1 能够运用相关科学原理，识别和判断大数据应用复杂工程问题的关键环节;
2.2 能够基于相关科学原理和数学模型方法正确表达大数据应用复杂工程问题;
2.3 能够认识到解决大数据应用问题有多种方案可选择，会通过文献研究寻求可替代的解决方案;
2.4 能够运用大数据系统与平台技术、大数据分析与可视化技术的基本原理，借助文献研究，分析过程的影响因素，获得解决大数据应用复杂工程问题的有效结论。

3.设计/开发解决方案:能够设计针对大数据应用复杂工程问题的解决方案，包括满足特定需求的系统设计、部件选择、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 能够掌握大数据产品开发全周期、全流程的基本设计/开发方法和技术，了解影响设计目标和技术方案的各种因素;
3.2 能够针对大数据应用系统的特定需求，完成单元(部件)的设计;
3.3 能够进行大数据应用系统设计，在设计中体现创新意识;
3.4 在特定行业大数据应用系统的规划与设计中能够考虑安全、健康、法律、文化及环境等制约因素;

4.研究:能够基于科学原理并采用科学方法对大数据应用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。

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应用复杂工程问题的方案;
4.2 能够根据大数据应用系统对象特征，选择研究路线，设计试验方案;
4.3 能够根据试验方案构建大数据应用实验系统，安全地开展实验，科学地采集实验数据;
4.4 能够对实验结果进行分析和解释，并通过信息综合得到合理有效的结论。

5.使用现代工具:能够针对大数据应用复杂工程问题，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，包括对大数据应用复杂工程问题的预测与模拟，并能够理解其局限性。

5.1 了解大数据专业常用的现代仪器、信息技术工具、工程工具和模拟软件的使用原理和方法，并理解其局限性;
5.2 能够选择与使用大数据专业常用的现代仪器、信息资源、工程工具和专业模拟软件，对大数据应用复杂工程问题进行分析、计算与设计;
5.3 能够针对具体的对象，开发或选用满足特定需求的现代工具，模拟和预测大数据应用专业问题，并能够分析其局限性。

6.工程与社会:能够依据数据科学与大数据技术相关背景知识进行合理分析，评价大数据应用复杂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。

6.1 了解数据科学与大数据技术专业问题相关领域的技术标准、知识产权、产业政策和法律法规，理解不同社会文化对大数据应用复杂工程活动的影响;
6.2 能够分析和评价数据科学与大数据技术专业复杂工程实践对社会、健康、安全、法律、文化的影响，以及这些制约因素对大数据复杂应用项目实施的影响，并理解应承担的责任。

7.环境和可持续发展:能够理解和评价针对大数据应用复杂工程问题的工程实践对环境、社会可持续发展的影响。

7.1 针对大数据应用复杂工程问题，具有环境保护的基本自觉和可持续发展意识;
7.2 能够站在环境保护和可持续发展的角度思考数据科学与大数据技术专业复杂工程实践的可持续性，评价产品周期中可能对人类和环境造成的损害和隐患。

8.职业规范:具备人文社会科学素养、社会责任感，能够在大数据应用复杂工程实践中理解并遵守工程职业道德和规范，履行责任。

8.1 有正确价值观，理解个人与社会的关系，了解中国国情;
8.2 理解诚实公正、诚信守则的大数据工程职业道德和规范，并能在大数据工程实践中自觉遵守;
8.3 理解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，能够在大数据应用复杂工程实践中自觉履行责任。

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 能够在多学科背景下的团队中与其他学科的成员有效沟通，合作共事;
9.2 能够在专业背景下的团队中承担团队成员的角色，独立或合作开展工作;能够组织、协调和指挥团队开展工作。

10.沟通:能够就大数据应用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。并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。

10.1 能够就数据科学与大数据技术专业应用复杂工程问题具备沟通交流的基本技巧与能力，具有良好的口头与书面表达能力，有效表达自己思想与意愿的能力、回应质疑、倾听与理解他人需求和意愿的能力，理解与业界同行和社会公众交流的差异性;
10.2 了解数据科学与大数据技术专业领域国际发展趋势、研究热点，理解和尊重世界不同文化的差异性和多样性;
10.3 针对大数据应用复杂工程问题，具备跨文化交流的语言和书面表达能力，能就数据科学与大数据技术专业问题，并具备一定的国际视野，能够在跨文化背景下进行沟通和交流。

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 掌握大数据应用工程项目中涉及的管理与经济决策方法;
11.2 了解大数据应用工程及产品全周期、全流程的成本构成，理解其中涉及的工程管理与经济决策问题，并能够在多学科环境下，在设计开发复杂大数据应用解决方案的过程中，正确运用工程管理与经济决策方法。

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 能够在社会发展的大背景下，认识到自主和终身学习的必要性;
12.2 具备了解和紧跟数据科学与大数据技术发展，更新和提高自我知识能力与素质，保持和增强自我竞争力，适应个人全面发展的自主学习与终身学习能力，包括对技术问题的理解能力，归纳总结的能力和提出问题的能力等。

四、学制与学位

基本学制 4 年，实行弹性学制，即修业年限为 3~6 年。2.符合《学位条例》规定的毕业生，授予工学学士学位。

五、毕业合格标准

完成本培养方案规定的全部教学环节，成绩合格，修满规定的学分。

六、专业主干学科、核心课程

本专业的主干学科:计算机科学与技术本专业的核心课程主要包括:计算机导论、程序设计基础(C 语言)、离散数学、数字逻辑电路、专业发展概论、计算机组成原理、数据结构与算法、操作系统、计算机网络、软件工程、统计分析方法、最优化理论、大数据导论、数据存储、高性能计算、人工智能、机器学习与数据挖掘等课程。

在理论教学的同时，设置面向对象技术实践、程序设计实践、Python 编程及实践、数据采集技术实践、大数据系统与平台技术实践、大数据分析及可视化技术实践、大数据项目综合实践等一系列独立实践环节，通过项目实践推动理论知识到应用能力的转化。

七、课程与实践体系结构图

本专业在开设科学和人文素养类课程的同时，设置了本专业的核心课程，用于培养学生的专业基本素质。课程设置中注重培养学生掌握数据科学与大数据技术领域的工程方法和技术，课程在开设程序设计、软硬件知识的基础上，以大数据系统与平台和大数据分析及可视化两大技术为主线，培养学生了解和掌握大数据应用过程两条主线上的方法技术，与此同时，着重培养大数据应用系统设计和开发的能力，为学生未来在数据科学与大数据技术领域的择业和深造提供扎实的基础和选择。图 1 描述了本专业的课程体系，展示了课程相互关联。

专业介绍 | 北京信息科技大学数据科学与大数据技术本科专业_数据科学

图 1 数据科学与大数据技术专业课程关系描述

附图一为数据科学与大数据技术专业课程体系结构图，其中描述了各学期的课程分布情况。

八、对培养方案的必要说明

(一)关于“大学生科技创新训练项目”课程的说明

本科生个人或团队在导师指导下，于 1-6 学期主持或参加大学生创新项目，通过开题、中期评审，并通过结题审查后，可于第 6 学期末提出申请获得该课程的 2 学分。

(二)关于“科研开发类项目实践(1)(2)(3)”课程的说明

科研开发类项目实践(1)(2)(3)是在第 4、5、6 学期设置的三门实践类选修课，由专业组织、实施和管理，选课学生以个人或团队方式与导师商定具体的科研工程项目，在导师的指导下主要通过自主学习的方式独立完成项目要求，提交相关材料并通过专业组织的评审后方能获得学分。

(三)关于“大数据项目综合实践”课程的说明

本课程鼓励以团队的形式完成，学生可以在以下 3 种方式中选择一种方式执行:

(1)到企业实习(团队/个人)，若该课程所在学期有重修课程，则必须优先保证重修课程不受影响;
(2)参与校内教师的企业横向课题(团队);
(3)专业邀请企业出题，以团队形式参与企业的课题; 本课程要求学生以上述三种方式之一进行至少连续 15 周的工作实践，通过开题、结题等环节的审查并合格后可获得 5 学分。