数据科学与大数据技术专业白皮书

数据科学与大数据技术专业是教育部为落实构建《促进大数据发展行动纲要》而批准设立的新工科专业，该专业是以大数据为研究对象，以从数据中获取知识与智慧为主要目的，以数学、统计学、计算机科学、可视化以及专业领域知识等为理论基础，以数据采集、预处理、数据管理及数据计算等为研究内容的一门学科。

一、办学定位：本专业依托理学学院数学学科的传统优势，借助理学院、管理学院、计算机学院等学院的优质学科资源，按“地方性、应用研究型、实践操作型”办学定位。以“厚理论、强基础、能实践”为导向，采取“校企协同、产教研融合”人才培养模式。主要定位是紧跟时代需要，培养能满足企业需求的大数据领域的应用研究型人才。

二、培养目标：培养掌握数据科学的数学、统计学理论原理，熟练掌握大数据采集、清洗、存储、处理与分析等技术，具备一定的大数据的挖掘与分析能力，能够综合运用大数据计算和大数据管理的基础理论、深度分析与数据挖掘等方面的知识，独立解决与大数据计算相关的复杂工程技术问题。培养熟悉大数据领域的前沿需求，具有大数据获取、建模、管理、分析挖掘与应用等方面的理论知识与工程能力的高水平应用研究型型专门技术人才。

三、培养规格：本专业四年学制，授予学位：工学学位

本专业学生应达到学校对本科毕业生提出的德、智、体、美、劳等方面的要求，完成培养方案规定的全部课程的学习及实践环节训练，修满158.5学分，其中公共基础及通识教育课程57学分，专业教育课程85.5学分，个性化发展课程6学分，毕业设计（论文）答辩合格（10学分），方可准予毕业。

学生主要学习数据科学与大数据技术专业的基本理论和方法，接受应用数学、概率论、统计学、科学计算、程序设计、数据挖掘和统计应用软件等方面的基本训练，得到大数据理论及其应用方面的良好教育，具有较高的科学素养和较强的创新意识，具有大数据获取、建模、管理、分析挖掘与应用等方面的理论知识与能力，能够综合运用数学知识和大数据的理论独立解决与大数据相关的实际问题。毕业生应满足以下几方面的要求：

1. 社会人文素质：（1）树立社会主义核心价值观。（2）自觉遵守社会公德、职业道德和规范，履行责任。（3）具有多学科背景下的团队合作能力。（4）能够基于问题相关背景知识，理解、分析、评价问题，理解问题的解决方案对社会的影响，并理解应承担的责任。

2. 身心素质：（1）掌握体育运动的一般知识和基本方法，养成良好的体育锻炼习惯。（2）具有乐观向上的生活态度，掌握调节心态的方式和方法，有较强的抗挫折能力。（3）具有自主学习、终身学习和跟踪前沿的意识和习惯。（4）具有利他精神与健全人格，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。

3. 研究能力：研究素质如下：（1）具有良好的包括数学、统计学思维在内的科学思维能力。（2）具有运用数学、统计学和自然科学解决复杂工程问题的能力。（3）能够应用数学、统计学及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。（4）能够基于科学原理并采用科学方法对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。（5）能够运用数学、统计学和计算机类专业知识针对社会或自然问题，分析、设计和评价计算类问题解决方案，并对未知世界有强烈的好奇心和研究兴趣。

4. 工程素质：（1）具有良好的经济、管理方面的素养，具有工程意识和系统观。（2）具有运用大数据理论及技术解决复杂问题的能力。

四、课程体系：

课程设置

1. 公共基础课程及通识课程  57学分

（1）公共基础课程  30学分

① 思想政治理论课  16学分（其中2学分为思政实践）

② 语言与沟通技巧  6学分

③ 体育         4学分

④ 军训及军事理论  4学分

（2）文理通识课程  20学分

① 人文与艺术类    6学分

② 社会科学类      4学分

③ 科学与技术类    4学分

④ 创新与实践类    4学分

⑤ 美育         2学分

（3）自然科学通识课程  6学分

大学物理II(4学分)、现代生物学导论(2学分)；

   （4）专业认识与实践  1学分

专业认识及实践  1学分

2.专业模块课程  85.5学分

（1）数学学科模块  35学分+2学分

必修课程：数学分析A（5学分）、数学分析B（5学分）、高等代数与几何A（4.5学分）、高等代数与几何B（4.5学分）、实分析（3.0学分）、复变函数与积分变换（2.5学分）、离散数学（2.0学分）、微分方程（3.0学分）、数值计算原理（2.5学分）、计算几何与图像处理(3.0学分)；

选修课程：最优化方法与数学建模（2.0学分）；

（2）统计学学科模块  16.5学分+ 6学分

必修课程：概率论（2.5学分）、统计学（2.5学分）、统计计算（3.0学分）、应用随机过程（2.0学分）、多元统计分析与软件（2.0学分）、统计机器学习概论（2.0学分）、回归分析（2.5学分）；    

选修课程：贝叶斯统计（2.0学分）、统计方法选讲（2.0学分）、生物统计学（2.0学分）、计算金融学（2.0学分）、数据融合与同化（2.0学分）、统计数据分析（2.0学分）；

（3）计算机学科模块 18学分+ 8学分

必修课程：高级语言程序设计（3.0学分）、数据结构（3.5学分）、大数据计算基础（4.0学分）、大数据分析（2.0学分）、随机算法（2.0学分）、数据挖掘（3.5学分）；

选修课程：云计算技术（2.0学分）、数据可视化（2.0学分）、大数据传播与新媒体分析（2.0学分）、生物信息学（2.0学分）、人工智能（2.0学分）、嵌入式计算（2.5学分）、模式识别（2.0学分）、分布式系统（2.0学分）；

3.专业创新实践及毕业设计（论文）  16学分

第一、二、三学年夏季学进行6周的专业创新实践，学分为6学分。

第三学年春季学期末开始选题，大四一年毕业设计（论文）执行18周， 学分10学分。

核心课程如下：数学分析A、数学分析B、高等代数与几何A、高等代数与几何B、实分析、复变函数与积分变换、微分方程、数值计算原理、计算几何与图像处理；概率论、统计学、统计计算、应用随机过程、统计机器学习概论、回归分析；高级语言程序设计、数据结构、大数据计算基础、大数据分析、随机算法、数据挖掘。

五、师资队伍：

教学条件：哈尔滨工业大学（深圳）校区具有一流的硬件设施。教室宽敞，电子设备先进。拥有一流的专用实验室。围绕培养学生计算思维与科学精神，培养学生运用大数据理论及技术解决复杂问题的能力和培养学生以综合能力和创新意识为核心的“可持续竞争力”四个主要方面，建立与之相适应的实验教学内容、实验教学平台、实验教学方法、实验室管理制度，同时，打造一支高水平的实验教学队伍。

（1）实验教学内容：

以数据科学与大数据技术实验室和大数据创新实验室共2个实验室为主体，以大数据专业的培养方案为主体开展实验课程规划和实验教学。注重实验课程的知识整合和跨课程整合，兼顾学生的科研能力和工程能力，注重实践教学中的选题规模和复杂度设计，构建多学科交叉融合的教学体系，做到基础能力训练有厚度，专业能力训练有深度，拓展视野训练有广度。利用实验中心的大平台逐步开展交叉学科的课程。在逐步开展实验教学的过程中，同步开展实验教学改革和实验教材建设。

（2）实验教学平台：

兼顾大数据专业本科生实验实训课程教学、其他专业相关实验教学、创新竞赛、毕业设计、研究生教学、科研等多重功能，兼顾设备的先进性、利用率、行业国内外发展状况、国内自主知识产权等多重因素，注重实验设备的先进性、多样性，注重虚实结合。充分利用国内外知名企业的资源，共建联合实验室。与计算机、经管专业共享实验平台和软件数据资源，提升学校实验室空间资源利用率。

（3）实验教学方法：

注重实验内容的启发性，实验形式的丰富性和学生的体验感。以学生为中心，教师在教学过程中充当组织者、指导者、帮助者和促进者的角色，充分发挥学生的主动性、积极性和创造精神，促进学生知识探索，知识发现，知识创新。

（4）实验室管理制度：

根据各实验室的课程情况、设备情况及使用情况，建立相应完善、高效的管理制度，结合实验室管理系统，做到管理的制度化，简单化，人性化，信息化。