培养方案

2019版数据科学与大数据技术专业本科培养方案

来源:

时间:2022年05月17日 10:20

浏览量:

2019版数据科学与大数据技术专业本科培养方案

一、培养目标

本专业旨在培养适应区域经济和社会发展需求,具备扎实的计算理论基础和大数据处理分析理论、方法和技能,具有综合运用大数据理论和技术解决复杂工程问题的能力,能够在科研、教育和企事业单位从事数据采集与获取、数据存储与管理、数据分析与处理、数据呈现以及数据与应用融合等工作,具有良好的人文社会科学素养、社会责任感、职业道德、国际视野和创新精神的高级大数据专业人才。

本专业学生在毕业5年左右,能够达到以下目标:

1具备解决大数据相关领域复杂工程问题所需的数学、自然科学、计算机科学、工程基础及数据科学与大数据技术专业知识以及综合运用的能力。

2、能够紧跟数据科学与大数据技术的发展趋势,合理选取并熟练使用现代工具、主流软硬件平台,掌握大数据采集、存储、管理、分析与应用等核心专业技能,能够综合运用大数据理论和技术解决大数据相关领域复杂工程问题。

3、具备良好的团队合作能力,有效沟通能力和大数据相关工程项目管理能力,能够在数据科学与大数据技术相关的科学研究及工程应用中综合考虑社会、经济、环境、法律及伦理等方面的因素。

4、具备一定的国际视野和良好的人文社会科学素养,具有较强的自主学习、终身学习能力和创新意识,保持在大数据相关领域持续的职业竞争力。

 

二、毕业要求

1、工程知识:能够将数学、自然科学、计算机科学和数据科学与大数据技术专业知识用于解决数据获取、数据特征描述、数据统计分析以及数据呈现等大数据相关复杂工程问题。

2、问题分析:能够应用数学、自然科学、计算机科学和数据科学与大数据技术的基本原理,识别、表达并通过文献研究分析复杂大数据相关工程问题,以获得有效结论。

3、设计/开发解决方案:能够针对大数据相关复杂工程问题的解决,设计满足特定需求的大数据分析应用方案,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。

4、研究:能够基于大数据科学原理,采用科学方法和先进技术,紧跟国内外学科发展前沿及社会发展需求,解决大数据相关领域复杂工程问题过程中出现的各种科学问题,开展科学研究,并通过实验、分析和原型系统验证等获得科学结论。

5、使用现代工具:能够针对数据科学与大数据技术领域内的特定复杂工程问题,开发、选择与使用恰当的技术、资源和现代工具,完成复杂工程问题的预测和模拟,并能够理解其局限性。

6、工程与社会:能够基于计算机科学、数据科学与大数据技术相关的背景知识进行合理分析,评价专业实践和相关科学与工程问题的解决方案对社会、健康、安全、法律及文化的影响,并理解应承担的责任。

7、环境与可持续发展:能够理解和评价针对大数据相关领域复杂工程问题的工程实践对环境、社会可持续发展的影响。

8、职业规范:具有人文社会科学素养、社会责任感,能够在专业实践中理解并遵守工程职业道德和规范,履行责任。

9、个人与团队:能够在多学科背景下的研究、开发团队中承担个体、团队成员以及负责人的角色。

10、沟通:能够针对大数据相关领域的复杂工程问题与社会公众及国内外同行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。

11、项目管理:掌握大数据相关应用领域中的工程管理原理和经济决策方法,具有工程意识和系统观,具备在多学科工程实践中的应用能力。

12、终生学习:能够适应社会发展和个人进步的需要,具有自主学习、终生学习能力和跟踪学科发展前沿的意识和习惯。

三、主干学科

计算科学、数据科学与大数据技术

四、专业核心课程

离散数学、数值计算方法、多元统计分析与R语言建模、运筹学与最优化方法、数学建模、Python数据处理、Java技术、算法与数据结构、数据库原理、软件工程、计算机网络、计算机组成原理、操作系统原理、并行计算与分布式处理、ETL技术、数据挖掘、大数据技术原理与应用、机器学习、人工神经网络与深度学习、数据可视化技术。

五、主要实践性教学环节和主要专业实验

主要实践性教学环节包括专业认知实习、课程设计、综合训练、毕业实习、毕业设计等。

主要的专业实验包括:大学物理实验、计算机网络实验、计算机组成原理实验等。

其他实践环节主要包括程序设计语言类课程及其它课程的课内上机等。

六、基本学制:四年

七、毕业合格标准

具有学籍的学生,德育、智育、体育成绩合格,在规定的学习年限内修满培养计划规定的必修课、选修课及各种实践教学环节,获得的总学分不少于180学分,准予毕业,发给毕业证书。

八、学位授予条件

符合《兰州理工大学关于授予学士学位的有关规定》条件的毕业生,可授予工学学士学位。

九、课程学分与学时分配

课程类别

课程性质

学分

学时

理论教学

实践教学

实践教学占学分比例(%

实践教学占学时比例(%

学分

学时

学分

学时

学周

通识与公共基础课程

必修课

64

1136+5

52.8

936

11.2

180  

5.0  

17.5  

27.9

公共选修课

8.0  

160  

8.0  

160  

 

 

 

 

 

学科基础

必修课

41

544+7

31.0

496

10.0

48

7.0

24.4

39.8

课程

专业课程

专业必修课

57

576+21

31.5

504  

25.5

72

21.0

44.7

64.4

专业选修课

6.0

96

4.5

72

1.5

18

 

25.0

25.0

创新与创业教育课程

创新创业必修课

1.0

32

0.6

20.0

0.4

12.0

 

37.5

37.5

选修课

3.0

60

1.0

20.0

2.0

40.0

 

66.7

66.7

   

180.0  

3226.0  

121.4  

2152.0  

58.6  

384.0  

31.0  

32.5

32.4  

十、课程体系配置流程图

 

 


数据科学与大数据技术专业课程体系配置流程图


十一、毕业要求支撑培养目标的对应关系

序号

培养目标

毕业要求1

毕业要求2

毕业要求3

毕业要求4

毕业要求5

毕业要求6

毕业要求7

毕业要求8

毕业要求9

毕业要求10

毕业要求11

毕业要求12

工程知识

问题分析

设计/开发解决方案

研究

使用现代工具

工程与社会

环境和可持续发展

职业规范

个人和团队

沟通

项目管理

终身学习

1

培养目标1

 

● 







2

培养目标2








3

培养目标3






4

培养目标4










十二、课程支撑毕业要求的对应关系

序号

课程名称

        

工程知识

问题分析

设计开发解决方案

研究

使用现代工具

工程与社会

环境和可持续发展

职业规范

个人和团队

沟通

项目管理

终身学习

 

人文社会科学类通识教育课程

1

军训

 

 

 

 

 

 

 

 

H

 

 

 

2

军事理论

 

 

 

 

 

 

 

 

L

 

 

 

3

思想道德修养与法律基础

 

 

 

 

 

H

H

M

 

 

 

 

4

中国近现代史纲要

 

 

 

 

 

 

L

H

 

 

 

 

5

马克思主义基本原理

 

 

 

 

 

 

 

H

 

 

 

H

6

毛泽东思想和中国特色社会主义理论体系概论

 

 

 

 

 

 

M

H

 

 

 

H

7

形势与政策1-4

 

 

 

 

 

 

M

 

 

 

 

H

8

大学英语B1-4

 

 

 

 

 

 

 

 

 

H

 

H

9

体育1-4

 

 

 

 

 

 

 

 

H

 

 

H

10

大学语文

 

 

 

 

 

 

 

M

 

H

 

 

11

大学写作

 

 

 

 

 

 

 

M

 

H

 

 

 

数学与自然科学类课程

1

高等数学B1-2

H

H

 

M

 

 

 

 

 

 

 

 

2

线性代数

H

H

 

M

 

 

 

 

 

 

 

 

3

概率与数理统计

H

 

 

H

 

 

 

 

 

 

H

 

4

大学物理A

 

H

 

H

 

 

M

 

 

 

 

 

5

大学物理实验

H

H

 

 

 

 

 

 

 

 

 

 


















注:标有HML的课程为支撑某项毕业要求的课程,支撑强度细分为:H-强,M-中,L-弱。

序号

课程名称

        

工程知识

问题分析

设计开发解决方案

研究

使用现代工具

工程与社会

环境和可持续发展

职业规范

个人和团队

沟通

项目管理

终身学习

 

学科基础类课程

1

C/C++程序设计

 

 

H

 

 

H

 

 

 

 

 

 

2

离散数学

H

H

 

 

 

 

 

 

 

 

 

 

3

数学建模

H

 

H

 

 

 

 

 

 

 

 

 

4

数值计算方法

H

 

H

 

 

 

 

 

 

 

 

 

5

多元统计分析与R语言建模

H

 

H

 

 

 

 

 

 

 

 

 

6

操作系统原理

H

H

 

 

 

 

 

 

 

 

 

 

7

运筹学与最优化方法

 

H

H

 

 

 

 

 

 

 

 

 

8

Linux操作系统

 

 

 

 

 

 

 

 

 

 

 

 

9

算法与数据结构

H

 

 

H

 

 

 

 

 

 

 

 

10

数据库原理

 

H

H

 

 

 

 

 

 

 

 

 

11

计算机组成原理

 

H

 

H

 

 

 

 

 

 

 

 


















注:标有HML的课程为支撑某项毕业要求的课程,支撑强度细分为:H-强,M-中,L-弱。

序号

课程名称

        

工程知识

问题分析

设计开发解决方案

研究

使用现代工具

工程与社会

环境和可持续发展

职业规范

个人和团队

沟通

项目管理

终身学习

 

专业类课程

1

Python数据处理

 

 

H

H

 

 

 

 

 

 

 

 

2

数据可视化技术

 

 

 

H

H

 

 

 

 

 

 

 

3

ETL技术

 

M

H

 

H

 

 

 

 

 

 

 

4

Java技术

 

 

H

 

H

 

 

 

 

 

 

L

5

数据科学与大数据导论

 

 

 

 

 

H

 

H

 

 

 

 

6

机器学习

H

 

 

 

H

 

 

 

 

 

 

 

7

数据挖掘

 

 

H

 

H

 

 

 

 

 

H

 

8

人工神经网络与深度学习

 

 

 

H

 

H

 

 

 

 

 

 

9

专业外语

 

 

 

 

 

 

 

 

 

H

 

 

10

Java Web编程技术

 

 

H

 

H

 

 

 

 

 

 

 

11

大数据技术原理与应用

H

 

M

L

 

 

 

 

 

 

 

 

12

并行计算与分布式处理

H

 

 

H

 

 

 

 

 

 

 

 

13

大型数据库技术

 

 

H

 

M

 

 

 

 

 

 

 

14

计算机网络

 

 

H

 

 

 

 

 

 

 

 

 

15

物联网软件集成技术

 

H

M

 

 

 

 

 

 

 

H

 

16

大数据安全

H

M

 

 

 

 

 

 

 

 

 

 

17

数据采集与预处理

 

H

M

 

 

 

 

 

 

 

 

 

18

Spark基础及应用

 

H

M

 

 

 

 

 

 

 

 

 

19

软件工程

H

H

L

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

工程实践与毕业设计

1

专业认知实习

 

 

 

 

 

M

 

M

H

H

 

L

2

毕业实习

 

 

 

 

 

H

 

H

 

 

H

 

3

毕业设计

 

M

H

M

H

 

L

M

M

H

H

M

4

创新与创业教育

 

 

 

 

 

H

M

M

H

 

 

 

5

C/C++课程设计

 

 

H

 

H

 

 

 

 

 

 

 

6

Python数据处理课程设计

 

 

H

 

 

 

 

 

 

 

 

 

7

计算机组成原理课程设计

 

 

M

H

 

M

 

 

 

 

 

 

8

算法与数据结构课程设计

L

 

 

H

H

 

 

 

 

 

 

 

9

数据库原理课程设计

 

H

H

H

H

 

 

 

 

 

 

 

10

大数据智能分析综合实践

 

M

H

 

H

 

 

 

M

L

 

 


















注:标有HML的课程为支撑某项毕业要求的课程,支撑强度细分为:H-强,M-中,L-

电话:0931-2976012    邮编:730050   

联系方式:甘肃省兰州市七里河区彭家坪路36号

 © 2022 版权所有 :beat365·体育(中国)官方网站-ios/安卓/手机版app下载  甘公网安备 62010302000641号