数据科学与大数据技术专业(专升本)本科人才培养方案

（专业代码：080901T）

一、培养目标

本专业培养德智体美劳全面发展，具有良好的政治素质与道德修养，面向适应粤港澳大湾区及广东区域经济社会发展人才需求。系统掌握扎实的基础理论和专业知识，具备良好的团队意识和协作能力；具备包括数据思维在内的科学思维能力，解决数据密集型问题为主的动手能力以及掌握大数据分析与挖掘或大数据开发技能；具备数据获取、数据分析处理、数据可视化展示能力，能解决经济、管理和金融行业领域数据分析与应用问题的高素质应用型人才。

学生毕业5年左右，能够达到以下预期目标：

培养目标1【思想品德】：爱国进取，遵守法律法规，具有健全人格，正确价值观，良好的人文社会素养，职业素养和社会责任感；

培养目标2【专业知识】：运用大数据采集、处理、分析与应用等技术，从事数据科学及大数据技术集成和综合设计工作；

培养目标3【职业素养】：具备自主学习和终身学习的能力，能够利用本专业技能解决实际工作中的工程问题；

培养目标4【团队合作】：具备团队协作能力、组织管理能力、沟通及交流能力，能从事本专业相关的技术与管理工作；

培养目标5【持续发展】：在设计具体复杂工程问题解决方案过程中能够考虑对社会、健康、安全、法律、文化、环境和社会可持续发展的影响。

二、毕业要求

（一）毕业要求

本专业具有鲜明的交叉学科特征，要求学生掌握扎实的数据科学、数学、统计学和财经等多学科基础知识和理论方法，具有系统的理性思维和较高的科学素养，掌握现代统计方法和技术、计算机算法思想和编程技术、大数据处理技术，同时具备较高的人文素养和道德品质，身心健康，全面发展。本专业毕业生应获得以下几方面的知识和能力。

1.知识结构要求

要求1-1基础知识：具备数据科学、高等数学、概率论、数理统计、离散数学、线性代数、操作系统等学科基础知识，具备英语的听、说、读、写等基本知识及能按要求撰写规范文档和报告。

要求1-2核心知识：程序设计（Python）、大数据预处理技术、数据库系统与数据仓库、数据挖掘、面向对象程序设计 、大数据平台及编程实践（Hadoop）、分布式与并行计算，数据可视化技术等专业核心知识。

要求1-3扩展知识：软件工程导论，云计算技术，Web应用系统开发、时间序列分析、证券投资学、金融计量学、金融大数据分析等。

2.能力结构要求

要求2-1基础能力：能做初步的数据采集与预处理工作，能编程程序、建立数据模型。

要求2-2核心职业能力：能综合运用数学和统计学理论与方法，结合计算机编程技术和现有软件平台，实现对海量数据（尤其是非结构化数据）的统计分析，并根据分析结果提供决策支持。

要求2-3扩展能力：掌握高维数据分析，Hadoop技术等现代数据科学方法和技术，能完成金融大数据分析、商务数据挖掘等更复杂的财经类数据分析工作；能应用现代的信息检索技术，了解本专业的前沿技术和行业的发展动态，开展初步的的科学研究工作。

3.素质结构要求

要求3-1思想道德素质：掌握马列主义、毛泽东思想与中国特色社会主义基本理论，具有良好的人文社会科学素养、职业道德和心理素质，社会责任感强，有正确的世界观、人生观、价值观，遵纪守法，为人正直诚实，具有良好的职业道德和公共道德。

要求3-2身心素质：拥有健康的体魄，养成良好的体育锻炼和卫生习惯，具备健全的心理和乐观的人生态度。

要求3-3人文素质：具有良好的文化基础和修养，善于自学，同时关注本行业科学技术的新发展，不断更新知识，具有社会交往、处理公共关系的基本能力；

要求3-4职业素质：具有良好的社会实践、社会沟通、合作及协调能力，爱岗敬业、遵纪守法的品质，有立业创业的意识，有严谨务实的工作作风。

（二）毕业要求对培养目标的支撑关系

表一：毕业要求对培养目标的支撑关系

注：用符号H、M、L分别表示毕业要求对培养目标的支撑强度，H—强，M—中，L—弱。

三、所属专业类

计算机科学与技术

四、主要课程

（一）专业核心课程

程序设计（Python）、大数据预处理技术、数据挖掘、数据库系统、分布式与并行计算、大数据平台及编程实践(Hadoop)、数据可视化技术。

（二）主要集中性实践教学

主要包括专项实践及其他实践，涉及综合实践，专业实习，毕业实习。

表二：集中性实践教学一览表

五、学制

标准学制：2年，弹性学制2-5年。

六、授予学位

工学学士学位

七、修读要求

本专业学生应修满的最低学分为82学分，其中通识必修课8学分、通识选修课4学分，学科基础课10学分，专业必修课30学分、专业选修课16学分；实践教学42学分，占比51.22%。各类课程学分、学时情况详见下表：

表三：课程学分、学时统计表

表四：各学期学分分配表

（一）课程设置表（附表1）

（二）专业学期课程教学计划（附表2）

九、课程体系对毕业要求指标点的支撑矩阵

表五：课程体系对毕业要求指标点的支撑矩阵

注：关联度强的用“H”标识，关联度中等的用“M”标识，关联度弱的用“L”标识。

    编制：颜远海                             审核：叶仕通                           审批：戴经国