添加链接
link管理
链接快照平台
  • 输入网页链接,自动生成快照
  • 标签化管理网页链接

时间:2021-06-27 18:21 来源:南理工 浏览数:11758

专业介绍

本专业是数学、统计学、计算机科学与技术、网络空间安全等学科的交叉性专业,于 2021 年经教育部批准设立,并正式招生。本专业依托国家重点学科“模式识别与智能系统”、江苏省重点学科“数学”和“计算机应用技术”、一级学科博士点“数学”、“计算机科学与技术”和“网络空间安全”,以“宽专业、厚基础、重能力、高素质”为培养原则,培养具有良好政治素质和道德修养,掌握扎实的基础理论和专业知识,具有包括数据思维在内的科学思维能力、数据价值发现能力、解决数据密集型问题为主的实践能力,以及大数据分析挖掘和大数据应用研究与开发技能,能够在数据科学研究与分析、大数据管理与分析、大数据技术开发与应用等领域从事相关教学、科研、开发和应用的高层次复合型人才。

本专业培养学生掌握面向数据应用的数学、统计学、计算机科学、信息安全以及相关应用领域学科的基础理论和方法,熟练运用各种数据分析技术和手段,掌握大数据采集、存储、处理、分析与应用技术,具备大数据应用项目的设计和开发能力,能够利用探索性数据分析技术对数据进行数学建模,利用统计分析和机器学习的基本理论和方法对数据进行深度分析和产品开发,具备广泛的数据应用视野,能够胜任大数据分析挖掘、大数据系统开发以及相关应用领域的多层次工作。


培养目标

针对我国社会和科技发展中对于数据科学和大数据处理高层次应用型和研究型人才的迫切需求,本专业培养具有良好政治素质与道德修养,掌握数据科学与大数据技术基本理论和方法,具备包括数据思维在内的科学思维能力、解决数据集型问题为主的创新实践能力以及大数据分析与应用研究和开发技能,能够在数据科学研究与分析、大数据管理与分析、大数据技术开发与应用等领域从事相关教学、科研、开发和应用的高层次复合型人才。


三、 毕业能力与学分 要求

本专业学生主要学习 面向数据科学与大数据技术的 数学、 统计学、计算机科学以及相关应用领域学科的基础理论和方法,具备广泛的数据应用视野,能够熟练运用各种数据分析技术和手段,具备从事大数据管理、分析以及大数据应用项目的设计和开发等工作的基本能力。


毕业能力要求

毕业生应获得以下几方面的知识与能力:

要求 1. 工程知识:能够将数学、 统计学、计算机科学以及邻域知识等 专业知识用于解决 数据科学与大数据技术 领域的复杂工程问题。

要求 2. 问题分析:能够应用数学、 统计学、计算机科学 基本原理,识别、表达、并通过文献研究分析 数据科学与大数据技术 领域的复杂工程问题,以获得有效结论。

要求 3. 设计 / 开发解决方案:能够针对 数据科学与大数据技术 领域的复杂工程问题,设计解决方案。所设计的方案可满足特定的工程需求,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。

要求 4. 研究:能够基于相关科学原理并采用科学方法对 数据科学与大数据技术 领域的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。

要求 5. 使用现代工具:能够针对 数据科学与大数据技术 领域的复杂工程问题,开发使用恰当的技术、资源、现代工程和信息技术工具,包括对问题的预测与模拟,并能够理解其局限性。

要求 6. 工程与社会:能够基于 数据科学与大数据技术 领域相关背景知识进行合理分析,评价工程实践和解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。

要求 7. 环境和可持续发展:能够理解和评价 数据科学与大数据技术 领域的工程实践对环境、社会可持续发展的影响。

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

要求 9. 个人和团队:能够在多学科背景团队中承担个体、团队成员以及负责人的角色。

要求 10. 沟通:能够就 数据科学与大数据技术 领域的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。

要求 11. 项目管理:理解并掌握工程项目研发和管理的原理与经济决策方法,并能在多学科交叉环境中应用。

要求 12. 终身学习:具有自主学习和终身学习意识,有不断学习和适应发展的能力。


五、毕业学分要求

截屏2021-06-27下午6.30.17.png

、学制与学位

标准学制:四年;

修业年限:三至六年

授予学位:工学学士

七、主干学科与交叉学科

主干学科:数学、统计学、 计算机科学与技术

交叉学科:网络空间安全


八、核心专业课程

数据科学导论、数据科学中的数学理论与方法、应用统计分析、数据结构、离散数学与图论、算法设计与分析、计算机网络、大数据分析、机器学习、数据分析与可视化、数据库原理与应用


九、主要实践性教学环节

认识实习、毕业实习、科研训练、工业互联网大数据处理综合实践、大数据安全分析综合实践、图像视觉大数据处理综合实践、商务大数据分析综合实践

截屏2021-06-27下午6.21.17.png

主要课程框架图