数据科学与大数据技术专业2023版人才培养方案.pdf

数据科学与大数据技术专业培养方案 一、专业简介 数据科学与大数据技术专业是 21 世纪国家大数据建设战略的新兴专业、 “数据中国 百校工程”项目建设点。本专业 2019 年开办，有重庆市名师、 “巴渝学者”青年学者、 重庆市中青年骨干教师等 10 余人，重庆市高校黄大年式教师团队、重庆市虚拟教研室、 重庆市课程思政名师团队等 4 个，重庆市一流课程 4 门。建有曙光睿翼大数据创新应用 中心、重庆市创新创业平台“移动互联众创空间”、校企共建实训基地、研究生培养基地 等。本专业针对大数据应用领域，培养“具备数据科学思维、数据处理能力，具有工程 实践能力、创新创业精神”的高素质工程技术人才。与山东科技大学联合开展“卓越工 程师”培养，实施“1+2+1”合作办学模式。近 4 年学生在“大数据挑战赛” “全国数学 建模竞赛” “中国计算机设计大赛” 等竞赛中获得国家级奖励 40 余项。毕业生能够在 企事业单位从事与数据科学和计算机科学相关的研究、设计、开发、维护、管理、培训 等工作，部分同学继续攻读硕士研究生。本专业属于“计算机类”大类招生专业，第一 年为专业基础知识学习阶段，第二年开始进行数据科学与大数据技术专业培养阶段。 二、培养目标 （一）总体目标 为实现培养社会主义事业合格建设者和可靠接班人的总目标，本专业面向大西南地 区、特别是重庆地区大数据技术和经济社会发展，针对大数据应用领域的分析、设计、 开发、应用、维护与管理岗位，培养德智体美劳全面发展，具有社会责任感、良好职业 道德和人文科学素养，掌握扎实的数学、自然科学与工程基础知识、数据科学基础理论 知识，具备数据科学思维能力、大数据复杂工程问题的研究分析能力和工程实践能力、 自我学习能力、团队协作能力、创新意识和国际视野的高素质工程技术人才。预期毕业 后 5 年左右，能够胜任复杂大数据应用系统的设计、开发、部署和维护任务，具备担任 大数据行业技术骨干或项目管理人才的知识、能力与素质。 （二）具体目标 目标 1：具有较高的人文社会科学素养、职业道德、心理素质和社会责任感，在工 程实践活动中遵守计算机科学和大数据领域相关道德规范、法律法规、技术标准等。 目标 2：能够熟练运用数学、自然科学、工程基础理论知识对大数据领域中的复杂 问题展开研究，提出的解决方案能取得良好的社会和经济效益，并考虑环境与可持续性 发展等因素。 目标 3：能够综合应用大数据的采集、存储、处理、建模分析与应用等技术，独立 进行大数据应用项目的分析、设计、部署、开发及维护等工作，胜任项目经理、技术负 责人、技术骨干等岗位的职责。 1 目标 4：具有良好的创新意识、协作精神和国际视野，具有跨文化环境下的交流、 竞争与合作的能力，能够在多学科团队和跨文化工作环境中担任组织者或管理者角色。 目标 5：具有自主学习和终身学习的能力，能够持续跟踪大数据领域的前沿知识、 技术、理念和方法的动态发展趋势，进行科技创新活动，适应行业竞争和社会发展。 三、毕业要求 本专业基于“学生中心、产出导向和持续改进”的理念，根据《工程教育认证标准》 通用标准和计算机类专业补充标准、《普通高等学校本科专业类教学质量国家标准》中 “计算机类教学质量国家标准”，聚焦学生的“知识、能力、素质”，培养面向大数据 产业发展，针对数据科学与大数据技术相关领域应用系统的规划、分析、设计、开发、 部署及运维等岗位的高素质工程技术人才。学生在毕业时应达到以下要求： 1. 工程知识：能够将数学、自然科学、工程基础、数据科学与大数据技术专业知识 用于解决大数据应用领域的复杂工程问题。 2. 问题分析：能够应用数学、自然科学、计算机科学和工程科学的基本原理，通过 文献研究、数学建模、工程经验提炼等方法，在大数据应用的构思与设计阶段，识别、 表达、分析大数据应用领域复杂工程问题及其解决方法，以获得有效结论。 3. 设计/开发解决方案：能够针对大数据应用领域的复杂工程问题，综合应用数据 科学与大数据技术基本原理和方法，设计、开发满足特定应用需求的系统方案，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、文化以及环境等多维度协 同发展因素。 4. 研究：能够基于数据科学与大数据技术的相应原理，采用科学方法对大数据应用 领域中的复杂工程问题进行研究，制定技术路线、设计实验方案并开展实验，通过实验 分析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领域的复杂工程问题，选择和使用恰当的技 术、资源和现代工程工具，进行信息表达、建模、设计、模拟、验证，并能够在实践中 了解这些工具使用的局限性。 6. 工程与社会：基于大数据应用领域相关背景知识，能够合理分析和评价大数据应 用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。 7. 环境和可持续发展：具有环境保护和可持续发展意识，能够理解和评价针对大数 据应用领域复杂工程问题的专业工程实践对环境、社会可持续发展的影响。 8. 职业规范：树立和践行社会主义核心价值观，具有人文社会科学素养和社会责任 感，能够在大数据应用实践中理解伦理道德、遵守职业规范、履行社会责任。 2 9. 个人和团队：具有良好的综合素质，能够在多学科背景下的团队中理解与承担个 体、团队成员以及负责人角色，并发挥相应的作用。 10. 沟通：具备一定的国际视野和跨文化沟通能力，能够就大数据相关应用领域的 复杂工程问题与业界同行及公众进行有效沟通，包括撰写报告、陈述发言、清晰表达等。 11. 项目管理：能够理解并掌握工程管理与经济决策方法，熟悉大数据应用领域工 程项目管理的基本方法和技术，并能在多学科环境中应用。 12. 终身学习：具有自主学习和终身学习的意识，具备在科学研究与技术应用过程 中不断学习和适应发展的能力。 四、学期与学制 每学年分为秋季、春季两个学期，各本科专业标准学制 4 年，学习期限为 3-6 年。 五、毕业与授位 学生在学校规定的学习年限内，修完培养方案规定的内容，成绩合格，达到学校毕 业要求的，准予毕业，学校颁发毕业证书。符合学士学位授予条件的，授予学士学位。 授予学位类型：工学学士学位。 毕业学分：毕业学分由第一课堂学分和第二课堂学分共同组成。第一课堂学分：164 学分。第二课堂学分：10 学分。 六、课程结构及主要核心课程 最低毕业要求 课程类别 标准要求 性质 学分 比例 37 22.56% 选修 8 4.88% 必修 25 15.24% 必修 8.5 5.18% 必修 7.5 4.57% 必修 ≥15% 人文社科类课程 数学与自然科学类课程 ≥15% ≥30%（选修 课学分不少于 10 学分，门 专业基础类课程 数不少于要求 专业类课 专业核心课程 学生所选学分 对应课程门数 程 专业选修课程 的 1.5 倍。 ） 工程实践和毕业设计 ≥20% （论文） 工程基础类课程 小计 27.44% 15.24% 学时 比例 752 26.82 % 128 4.56% 416 14.84 % 140 4.99% 120 4.28% 37.20% 必修 35 21.34% 560 19.97 % 选修 10 6.10% 160 5.71% 必修 33 20.12% 20.12% 18.83 % 164 100% 100% 528+ 34 周 2804+ 34 周 合计 100% 主要专业核心课程：C 语言程序设计、数据结构与算法、Java 程序设计、Python 程 3 序设计、Hadoop 大数据技术、Spark 大数据技术、数据采集与预处理、数据挖掘技术与 应用、数据可视化技术。 七、主要实践教学环节 课内教学中实践（验）578 学时，折合 36 学分；独立设课实践 688 学时，25 学分； 集中实践 11 学分；以上合计 72 学分，占总学分的 43.90%。 实践教学环节 学分 学时 学分比例 学时比例 非独立课内实践 36 578 21.95% 20.61% 独立设课实践 25 688 15.24% 24.54% 集中实践 11 34 周 6.71% —— 合计 72 1266+34 周 43.90% 45.15% 4 八、课程计划 第一课堂教育教学安排表(164 学分） 课程类别 课程 编码 课程名称 学分 总学时 理论 学时 实践 学时 修读 学期 考核 开课单位 备注 通识教育课程学分共计 8 学分，由学校统一开设。 通识选修 选修 学生须选文学修养与艺术素养、创新创业就业类、“四史”教育三类课程各 1 学分。中华文化与历史传承、自然科学与科技、 通识教 课程 社会发展与世界视野、自我认知与人生发展四类课程任选。 育课程 小计 公共基 公共必修 必修 础课程 课程 8 128 128 02111027 中国近现代史纲要 3 48 32 16 1 考试 马院 02111040 思想道德与法治 3 48 32 16 2 考试 马院 02111018 毛泽东思想和中国特色社会 主义理论体系概论 3 48 32 16 3 考试 马院 02111039 习近平新时代中国特色社会 主义思想概论 3 48 32 16 4 考试 马院 02111016 马克思主义基本原理 3 48 32 16 3 考试 马院 02111002 形势与政策 0.25 8 8 1 考查 马院 02111003 形势与政策 0.25 8 8 2 考查 马院 02111004 形势与政策 0.25 8 8 3 考查 马院 02111005 形势与政策 0.25 8 8 4 考查 马院 02111006 形势与政策 0.25 8 8 5 考查 马院 02111007 形势与政策 0.25 8 8 6 考查 马院 5 课程类别 课程 编码 课程名称 学分 总学时 理论 学时 实践 学时 修读 学期 考核 开课单位 02111008 形势与政策 0.25 8 8 7 考查 马院 02111009 形势与政策 0.25 8 8 8 考查 马院 00121206 军事理论 2 36 36 1 考查 马院 00114035 军事技能 2 112 1 考查 武装部 各学院 18111001 大学英语（一） 3 48 48 1 考试 大外部 18111002 大学英语（二） 4 64 64 2 考试 大外部 18111003 大学英语（三） 1 16 16 3 考试 大外部 18111004 大学英语（四） 1 16 16 4 考试 大外部 12111001 大学体育（一） 1 28 4 24 1 考查 体院 12111002 大学体育（二） 1 32 4 28 2 考查 体院 12111003 大学体育（三） 1 32 4 28 3 考查 体院 12111004 大学体育（四） 1 32 4 28 4 考查 体院 00114015 安全教育 1 1-8 考查 安管处 各学院 04111019 大学生心理健康教育 2 32 16 16 2 考查 教院 37 752 436 316 112 其他公共 基础课程 合计 数学与 自然科 学课程 必修 06111071 高等数学 A（一） 3 48 48 1 考试 数统学院 06111072 高等数学 A（二） 4 64 64 2 考试 数统学院 10112005 离散数学 4 64 64 2 考试 大数据学院 6 备注 课程类别 课程 编码 课程名称 必修 修读 学期 考核 开课单位 3 48 48 3 考试 数统学院 06111044 概率论与数理统计 3 48 48 4 考试 数统学院 07111024 大学物理（一） 4 64 64 2 考试 电子信息学院 07111026 大学物理（二）B 2 32 32 3 考试 电子信息学院 07114141 大学物理实验（一） 1 24 24 2 考查 电子信息学院 07114142 大学物理实验（二） 1 24 24 3 考查 电子信息学院 25 416 368 48 备注 10112101 C 语言程序设计 5 84 56 28 1 考试 大数据学院 10112003 数字逻辑 3.5 56 42 14 1 考查 大数据学院 含劳动教育 2 学时 8.5 140 98 42 含劳动教育 2 学时 10112088 计算机导论 3.5 56 28 28 1 考查 大数据学院 10112161 Python 程序设计 4 64 32 32 3 考查 大数据学院 7.5 120 60 60 小计 专业教 育课程 实践 学时 线性代数 小计 专业基础 必修 课程 理论 学时 06111007 小计 工程基 础类课 程 学分 总学时 10112010 数据结构与算法 5 80 48 32 2 考试 大数据学院 10112104 数据库基础与应用 3 48 32 16 3 考试 大数据学院 10112164 数据采集与预处理 4 64 32 32 3 考试 大数据学院 Java 程序设计 4 64 32 32 4 考试 大数据学院 10122084 数据挖掘技术与应用 4 64 32 32 4 考查 大数据学院 10112114 操作系统 4 64 56 8 5 考试 大数据学院 10112008 计算机网络 4 64 48 16 5 考试 大数据学院 专业核心 必修 10112112 课程 7 含劳动教育 2 学时 校企共建专业核心 课程 含劳动教育 2 学时 课程类别 专业选修 选修 课程 课程 编码 课程名称 理论 学时 实践 学时 修读 学期 考核 开课单位 备注 10112120 计算机组成原理 4 64 56 8 6 考试 大数据学院 含劳动教育 2 学时 10112163 数据可视化技术 3 48 16 32 6 考查 大数据学院 校企共建专业核心 课程 小计 35 560 352 208 10122053 专业英语 2 32 32 5 考查 大数据学院 10122105 算法设计与分析 3 48 48 5 考试 大数据学院 10112166 服务器端开发技术 4 64 32 6 考查 大数据学院 10122106 复杂流形数据挖掘技术 1 16 16 6 考查 大数据学院 10122107 自然语言处理 4 64 64 5 考试 大数据学院 10112165 NoSQL 原理与应用 4 64 32 32 6 考试 大数据学院 24122094 机器学习 3 48 32 16 6 考试 大数据学院 10122086 信息管理基础 2 32 32 6 考查 大数据学院 10122111 科技论文写作 2 32 32 6 考查 大数据学院 6 96 64 32 16 5 考试 数统院 5 考试 机器人学院 6 考查 大数据学院 6 考查 大数据学院 5 考查 大数据学院 6 考查 大数据学院 小计 跨专业、 跨学院、 选修 跨学科选 修课程 学分 总学时 06112181 统计计算与软件 3 48 32 24122128 人工智能技术 2 32 32 10112108 移动应用程序设计 2 48 10124003 教育大数据分析 2 32 32 10114093 Web 前端开发技术 4 64 32 10112111 软件工程师综合 3 48 48 4 64 32 小计 8 32 48 32 32 课程类别 课程 编码 课程名称 合计 理论 学时 实践 学时 修读 学期 考核 开课单位 10 160 96 64 1 24 24 2 考查 大数据学院 1 24 24 2 考查 大数据学院 备注 10114017 C 语言程序设计综合课程设 计 数据结构与算法综合课程设 计 10114089 Python 程序设计综合实训 1 24 24 3 考查 大数据学院 10114084 Hadoop 大数据技术 2.5 60 60 4 考查 大数据学院 10114090 Hadoop 大数据技术综合实训 2 48 48 4 考查 大数据学院 10114065 Java 程序设计综合课程设计 2 48 48 4 考查 大数据学院 10112105 Linux 系统应用 2 48 48 4 考查 大数据学院 10114083 海量数据预处理综合实训 2 48 48 5 考查 大数据学院 校企共建实训课程 10114091 Spark 大数据技术综合实训 2 48 48 5 考查 大数据学院 校企共建实训课程 10114088 Spark 大数据技术 2.5 60 60 5 考查 大数据学院 10114092 大数据应用开发综合实训 4 96 96 6 考查 大数据学院 10114002 毕业实习 6 18 周 18 周 7 考查 大数据学院 10114015 毕业设计（论文） 5 16 周 16 周 8 考查 大数据学院 33 528+ 34 周 528+ 34 周 164 2804+ 34 周 10114016 实践必修 必修 课程 综合实 践课程 学分 总学时 合计 总计 9 1538 1266+ 34 周 校企共建实训课程 校企共建实训课程 第二课堂教育教学安排表( 10 学分） 课程编码 课程名称 学分 修读性质 德育实践 3 必修 智育实践 2 必修 美育实践 1 必修 劳动教育实践 2 必修 体育实践和其他类 2 必修/选修 开课单位 考核要求 学校、二级学院 参照《长江师范学院“第二课堂成绩 单”学分认定实施办法》 10 合计 10 九、课程修读地图 1. 数据科学与大数据技术专业课程地图 2.各学期指导性修读学分分布表 各学期指导性修读学分数 课程 类型 1 通识教育课程 2 公共基础课程 14.25 23.25 专业教育课程 12 综合实践课程 小计 28.25 2 3 4 5 6 7 8 2 2 2 14.25 8.25 0.25 0.25 0.25 1.25 5 11 8 14 11 2 3 8.5 4.5 4 6 5 30.25 28.25 26.75 20.75 17.25 6.25 6.25 十、说明 1. 本次培养方案的执行对象：从 2023 级本科学生开始执行。 11 附表 1: 数据科学与大数据技术专业毕业要求对培养目标支撑的矩阵表 培养目标 2 √ 培养目标 3 √ 2.问题分析 3.设计/开发解决 方案 4.研究 √ √ √ √ √ √ √ 5.使用现代工具 √ √ √ 毕业要求 1.工程知识 培养目标 1 6.工程与社会 7.环境和可持续 发展 8.职业规范 √ √ √ √ 9.个人和团队 √ 10.沟通 11.项目管理 12.终身学习 √ 培养目标 4 培养目标 5 √ √ √ √ √ √ √ √ √ √ √ 12 附表 2: 数据科学与大数据技术专业毕业要求指标点分解和支撑课程 毕业要求 分解指标点 主要支撑课程（教学环节）名称 高等数学A 1.1能够掌握数学、自然科学、工程基础和专业知识，用于大数据应用领域相 离散数学 关工程问题的表述。 操作系统 Spark大数据技术 大学物理 线性代数 1.工程知识：能够将数学、自然科 1.2能够运用数学、工程基础和专业知识的基本原理和方法，对大数据应用领 C语言程序设计 学、工程基础、数据科学与大数 域相关工程问题进行建模和求解。 数据挖掘技术与应用 据技术专业知识用于解决大数据 机器学习 应用领域的复杂工程问题。 数据结构与算法综合课程设计 大学物理实验 概率论与数理统计 1.3能够运用数学、自然科学和专业知识对大数据应用领域相关工程问题进行 数字逻辑 分析推理，综合给出适当的解决方案。 C语言程序综合课程设计 人工智能技术 计算机网络 高等数学A 2.问题分析：能够应用数学、自然 科学、计算机科学和工程科学的基 本原理，通过文献研究、数学建模、 工程经验提炼等方法，在大数据应 2.1能够应用数学、自然科学、计算机科学和工程科学的基本原理，识别、判 定和表达大数据应用领域中复杂工程问题。 离散数学 数字逻辑 大数据应用开发综合实训 用的构思与设计阶段，识别、表达、 计算机组成原理 13 分析大数据应用领域复杂工程问 大学物理 题及其解决方法，以获得有效结 线性代数 论。 Python程序设计 2.2能够针对大数据应用领域中的相关工程问题，选择合适的数学模型并分析 数据结构与算法 其可行性，验证其正确性。 算法设计与分析 机器学习 Java程序设计 大学物理实验 2.3针对大数据应用领域中的复杂工程问题，能够结合文献研究给出不同的解 决方案，并对解决方案及其影响因素展开分析，获得有效结论，为大数据应 用系统方案设计提供依据。 概率论与数理统计 移动应用程序设计 计算机网络 数据结构与算法综合课程设计 Java程序设计综合课程设计 数据库基础与应用 3.设计/开发解决方案：能够针对大 数据应用领域的复杂工程问题，综 合应用数据科学与大数据技术基 计算机组成原理 3.1针对大数据相关应用领域特定需求，能够采用工程化思想对相关问题进行 C语言程序综合课程设计 定义与分析，确定设计目标和解决方案。 Hadoop大数据技术 机器学习 本原理和方法，设计、开发满足特 数据结构与算法综合课程设计 定应用需求的系统方案，并能够在 数据结构与算法 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 3.2 能够根据实际目标和解决方案， 设计或开发出大数据应用系统及说明文档， 环境等多维度协同发展因素。 并能够在设计和开发过程中体现创新性。 Java程序设计 算法设计与分析 数据采集与预处理 Linux系统应用 14 操作系统 NoSQL原理与应用 3.3 能够综合考虑社会、健康、安全、法律、文化以及环境因素，并能够进行 Web前端开发技术 系统测试、维护或优化升级。 Spark大数据技术 服务器端开发技术 Java程序设计综合课程设计 数据库基础与应用 4.1 能够综合应用数据科学与大数据技术基本原理，针对大数据应用领域复杂 工程问题，通过文献研究、调研和分析，设计合适的解决方案。 计算机网络 计算机组成原理 复杂流形数据挖掘技术 Spark大数据技术 4.研究：能够基于数据科学与大数 数据结构与算法 据技术的相应原理，采用科学方法 Python程序设计综合实训 对大数据应用领域中的复杂工程 问题进行研究，制定技术路线、设 计实验方案并开展实验，通过实验 4.2能够针对大数据应用领域复杂工程问题，根据解决方案进行方案设计与实 施，能对设计或实施过程的中间结果或数据进行正确分析和反馈。 分析得到合理有效的结论。 Hadoop大数据技术 算法设计与分析 服务器端开发技术 移动应用程序设计 Linux系统应用 4.3 根据数据科学与大数据技术原理，对比分析解决方案，通过实验仿真或系 统实现等多种科学方法说明其有效性和合理性，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 应用领域的复杂工程问题，选择和 使用恰当的技术、资源和现代工程 Python程序设计 数据挖掘技术与应用 数据可视化技术 C语言程序综合课程设计 5.1 了解大数据应用领域常用的软硬件平台、数据处理工具、现代工程工具和 大数据框架的使用原理和方法，并理解其局限性。 大学物理 计算机导论 Web前端开发技术 15 工具，进行信息表达、建模、设计、 海量数据预处理综合实训 模拟、验证，并能够在实践中了解 Linux系统应用 这些工具使用的局限性。 C语言程序设计 Python程序设计 5.2 能够正确选择和使用恰当的软硬件平台、数据处理工具、现代工程工具和 Java程序设计 大数据框架，提高解决问题效率。 数据采集与预处理 人工智能技术 数据库基础与应用 数据挖掘技术与应用 5.3 能够应用现代化工具对大数据应用领域相关工程问题进行分析、设计、模 拟和预测，并对结果进行合理评价。 NoSQL原理与应用 Python程序设计综合实训 统计计算与软件 数据可视化技术 习近平新时代中国特色社会主义思想概论 6.1了解大数据应用相关领域的技术标准体系、知识产权、产业政策和法律法 6.工程与社会：基于大数据应用领 规，理解不同社会文化对工程活动的影响。 计算机导论 信息管理基础 数据采集与预处理 域相关背景知识，能够合理分析 毕业实习 和评价大数据应用实践和复杂工 Python程序设计综合实训 程问题解决方案对社会、健康、 Hadoop大数据技术 安全、法律以及文化的影响，并 6.2能够分析和评价大数据相关的工程实践和复杂工程问题的解决方案对社 科技论文写作 理解应承担的责任。 会、健康、安全、法律以及文化的潜在影响，以及这些因素对项目实施的影 毕业设计（论文） 响，并理解应承担的责任。 教育大数据分析 统计计算与软件 Spark大数据技术综合实训 16 中国近现代史纲要 7.环境和可持续发展：具有环境保 7.1 理解环境保护、可持续发展的相关知识及其和数据科学与大数据技术专业 毛泽东思想和中国特色社会主义理论体系概论 的关系。 信息管理基础 护和可持续发展意识，能够理解和 计算机导论 评价针对大数据应用领域复杂工 形势与政策 程问题的专业工程实践对环境、社 会可持续发展的影响。 7.2 能够分析和评价大数据框架系统设计与开发过程中对环境的影响，在充分 考虑环境和社会可持续发展的前提下，开展大数据应用领域内的工程实践。 安全教育 毕业实习 毕业设计（论文） 数据可视化技术 毛泽东思想和中国特色社会主义理论体系概论 8.1 具有人文科学素养，有正确的价值观，理解个人与社会关系，了解中国历 8.职业规范：树立和践行社会主义 史和当代中国基本国情，自觉维护国家利益。 软件工程师综合 自然语言处理 核心价值观，具有人文社会科学素 大数据应用开发综合实训 养和社会责任感，能够在大数据应 思想道德与法治 用实践中理解伦理道德、遵守职业 规范、履行社会责任。 马克思主义基本原理 8.2 理解诚实公正、诚信守则的工程道德和职业规范，理解工程师社会价值和 社会责任，在大数据相关工程实践中自觉遵守规范和履行责任。 习近平新时代中国特色社会主义思想概论 NoSQL原理与应用 服务器端开发技术 毕业实习 思想道德与法治 9.个人和团队：具有良好的综合素 质，能够在多学科背景下的团队 9.1具有健全的人格和健康的身心，具备一定的人际交往能力，能够胜任团队 中理解与承担个体、团队成员以 成员的角色，与团队其他成员有效合作，并能承担相应责任。 及负责人角色，并发挥相应的作 用。 军事理论 大学体育 Spark大数据技术综合实训 毕业实习 9.2能够适应多学科背景的团队合作方式，具备一定的组织管理能力，并能综 17 军事技能 合团队成员的意见，进行合理决策。 大学生心理健康教育 Hadoop大数据技术综合实训 海量数据预处理综合实训 大数据应用开发综合实训 形势与政策 10.1能够就大数据相关应用领域中的复杂工程问题与业界同行及社会公众进 行交流，通过书面报告、设计文档、编写代码和口头陈述清晰地表达团队或 10.沟通：具备一定的国际视野和跨 个人观点与设计理念。 毕业设计（论文） 大数据应用开发综合实训 复杂流形数据挖掘技术 文化沟通能力，能够就大数据相关 科技论文写作 应用领域的复杂工程问题与业界 Hadoop大数据技术综合实训 同行及公众进行有效沟通，包括撰 中国近现代史纲要 写报告、陈述发言、清晰表达等。 10.2具备良好的外语运用能力，通过阅读国内外技术文献、参加学术讲座等 专业英语 环节，理解不同文化、技术行为之间的差异，能够在跨文化背景下进行沟通 软件工程师综合 和交流。 自然语言处理 大学英语 马克思主义基本原理 11.1理解从事大数据应用领域工程实践活动所需的管理与经济因素，掌握计 11.项目管理：能够理解并掌握工 算机工程管理和经济决策方法。 Hadoop大数据技术综合实训 毕业设计（论文） 程管理与经济决策方法，熟悉大 信息管理基础 数据应用领域工程项目管理的基 海量数据预处理综合实训 本方法和技术，并能在多学科环 中国近现代史纲要 境中应用。 11.2在多学科背景下，将大数据工程项目方案设计中涉及的时间及成本管理、 Spark大数据技术综合实训 质量及风险管理、人力资源管理等问题进行最优求解。 大数据应用开发综合实训 Java程序设计综合课程设计 18 形势与政策 大学英语 12.1 能认识不断探索和学习的必要性，注重身心健康，具有自主学习和终身学 大学生心理健康教育 习的意识。 复杂流形数据挖掘技术 12.终身学习：具有自主学习和终身 软件工程师综合 学习的意识，具备在科学研究与技 毕业设计（论文） 术应用过程中不断学习和适应发 安全教育 展的能力。 专业英语 12.2 能针对个人或职业发展规划，在复杂工程问题的解决方案中体现出一定 教育大数据分析 的自主学习和终身学习的能力，不断适应大数据技术的发展和社会需求。 毕业实习 自然语言处理 大数据应用开发综合实训 19 附表 3： 数据科学与大数据技术专业课程对毕业要求指标点支撑矩阵表 毕业要求 3 毕业要求 4 毕业要求 5 毕业 要求 7 毕业 要求 8 毕业 要求 9 毕业要求 1 毕业要求内涵观测点 1.1 1.2 1.3 2.1 2.2 2.3 3.1 3.2 3.3 4.1 4.2 4.3 5.1 5.2 5.3 6.1 6.2 7.1 7.2 8.1 8.2 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 通识 学校统一开设，学生根据 教育 专业要求选择 课程 毕业要求 2 毕业 要求 6 课程 课程名称 类别 毕业要 求 10 毕业要 求 11 毕业要 求 12 按课程大类支撑毕业要求，主要支撑毕业要求 8、毕业要求 10、毕业要求 12。 H 中国近现代史纲要 M H 思想道德与法治 毛泽东思想和中国特色社 会主义理论体系概论 M 习近平新时代中国特色社 会主义思想概论 M H H 公共 马克思主义基本原理 基础 课程 形势与政策 L M L M L H M L H 军事理论 H 军事技能 H 大学英语 M M 大学体育 M 安全教育 20 M 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 课程 课程名称 类别 毕业要求 1 毕业要求内涵观测点 1.1 1.2 1.3 2.1 2.2 2.3 3.1 3.2 3.3 4.1 4.2 4.3 5.1 5.2 5.3 6.1 6.2 7.1 7.2 8.1 8.2 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 M 大学生心理健康教育 高等数学 A 数学 大学物理 与自 大学物理实验 然科 离散数学 学类 课程 线性代数 H M H M M M M H H M H 概率论与数理统计 工程 C 语言程序设计 基础 类课 数字逻辑 程 L M H M M H M 计算机导论 L Python 程序设计 专业 数据结构与算法 教育 Java 程序设计 课程 数据库基础与应用 操作系统 H H L M H M M H M M L L H H 21 L 毕业要 求 10 毕业要 求 11 毕业要 求 12 H 毕业要求 2 毕业 要求 9 1.1 1.2 1.3 2.1 2.2 2.3 3.1 3.2 3.3 4.1 4.2 4.3 5.1 5.2 5.3 6.1 6.2 7.1 7.2 8.1 8.2 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 计算机组成原理 H M H 数据可视化技术 M L M H L H L NoSQL 原理与应用 H 算法设计与分析 H L L M M M M Web 前端开发技术 L H H 服务器端开发技术 H M L H 复杂流形数据挖掘技术 M M H 信息管理基础 L M 自然语言处理 L 科技论文写作 M 统计计算与软件 人工智能技术 毕业要 求 12 L 专业英语 机器学习 毕业要 求 11 M H 数据采集与预处理 数据挖掘技术与应用 毕业要 求 10 M M H 毕业要求 5 毕业 要求 8 毕业要求内涵观测点 M 毕业要求 4 毕业 要求 7 毕业要求 1 计算机网络 毕业要求 3 毕业 要求 6 课程 课程名称 类别 H M 22 L M L M M 毕业要求 3 毕业要求 4 毕业 要求 8 毕业 要求 9 毕业要求内涵观测点 1.1 1.2 1.3 2.1 2.2 2.3 3.1 3.2 3.3 4.1 4.2 4.3 5.1 5.2 5.3 6.1 6.2 7.1 7.2 8.1 8.2 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 L 毕业要求 5 毕业 要求 7 毕业要求 1 移动应用程序设计 毕业要求 2 毕业 要求 6 课程 课程名称 类别 毕业要 求 11 毕业要 求 12 M 教育大数据分析 L 软件工程师综合 M L M C 语言程序综合课程设计 数据结构与算法综合课程 设计 H M M M H L M M L L M M H M M L M 海量数据预处理综合实训 H M M M H 工程 Hadoop 大数据技术 实践 和毕 Hadoop 大数据技术综合实 业设 训 计 Java 程序设计综合课程设 （论 计 文） Linux 系统应用 H L Python 程序设计综合实训 Spark 大数据技术 毕业要 求 10 M H M M Spark 大数据技术综合实 H 23 M M 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 课程 课程名称 类别 毕业要求 1 毕业要 求 10 毕业要 求 11 毕业要 求 12 毕业要求内涵观测点 1.1 1.2 1.3 2.1 2.2 2.3 3.1 3.2 3.3 4.1 4.2 4.3 5.1 5.2 5.3 6.1 6.2 7.1 7.2 8.1 8.2 9.1 9.2 10.1 10.2 11.1 11.2 12.1 12.2 训 大数据应用开发综合实训 H L 毕业实习 M M H 毕业设计（论文） H M M H M 注：每门课程对各项毕业要求指标点的支撑用 H\L\M 表示， 每项毕业要求分解指标点都应有相应的课程作为支撑。 24 M L M L L