欢迎光临武昌理工学院科大讯飞人工智能学院!

科大讯飞精英班

IFLYTEK Elite Class

科大讯飞精英班

学院首页 > 正文

数据科学与大数据技术专业(科大讯飞精英班)

校对: 责编: 终审: 时间:2021-04-02 阅读:

一、所属学科门类、专业类

学科门类:工学; 专业类:计算机类;   专业代码:080910T

二、培养目标

(一)目标定位

本专业培养践行社会主义核心价值观,德、智、体、美、劳全面发展,具有良好的人文素养、科学素养、创新能力和职业道德;具有良好的数学基础、自然科学基础、计算机科学基础、软件编程开发能力和计算思维能力,系统地掌握数据科学与大数据技术专业的基本理论、基本知识、基本方法和基本技能,具备大数据领域复杂工程问题解决方案的设计与实现能力;拥有良好的自主学习能力、团队合作精神、创新意识、国际化视野以及可持续发展理念;适应经济社会和大数据产业发展需要,在信息产业类企事业单位从事大数据系统的研发、分析、应用、管理与运维等工作的高素质应用型人才。

(二)职业能力

学生毕业5年左右,达到专业工程师水平,具备以下几方面的职业能力:

目标1具有良好的人文素养、科学素养与社会责任感,坚守职业道德,能够在工作中自觉践行可持续发展理念。

目标2针对实际需求,能运用数学、自然科学、工程基础和大数据专业知识,对大数据领域复杂工程问题进行分析,提出解决方案并能承担大数据工程项目的设计、开发、测试和应用管理等任务。

目标3具有良好的与业界同行、专业客户和公众沟通交流的能力,以及组织协调和团队合作的能力。具有国际视野,能够在跨文化背景下进行沟通和交流。

目标4通过继续教育或其它学习途径,能够主动拓展自己的新知识和新能力,追求新职业机会,适应不同环境赋予的工作任务,能够在不同的岗位上做出贡献,获得自身的持续发展,具有终身学习能力。

三、毕业要求及实现矩阵

(一)毕业要求

1. 工程知识:能够将数学、自然科学、工程基础和专业知识用于解决大数据领域的复杂工程问题。

1-1:能将数学、自然科学、工程科学的语言工具用于大数据领域工程问题的表述;

1-2:能针对大数据领域具体的工程问题对象建立数学模型并求解;

1-3:能够将相关知识和数学模型方法用于大数据领域工程问题的推演和分析;

1-4:能够将相关知识和数学模型方法用于大数据领域工程问题解决方案的比较与综合。

2. 问题分析:能够应用数学、自然科学和工程科学的基本原理,识别和表达并通过文献研究分析大数据领域复杂工程问题,以获得有效结论。

2-1:能运用相关科学原理,识别和判断大数据领域复杂工程问题的关键环节;

2-2:能基于相关科学原理和数学模型方法正确表达大数据领域复杂工程问题;

2-3:能够针对复杂工程问题的多种解决方案,选择或通过文献研究寻求可替代的解决方案;

2-4:运用相关学科的基本原理、借助文献研究分析过程的影响因素,获得有效结论。

3. 设计/开发解决方案:能够设计针对大数据领域复杂工程问题的解决方案,能够设计满足大数据领域实际需求的大数据系统、单元(部件)或开发流程,并能够在设计环节中体现创新意识和考虑社会、健康、安全、法律、文化以及环境等因素。

3-1:掌握大数据系统的工程设计和产品开发全周期、全流程的基本设计/开发方法和技术,了解影响设计目标和技术方案的各种因素;

3-2:能够针对大数据领域实际需求,完成大数据系统单元(部件)或开发流程的设计;

3-3:能够进行系统设计,在设计中体现创新意识;

3-4:在设计中能够考虑安全、健康、法律、文化及环境等制约因素。

4. 研究:能够基于科学原理并采用科学方法对大数据领域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。

4-1:能够基于科学原理,通过文献研究或相关方法,调研和分析大数据领域复杂工程问题的解决方案;

4-2:能够根据工程问题对象特征,选择研究路线,设计实验方案;

4-3:能够根据实验方案构建实验系统,安全地开展实验,正确地采集实验数据;

4-4:能对实验结果进行分析和解释,并通过信息综合得到合理有效的结论。

5. 使用现代工具:能够针对大数据领域复杂工程问题,开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具,包括对复杂工程问题的预测与模拟,并能够理解其局限性。

5-1:了解大数据专业常用的现代仪器、信息技术工具、工程工具和模拟软件的使用原理和方法,并理解其局限性;

5-2:能够选择与使用恰当的仪器、信息资源、工程工具和专业模拟软件,对大数据领域复杂工程问题进行分析、计算与设计;

5-3:能够针对具体的对象,开发或选用满足特定需求的现代工具,模拟和预测大数据领域专业问题,并能够分析其局限性。

6. 工程与社会:能够基于大数据工程相关背景知识进行合理分析,评价大数据工程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。

6-1:了解大数据专业相关领域的技术标准体系、知识产权、产业政策和法律法规,理解不同社会文化对工程活动的影响;

6-2:能分析和评价大数据工程实践对社会、健康、安全、法律、文化的影响,以及这些制约因素对项目实施的影响,并理解应承担的责任。

7. 环境和可持续发展:能够理解和评价针对大数据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。

7-1:知晓和理解环境保护和可持续发展的理念和内涵;

7-2:能够站在环境保护和可持续发展的角度思考大数据工程实践的可持续性,评价产品周期中可能对人类和环境造成的损害和隐患。

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

8-1:有正确价值观,理解个人与社会的关系,了解中国国情;

8-2:理解诚实公正、诚信守则的工程职业道德和规范,并能在大数据工程实践中自觉遵守;

8-3:理解工程师对公众的安全、健康和福祉,以及环境保护的社会责任,能够在大数据工程实践中自觉履行责任。

9. 个人和团队: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。

9-1:能与其他学科的成员有效沟通,合作共事;

9-2:能够在团队中独立或合作开展工作;

9-3:能够组织、协调或指挥团队开展工作。

10. 沟通:能够就大数据领域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。

10-1:能就大数据专业问题,以口头、文稿、图表等方式,准确表达自己的观点,回应质疑,理解与业界同行和社会公众交流的差异性。

10-2:了解大数据专业的国际发展趋势、研究热点,理解和尊重世界不同文化的差异性和多样性;

10-3:具备跨文化交流的语言和书面表达能力,能就大数据专业问题,在跨文化背景下进行基本沟通和交流。

11. 项目管理:理解并掌握大数据工程管理原理与经济决策方法,并能在多学科环境中应用。

11-1:掌握大数据工程项目中涉及的管理与经济决策方法;

11-2:了解大数据工程及产品全周期、全流程的成本构成,理解其中涉及的工程管理与经济决策问题;

11-3:能在多学科环境下(包括模拟环境),在设计开发解决方案的过程中,运用大数据工程管理与经济决策方法。

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

12-1:能在社会发展的大背景下,认识到自主和终身学习的必要性;

12-2:具有自主学习的能力,包括对技术问题的理解能力,归纳总结的能力和提出问题的能力等。


四、毕业标准

1. 标准学制:四年。实行3-6年弹性修业年限,符合国家政策规定的可适当延长。

序号

学分类别

学分

1

最低通识必修学分

43

2

最低专业必修学分

110

专业课程

88

毕业实习

12

毕业论文(设计)

10

3

最低创新创业必修学分

6

4

大学生体质测试健康标准

50(分)

 

2. 授予学位:学生需同时达到以上条件方可毕业,其中,专业必修学分中的毕业实习、毕业论文(设计)学分必须修满,不能充抵。达到学校学士学位授予条件的授予工学学士学位。

五、课程体系

(一)课程设置

总学分为180。课程结构及学分构成如下:

          学 分

类 别

学分及所占总学分比例

理论与实践学分分布

理论学分

及所占比例

实践学分

及所占比例

通识教育

4325.9%

3172.1%

1227.9%

数学及自然科学

2716.3%

2696.3%

13.7%

专业教育

5432.5%

3666.7%

1833.3%

工程实践与毕业设计

3621.7%

00%

36100%

创新创业教育

63.6%

5.591.7%

0.58.3%

 

166

98.559.3%

67.540.7%

备注:通识选修与创新创业选修两类课程打通开设,学生自主选择,选修总学分最低4个学分。自修不少于10个学分。

(二)专业方向课程

数据科学与大数据技术专业培养学生具备信息系统开发技能,掌握数据采集、预处理、存储、挖掘分析、可视化呈现、平台运维等大数据技术应用及管理能力。

专业方向核心课程重点包括:面向对象程序设计(Java)、应用统计学、Python程序设计、机器学习、大数据采集与预处理、大数据平台核心技术、大数据计算集群技术、大数据仓库与建模技术、数据挖掘与数据分析、虚拟化与云计算技术、大数据可视化、NoSQL数据库、JavaEE开发框架、自动化运维技术等。主要课程关系结构如下图所示:


六、专业岗位群分析

大数据岗位群的岗位描述

依据岗位群的技能矩阵以及本专业的培养目标和毕业要求,适合本专业的岗位群如下:

岗位名称

岗位

类别

岗位职责

映射的课程

大数据开发工程师

初级

1、负责大数据系统或模块设计与开发工作;

2、负责ETL流程设计构建与优化;

3、负责大数据集群的建设与优化工作;

4、负责编写大数据计算(离线或在线)功能代码及其部署工作;

5、负责大数据可视化的设计与开发工作;

6、负责通过大数据技术实现数据采集、预处理、存储及查询等工作;

7、负责根据大数据前沿技术的发展,将合适的技术方案适时引入业务场景。

大数据导论

程序设计基础

操作系统

数据库原理

Python程序设计

服务端技术原理与应用

前端开发框架

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

大数据可视化

虚拟化与云计算技术

NoSQL数据库

大数据分析工程师

初级

1、负责数据采集、数据预处理相关工作;

2、负责数据数据挖掘、数据分析相关工作;

3、负责数据规划、数据建模、数据资产管理等工作;

3、负责数据需求调研、源数据整理、数据处理流程设计等工作;

4、负责ETL设计、开发、测试和部署等工作;

5、负责各数据平台数据对接加工处理、数据仓库与数据集市的构建等工作;

6、负责数据分析相关文档的编撰及数据标准的制定;

7、负责数据采集、数据预处理、数据挖掘、数据分析领域前沿技术的跟踪及应用。

大数据导论

程序设计基础

操作系统

数据库原理

应用统计学

Python程序设计

机器学习

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

大数据可视化

大数据仓库与建模技术

数据挖掘与数据分析

大数据运维工程师

初级

1、负责服务器基础运维工作(服务器的配置、维护、监控、调优、故障排除等),提升服务器的稳定性和负载能力;

2、负责集群容量规划、扩容及性能调节优化,参与业务架构设计,在设计阶段给出可运维性及可扩展性方面的改进建议;

4、负责大数据平台的配置、管理和优化工作;

3、负责大数据平台日常运维管理、服务监控、故障处理、集群性能和资源利用率优化,集群常见问题能迅速定位,为开发人员提供技术支持;

5、负责运维相关自动化工具的编写实现工作,大数据平台自动化运维工具的研发;

6、负责调研大数据前沿技术,改进现有系统的服务和运维架构,提升系统可靠性和可运维性;

7、负责项目运维复盘工作、识别项目运维风险,推动关键问题的闭环解决。

大数据导论

程序设计基础

操作系统

数据库原理

应用统计学

Python程序设计

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

NoSQL数据库

大数据仓库与建模技术

自动化运维技术

大数据系统架构师

发展

1、理解和分析业务需求,负责确定系统平台的技术路线及架构;

2、制定系统平台的整体解决方案,撰写相关专业文档;

3、把握总体技术方向,对开发和技术选型及具体实施等问题进行指导和把关;

4、负责大数据产品及系统架构的设计、实现、及持续优化;

5、跟踪新技术,负责开发团队的建立、培训、技术指导和人员管理;

6、负责所有进入运营状态的系统及网站的运维优化和性能诊断,排查系统瓶颈;

7、负责关键技术问题的攻关和系统优化,解决开发过程中的技术难题;

大数据导论

程序设计基础

操作系统

数据库原理

Python程序设计

服务端技术原理与应用

前端开发框架

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

大数据可视化

虚拟化与云计算技术

NoSQL数据库

大数据仓库与建模技术

自动化运维技术

大数据高级分析师

发展

1、负责大数据平台总体数据架构设计,完成从业务模型到数据模型的设计工作;

2、负责制订数据规划、数据标准、数据管理流程规范等工作;

3、负责规划系统数据采集、预处理、挖掘、分析及展示;

4、负责编写大数据仓库建设方案,协助提供大数据相关技术方案;

5、负责BI架构设计与实现;

6、跟踪数据仓库新技术,负责开发团队的建立、培训、技术指导和人员管理。

大数据导论

程序设计基础

操作系统

数据库原理

应用统计学

Python程序设计

机器学习

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

前端开发框架

大数据可视化

大数据仓库与建模技术

数据挖掘与数据分析

神经网络与深度学习

大数据产品经理

发展

1、负责大数据平台产品包装,协助制定产品管理制度与方案、规划产品发展方向和制定产品的长期竞争策略;

2、负责大数据研发产品的汇报材料、白皮书、宣传等产品材料的整理;

3、负责组织大数据团队完成大数据产品的功能设计和策划工作,产出产品原型,并推动方案的开发和实施;

4、负责大数据产品用户需求调研、整理和分析,定期收集分析产品运用效果,对产品设计进行改进迭代;

5、负责对大数据领域中的前沿理论、实战案例进行收集和研究,建立行业知识积累与沉淀;

6、负责将数据分析能力、数据运营能力产品化、规范化、流程化;

7、具有不断创造和发掘大数据产品新商业模式的能力。

大数据导论

程序设计基础

操作系统

数据库原理

Python程序设计

服务端技术原理与应用

前端开发框架

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

大数据可视化

虚拟化与云计算技术

NoSQL数据库

大数据仓库与建模技术

数据挖掘与数据分析

大数据项目经理

发展

1、配合编写解决方案相关文档;

2、负责解决方案的讲解与实施;

3、负责编写项目相关文档;

4、负责大数据项目管理,协调项目资源,确保项目各干系人及内外部合作团队的协同工作;

5、负责项目计划的制定、跟踪和维护,推动项目实施,确保项目按计划完成;

6、负责组织项目各项评审会议及项目例会,及时发现并跟踪解决项目问题,有效管理项目风险。

大数据导论

程序设计基础

操作系统

数据库原理

Python程序设计

服务端技术原理与应用

前端开发框架

大数据采集与预处理

大数据平台核心技术

大数据计算集群技术

大数据可视化

虚拟化与云计算技术

NoSQL数据库

大数据仓库与建模技术

数据挖掘与数据分析

七、教学进程表(略)

八、教学计划表(略)