数据科学与大数据技术(工学)人才培养方案

2019-08-19 泰迪智能科技 49
分享到:

1.  招生对象及学习年限

  •  招生对象:全日制普通中学高中毕业生,招生方式为普通高考招生。

  •  学习年限:基本学制四年,实行弹性学制,学生在校时间原则上不能少于三年,总在校时间(含休学)不得超过七年。

2.   培养目标

“数据科学与大数据技术”专业,培养德、智、体、美全面发展,掌握数据科学的基础知识、理论、及技术,对自然科学和社会科学等应用领域中大数据了解,具有较强的专业能力和良好外语运用能力,能胜任数据分析与挖掘算法研究和大数据系统开发的研究型和技术型人才。

3.   就业岗位与就业范围

序号岗位主要工作要求核心课程
1数据采集工程师

1、根据业务规划的要求,对各类数据进行收集、整理、录入。

2、负责采集策略设计与优化,提升网页抓取的效率和质量,解决验证码破解、信息精准抽取等技术难题。

3、负责对抓取数据进行日常跟踪,监控爬虫系统运行状态,保证数据准确性。

Python编程基础

数据采集与网络爬虫

数据库技术与应用
2大数据运维工程师

1、负责大数据基础平台的规划、部署、管理和优化,保障平台稳定可靠高效运行。

2、负责Hadoop、HBase、Hive和Spark等集群的维护和优化工作。

3、开发大数据自动化运维、监控、故障处理工具,监控所有基础设施组件、应用程序,提供紧急应急措施。

大数据技术导论

JAVA程序设计

操作系统

计算机网络

Python编程基础

Hadoop大数据开发基础

大数据存储

3数据分析师

1、基于业务数据,运用数据分析和数据挖掘的理论和方法,建立业务模型。

2、基于所建立的业务模型,分析和挖掘数据和业务背后的规律。

3、建立策略效果评估机制和监控体系,持续对模型和算法做出合理地调整或改进。

Python编程基础

数学实验

数据挖掘与机器学习

深度学习技术与应用
4算法工程师

1、根据项目、产品和分析、模型需求,完成数据研究、建模工作。

2、应用完备的统计学/数据挖掘/机器学习等理论知识,对海量异构数据进行融合挖掘。

3、跟踪前沿的算法理论,并且将优秀的算法应用到业务场景中,通过技术创新提升业务价值。

Python编程基础

数据挖掘与机器学习

深度学习技术与应用

图像处理技术

文本挖掘技术
5大数据开发工程师

1、 负责大数据平台技术框架的选型与集成,负责搭建hadoop集群。

2、基于大数据平台的数据产品与服务的规划、设计与开发。

3、在线和离线海量数据分析平台的开发。

JAVA程序设计

操作系统

Hadoop大数据开发基础

大数据存储

Spark大数据技术与应用

Storm流式计算与应用

4.  培养规格要求

本专业是一门涉及应用数学、统计学、计算机科学等多领域的交叉学科。大学本科四年期间,本专业学生主要学习应用数学、统计学、计算机科学的基本理论和基本知识,打好坚实的数学基础,受到系统而扎实的计算机编程训练,具备较强的数据分析和信息处理能力,能在大数据科学与工程技术领域从事数据分析管理、系统设计开发、大数据处理应用、科学研究等方面的工作,具备综合运用所学知识分析和解决实际问题的能力。

本专业毕业生应获得以下几方面的知识和技能:

1.具有比较扎实的计算机基本理论与技术、数据挖掘的常用算法;

2.掌握当前使用最广泛的数据挖掘编程语言python;

3.熟悉SQL的计算与存储过程调优,并具有严密的逻辑分析能力;

4.具备数据的处理、抽取、清洗、转换等能力;

5.掌握主流的Hadoop处理技术,包括MapReduce、Hive、Hbase等;

6.逻辑思维能力强,具备较强的文档编写和良好的沟通表达能力。

5.  主干课程

5.1 理论与实践结合的课程体系

工学表.jpg

画板 4图王.jpg

5.2毕业学分要求和总学时分布

本专业方向学生毕业要求最低学分为 185学分,毕业设计(论文)要求:合格

未标1.jpg

注:本表“实践教学”学分仅指“集中性实践教学环节”的学分,不包括课内教学环节必修课程的实验、实训学分,以及独立设置的必修实验课程、实训课程的学分。若将此类学分统计在内,“实践教学”必修学分不少于73,占总学分百分比为 39.46 %。

(详细内容可查看附件)

数据科学与大数据技术专业本科人才培养方案(工学)v2.0_AntiCopy.pdf