数学与应用数学专业2025级培养方案
专业介绍
数学与应用数学专业将数学与数据科学相融合，注重将数学与统计在金融、保险中应用相结合，培养具有扎实的数学基础、较强的数学思维能力、良好的数学建模能力和数据处理能力、掌握运用数学建模和统计分析方法解决金融、保险等经济领域以及人工智能领域相关问题的复合型高素质人才。
培养目标
本专业以培养德智体美劳全面发展的社会主义建设者和接班人为最高目标，全面贯彻以学生为本、成果导向、持续改进的育人理念，致力于培养具有良好的职业道德和素养，具有扎实的数学基础，较强的数学思维能力，良好的数学建模能力和数据处理能力，广阔的国际视野和创新创业能力，适应金融和保险等经济领域、人工智能领域数学建模和数据处理需求， 能运用数学和统计及相关领域的基本理论与方法在银行、证券、保险、信托、基金等企业或相关经济部门，以及人工智能领域从事数据统计计算、预测分析、风险管理、项目开发、人工智能、科学研究和管理等工作的复合型高素质人才。
本专业培养的学生在毕业后5年左右，经过自身学习和工作锻炼，能够达到下列职业和专业成就：
1．具有良好的道德、科学与文化素养，职业道德，社会责任感；以及自我学习或继续教育的能力，能不断地更新知识，拓展能力，满足经济社会发展需求。
2．掌握数学学科的基本理论与方法，能够运用数学知识和数学技术解决实际问题，适应数学与科技发展需求进行知识更新。
3．具有较扎实的金融和数据分析知识，以及在金融领域中进行较高层次的数据分析、金融信息分析、金融产品设计开发等知识，在银行、证券、保险、信托、基金等企业或相关经济部门从事数据统计计算、预测分析、项目开发、人工智能、科学研究和管理工作等方面具有较强竞争能力。
4．具有在人工智能领域从事数学建模和数据处理工作能力，在学校从事数学和相关学科的教学和研究，部分毕业生应继续攻读数学、统计学、金融和经济管理、人工智能等相关专业的硕士、博士研究生。
5．具有团队合作与沟通交流能力，能够在跨学科的团队中承担个体，团队成员以及负责人的角色。
具备人工智能素养，通过学习或行业锻炼，持续更新和调整自身的核心知识和能力，通过不断学习和应用人工智能新技术，有意识地开展AI+数学学科的科学研究，适应技术进步和社会发展。
毕业要求及实现矩阵
本专业学生毕业时，通过本科阶段的培养和训练，应具备下列能力和素养：
1．具有正确的人生观、价值观和道德观，爱国、诚信、友善、守法；具有高度的社会责任感；具备良好的科学、文化素养；掌握科学的世界观和方法论，掌握认识世界、改造世界和保护世界的基本思路和方法；具有健康的体魄、良好的心理素质、积极的人生态度；能够适应科学和社会的发展。
2．具有比较扎实的数学基础和较强的数学语言表达能力，接受严格的数学思维训练，掌握数学科学的思想方法。
3．了解数学科学的历史概况和广泛应用，以及当代数学的新进展。
4．系统地掌握数学基本理论、基本知识和基本方法。
5．具备扎实的金融学与统计学基本理论、基本知识和基本方法。
6．具备较强的数据处理、统计分析与计算能力。
7．掌握分析解决社会经济统计、金融经济问题的理论和方法。
8．具有运用所学的理论和方法建立数学模型解决实际问题的初步能力，能够综合应用AI+数学的基本理论、具有较强的数学软件应用能力和编写简单计算机应用程序的能力。
9．掌握一门外国语，有较强的阅读能力，一定的听说能力和初步的写作能力。
10．具备人工智能素养，能够不断学习使用人工智能技术，有意识地开展AI+类的现代统计学科的科学研究。具有一定的科学研究能力和知识更新能力，掌握资料查询、文献检索以及运用现代技术获取相关信息的基本方法，解决金融数学、与统计交叉学科中的某些理论问题和实际问题的能力。
11．具有良好的语言文字表达能力，具有现代社会经济政治经济条件下良好的沟通、组织和协调能力。
12．具有一定的体育和军事知识，达到国家规定的体育和军事训练标准，具备健全的体魄和健康的心理。
毕业要求对培养目标的支撑情况见表1.
表1 毕业要求对培养目标的支撑情况
毕业要求 | 培养目标 |
| 培养目标1 | 培养目标2 | 培养目标3 | 培养目标4 | 培养目标5 |
1．正确的三观及社会责任感 | √ |
|
|
|
|
2．掌握专业基础知识 |
| √ |
|
| √ |
3．了解学科发展 |
| √ |
|
|
|
4．扎实的数学基础 |
| √ | √ | √ |
|
5．金融学与统计学基础 |
|
| √ | √ |
|
6．数据处理能力 |
|
| √ | √ |
|
7．分析实际问题能力 |
|
| √ | √ |
|
8．数学建模能力 |
| √ | √ | √ | √ |
9．熟练应用英语的能力 | √ | √ |
| √ |
|
10．科研能力和知识更新能力 |
| √ | √ | √ | √ |
11. 语言文字表达能力 |
|
|
|
| √ |
12．身心健康 | √ |
|
|
|
|
主干学科与交叉学科
主干学科：数学
交叉学科：应用统计、金融数学、智能科学与技术
学分要求与学位授予
学分要求：见表2
学位授予：本专业毕业生，满足《南京工业大学学士学位授予实施细则》有关规定，授予理学学士学位。
表2 学分要求
课程类别 | 总学分 | 总学时 | 学分占比 |
|
|
| 必修学分 | 比例 | 选修学分 | 比例 |
通识教育 | 54 | 1114 | 42 | 77.8% | 12 | 22.2% |
专业教育 | 102 | 2032 | 92 | 90.2% | 10 | 9.8% |
双创教育 | 12 | 228 | 6 | 50% | 6 | 50% |
合计 | 168 | 3374 | 140 | 83.3% | 28 | 16.7% |
专业核心课程
课程名称 | 英文名称 | 学分 | 备注 |
数学分析1-3 | Mathematical Analysis 1-3 | 15 |
|
高等代数1-2 | Higher Algebra 1-2 | 10 |
|
解析几何 | Analytic Geometry | 3 |
|
常微分方程 | Ordinary Differential Equations | 3 |
|
概率论与数理统计 | Probability and Statistics | 4 |
|
离散数学 | Discrete Mathematics | 4 |
|
复变函数 | Complex Variable Function | 3 |
|
实变函数与泛函分析 | Real Variable Function and Functional Analysis | 4 |
|
数值分析 | Numerical Analysis | 4 |
|
Python数据处理与分析 | Python for Data Processing and Analysis | 4 |
|
多元统计分析 | Multivariate Statistical Analysis | 3 |
|
时间序列分析 | Time series analysis | 4 |
|
专业特色课程
课程名称 | 英文名称 | 学分 | 备注 |
金融数据分析 | Financial Data Analysis | 3 | 产教融合 |
数据挖掘建模案例分析 | Data Mining Modeling Case Study | 4 | 人工智能+ |
数学模型与数学软件 | Mathematical modeling and mathematical software | 3 | 绿色低碳 |
机器学习 | Numerical Analysis | 3 | 本研贯通、国际视野 |
实践教学环节
实践教学环节名称 | 学分 | 学时 | 学期 | 备注 |
思政实践 | 2 | 40 | 春秋 |
|
军事技能 | 2 | 64 | 1 |
|
社会实践 | 3 | 96 | 春秋 |
|
入学教育 | 1 | 32 | 1 |
|
大学物理实验B | 1 | 32 | 3 |
|
劳育类实践课程 | 1 | 32 | 4 |
|
机器学习实战 | 1 | 32 | 6 |
|
双创实践活动 | 2 | 32 | 7 |
|
毕业论文 | 4 | 512 | 8 |
|
合计：872学时 | 占总学时比例：26% |
当前位置