数据科学与大数据技术专业2023级培养方案
专业类及专业简介
计算机类包括计算机科学与技术、软件工程、人工智能、计算机网络工程等学科，是由电子科学与工程和数学发展而来，其科学部分的核心在于通过建立模型实现对计算规律的研究，工程部分的核心是以低成本构建基本计算系统以及大规模复杂计算应用系统，并研究和发明用计算进行科学调查与研究中使用的基本手段和方法。计算机科学与技术侧重研究计算机的设计与制造和利用计算机进行信息获取、表示、存储、处理、控制等的理论、原则、方法和技术的学科。我校计算机类下设计算机科学与技术、数据科学与大数据技术两个专业。
数据科学与大数据技术专业是我国普通高等学校本科专业，属于计算机类。本专业课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。
专业培养目标
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，扎实的数学和大数据基础，广阔的国际视野和创新创业能力，适应大数据技术领域发展需求，能运用数学与大数据技术及相关领域的基本理论与方法，从事大数据相关算法的研究、大数据软件开发及管理运营的工程技术人才。
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、数据科学的基本理论与方法，能够运用数学知识和大数据技术解决实际问题，适应大数据科学技术发展需求进行知识更新。
3．具有较扎实的数据科学和大数据技术知识，系统掌握机器学习、数据安全、大数据科学及统计知识在机器学习、信号处理、交通、生物信息等领域中进行较高层次的数据分析，在计算机软件、智慧交通、银行、证券、保险、信托、基金等企业或相关经济部门从事数据处理、数据系统项目开发、科学研究和管理工作等方面具有较强竞争能力；
4．能从事数据科学理、数据安全、机器学习、图像处理等方面的研究，部分毕业生应继续攻读数据科学与大数据技术、计算机信息、统计学、管理科学与工程等相关专业的硕士、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。
专业毕业要求
本专业培养的学生在毕业时，通过本科阶段的培养和训练，能够获得下列知识、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、数据科学基础和较强的数学语言表达能力，接受严格数据科学思维训练，掌握数据科学的思想方法；
3．了解数据科学技术的新进展及其应用；
4．具备扎实的数据科学与大数据技术的基本理论、基本知识和基本方法；
5、熟悉数据处理软件和工具，会使用数据处理软件和工具处理问题；
6．具备较强的数据获取、采集、处理、挖掘和建模能力；
7．掌握分析解决数据安全、存储问题、交通问题、金融数据处理的理论和方法；
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，具有较强的数据科学软件及工具应用能力和编写较为复杂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；
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。
毕业要求支撑培养目标的关系见表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．扎实的数学科学基础 |
| √ | √ | √ |
|
5．数据软件及工具基础 |
|
| √ | √ |
|
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 | √ |
|
|
|
|
主干学科与相近专业
主干学科：数据科学、数学
相近专业：计算机科学、人工智能、信息与计算科学、数学与应用数学
标准学制与授予学位
标准学制：四年
授予学位：理学学士
毕业及学位授予条件
毕业基本要求：在弹性学习年限内，修完专业培养方案规定的内容，成绩合格，达到最低毕业要求学分，准予毕业。
学位授予条件：本专业毕业生，满足《南京工业大学学士学位授予实施细则》有关规定者，授予理学学士学位。
最低毕业要求学分见表2。
表2 最低毕业要求学分
课程类别 | 必修 | 选修 | 合计 | 比例 |
通识教育（GE）学分 | 51 | 17 | 68 | 39.8% |
学科基础（DB）学分 | 53 | 0 | 53 | 31.0% |
专业素养（PQ）学分 | 38 | 12 | 50 | 29.2% |
最低毕业学分 | 142 | 29 | 171 | 100.0% |
创新创业学分 | 6 | 4 | 10 | 5.8% |
选修课学分比例 | 选修课学分/最低毕业学分=17.0% |
专业核心课程
课程名称 | 英文名称 | 学分 | 备注 |
数学分析1-3 | Mathematics Analysis1-3 | 15 |
|
高等代数1-2 | Advanced Algebra 1-2 | 10 |
|
深度学习应用技术 | Application Techniques of deep Learning | 3 |
|
概率论与数理统计 | Probability and Statistics | 4 |
|
离散数学 | Discrete Mathematics | 4 |
|
数据库原理及应用开发 | Database Theory and Application Research | 3 |
|
数值分析 | Numerical Analysis | 4 |
|
数据结构与算法 | Data Structure and Algorithms | 4 |
|
大数据技术基础 | Basis of Big Data Techonology | 3 |
|
Python数据处理与分析 | Python for Data Processing and Analysis | 4 |
|
最优化方法 | Optimization methods | 3 |
|
机器学习 | Machine Learning | 3 |
|
主要实践性教学环节
实践教学环节名称 | 学分 | 学期 | 培养模式 |
思想政治类实践 | 2 | 春秋 | 学校+企业（社会） |
军事技能 | 2 | 1 | 学校 |
社会实践 | 3 | 春秋 | 学校+企业（社会） |
日常生活劳动实践 | 1 | 春秋 | 学校+企业（社会） |
专业劳动实践 | 1 | 4 | 校内 |
创新创业类活动 | 2 | 春秋 | 学校+企业（社会） |
程序语言设计（C语言程序设计）（上机部分） | 2 | 2 | 校内 |
JAVA程序设计（上机部分） | 1 | 2 | 校内 |
大学物理实验B | 2 | 3 | 校内 |
数据库原理及应用开发（实验部分） | 1 | 3 | 校内 |
Python数据处理与分析（实验部分） | 1 | 5 | 校内 |
数据结构与算法（实验部分） | 1 | 4 | 校内 |
大数据技术基础（实验部分） | 0.5 | 4 | 校内 |
数学模型与数学软件（实验部分） | 1 | 4 | 校内 |
数值分析（实验部分） | 1 | 4 | 校内 |
多元统计分析（实验部分） | 1 | 4 | 校内 |
机器学习实战 | 2 | 6 | 校内 |
最优化方法（实验部分） | 0.5 | 5 | 校内 |
专业拓展类课程（实验部分） | 1 | 5 | 校内 |
专业教育类选修 | 1 | 6 | 校内 |
深度学习应用技术（实验部分） | 1 | 7 | 校内 |
数字图像处理/数据挖掘建模案例分析（实验部分） | 1 | 5 | 校内 |
信息安全技术（实验部分） | 1 | 7 | 校内 |
认识实习 | 1 | 7 | 学校+企业 |
毕业论文 | 12 | 8 | 学校+企业（社会） |
学分合计43学分，占最低毕业要求学分比例：25.1% |
创新创业类课程
课程名称 | 课程类别 | 学分 | 备注 |
创新创业类课程 | 通识教育（创新创业类） | 2 |
|
创新创业类活动 | 通识教育（创新创业类） | 2 |
|
机器学习 | 专业素养（创新创业类） | 3 |
|
信息安全技术 | 专业素养（创新创业类） | 3 | 实践 |
当前位置