2019年数据科学与大数据技术专业指导性培养计划

发布者:本科生教育发布时间:2019-12-04浏览次数:854


制定人:黄勃
审核人:方志军
一、指导思想

为适应我国社会、经济和科学技术发展对高等工程应用型人才培养的需求,实践学校国内一流的高水平现代化工程应用型特色大学的办学理念,按照德才兼备、德育为先、能力为重、全面发展的要求,依托产学研联盟合作办学模式和产学合作教育人才培养模式,瞄准国际工程技术前沿,构筑与行业“协同育人、协同办学、协同创新”的“三协同模式”,培育具有分析和解决数据科学领域问题的能力,具有国际视野、创新意识和奉献精神的高等工程应用型人才。


二、培养目标

本专业以现代信息技术产业发展需求为导向,注重与计算机、自动化控制、电子信息等相关专业的交叉融合,秉承复合型人才培养理念,培养德、智、体、美和谐发展,具备健全人格和健康心理,具有数学与自然科学基础知识,系统掌握数据科学与大数据技术的基础理论、基本技术,具有较高的文化素养和职业素质,知识、能力和素质协调发展的,能够胜任大数据科研、开发与分析等工作的具有系统思维、工程实践、创新意识和团队合作能力的高等工程应用型人才。

毕业五年左右达到:

(1) 具有运行、维护、管理复杂大数据系统的能力,并能够综合考虑经济、环境、法律、安全、健康、伦理等方面的影响因素。

(2) 具有扎实的专业理论与实践能力,并有良好的人文素养、社会责任感和工程职业道德,能够从事数据采集与分析工作。

(3) 具有较强创新能力,能够从事数据采集与分析系统的开发工作。

(4) 具有团队合作、沟通和项目管理能力,能够组织和协调团队成员进行系统设计和开发。

(5) 具有国际化视野和跨文化交流与合作能力,能够在不同职能团队中发挥特定的作用。


三、专业方向与特色

本专业围绕着“紧密结合专业人才培养目标,紧密结合地方社会需求,紧密结合计算机新技术发展”的理念,采取开放办学模式,实现高校、企业和社会教育资源的优势互补,坚持“理论学习+工程实践+新技术应用”的高等工程应用型人才培养模式,注重与控制科学与工程等其它学科的交叉与融合,注重实践和创新能力的培养,聚焦大数据系统运维、数据分析及其产品开发等紧缺人才的培养。


四、毕业要求

本专业学生主要学习数据科学与大数据技术方面的基本理论和基本知识,接受大数据平台运维、数据采集、分析、可视化技术的基本训练,培养大数据系统的运维、应用与开发的基本能力。

毕业生应满足以下几方面要求:

(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复杂工程问题。

(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、表达、并通过文献研究分析复杂工程问题,以获得有效结论。

(3)设计/开发解决方案:能够针对数据科学复杂工程问题设计解决方案,设计数据分析流程,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、文化以及环境等因素。

(4)研究:能够基于科学原理并采用科学方法对数据分析等工程问题进行研究,包括设计数据挖掘流程、分析与解释数据和现象、并通过信息综合得到合理有效的结论。

(5)使用现代工具:能够针对大数据系统复杂工程问题,开发、选择与使用恰当的系统架构、开发语言、资源和现代信息技术工具,包括对复杂工程问题数据流的预测与模拟。

(6)工程与社会:能够基于工程相关背景知识进行合理分析,评价专业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。

(7)环境和可持续发展:能够理解和评价针对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:具有人文社会科学素养、社会责任感,能够在工程实践中理解并遵守工程职业道德和规范,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。

(10)沟通:能够就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。

(11)项目管理:理解并掌握工程管理原理与经济决策方法,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,有不断学习和适应发展的能力。


五、主干学科和核心课程及课程体系

主干学科:数据科学与大数据技术

课程体系:

专业核心课程:数据科学与分析、应用统计学、操作系统、数据库原理、数据挖掘与分析。

专业特色课程:数据采集与可视化技术、大数据基础平台、云计算与虚拟化技术、面向对象程序设计、算法与数据结构、软件工程。

特色选修课程:计算机视觉、JAVA程序设计、商业智能、R语言编程、移动应用开发、机器学习、并行与分布式计算等。


六、实践教学

㈠ 实验

本专业注重对学生的实验技能的训练,培养计划中安排的独立实验教学环节有:

(1) 独立实验课:

电路实验:第二学期,共20学时

数字电子技术实验:第三学期,共20学时

(2) 综合实验:

大数据架构综合实验:第五学期,2周

计算机软件综合实验:第六学期,2周

数据挖掘与分析综合实验:第六学期,2周

㈡ 实习

教学实习和生产实习是本专业学生理论联系实际、接触社会、了解生产实际的一个重要途径,是培养学生树立实践观念和劳动观点的重要教学环节。

(1)制造技术基础实习:第二学期,2周

(2)电工实习:第三学期,2周

(3)认识实习:第四学期,1周

(4)大数据专业实习:第六学期,6周

(三)合作教育

(1) 合作教育(一):第二学期,6周

(四) 课程设计

本专业课程设计是利用所学的专业理论知识分析问题,创造性地设计小的应用系统的能力。具体安排如下:

(1) 面向对象课程设计:第二学期,2.5周

(2)算法与数据结构课程设计:第四学期,1.5周

(3) 专业综合设计:第七学期,2周

(五)毕业设计(论文)

毕业设计是在完成本专业所学理论教学课程后进行的主要实践教学环节,训练学生在收集资料、对课题调查研究的基础上分析与解决工程问题的实际能力、动手能力。其内容是结合科研和生产实际需要,完成数据科学与大数据技术及相近专业的工程课题、研究课题或实验课题并撰写毕业论文,安排在第八学期进行,共16周。

(六) 军训:第一学期,2周。


七、第二课堂

第二课堂共4学分,由“创新创业类”和“素质拓展类”两大模块组成。“创新创业类”和“素质拓展类”各2学分。第二课堂学分具体认定办法详见《上海工程技术大学第二课堂学分实施办法》。


八、学制及毕业规定

㈠ 本专业基本学制4年,学生可在3至6年内完成学业。

㈡ 学生在规定的学习年限内修满培养计划规定的各教学模块的学分,总学分达到169学分。其中各类必修课程达到134学分,选修课程达到35学分(含第二课堂达到4学分),方能毕业。


九、学位

符合《上海工程技术大学学士学位授予工作细则》规定的毕业生授予工学学士学位。


十、课程设置及学分要求(总共169学分)

(一)通识教育课程
   学生应在电子电气类通识教育课程中修满61.5学分。

(二)学科基础平台课程
   学生应在电子电气类学科基础平台课中修满36学分。
   必选课程:概率论与数理统计、电路(二)、电路实验、线性代数、数字电子技术、微机原理及接口技术、数字电子技术实验、电路(一)、面向对象程序设计、算法与数据结构、离散数学、自动控制理论、嵌入式系统导论、人工智能基础、数据科学与分析

(三)专业课程 (应修32学分)
课程组课程代码课程名称学分总学时讲课
课时
实验
课时



考核
方式
建议修读
学期
学分要求
专业课程021187操作系统4645014
*524
021188数据库原理4644420
*5
021226数据采集与可视化技术2321616

5
021227大数据基础平台3483810
*5
021130软件工程232266
*6上
021203数据挖掘与分析4644420
*6
021210云计算与虚拟化技术2322012

6
021225应用统计学34848

*6
小计24
专业选修课021127JAVA程序设计2322012

58
021206R语言编程2322012

5
021166计算机视觉2321616

6
021173并行与分布式计算23220
12
6上
021125移动应用开发232266

7
021211商业智能2322012

7
021212机器学习2322012

7上
小计14

(四)集中实践教学环节 (应修35.5学分)
课程组课程代码课程名称学分总学时考核
方式
建议修读
学期
学分要求


必修课程310107军训(1)(2)周
1上35.5


021171面向对象课程设计2.52.5周
2下


029016合作教育(一)(2)(6)周
2下


243013制造技术基础实习C22周
2下


249403电工实习22周
3下


020892认识实习11周
4


021150算法与数据结构课程设计1.51.5周
4下


021228大数据架构综合实验22周
5


021178计算机软件综合实验22周
6


021233数据挖掘与分析综合实验2.52.5周
6下


021234大数据专业实习22周
6


020612专业综合设计22周
7


020199毕业设计(论文)1616周
8


小计35.5

(五)第二课堂(应修4学分)
模块类别学分建议修读学期要求学分
第二课堂创新创业类21-84
素质拓展类21-8