数据科学专业培养方案

（071203T）

一、培养目标

本专业培养德智体美劳全面发展，具有扎实的数学、统计学和计算机科学基础，缜密的逻辑推理和数据思维，掌握数据科学中的核心统计方法、数据分析和计算方法、人工智能学习方法和计算机实现方法的数据科学研究人才，培养的学生能够理解商业、医疗、政府等领域的数据，能够从海量数据中提取有用信息，并利用数据进行决策和预测。

（一）知识体系构建

掌握高等数学和离散数学；熟练掌握编程语言、数据结构与算法；了解数据库管理系统，能进行数据存储、查询和管理；熟悉数据挖掘、机器学习、深度学习的基本算法和框架；掌握描述性统计、推断统计等方法，能进行数据的初步分析和特征提取；精通数据可视化技术，直观展示数据结果；掌握数据预处理（清洗、转换等）技术，提高数据质量。

（二）能力培养

能够收集、清洗、整理来自不同数据源的海量数据；运用适当的数据分析方法和工具，对数据进行深入分析，挖掘数据中的有价值信息和模式；根据实际问题构建合适的数据模型，能够评估和优化模型，提高模型的准确性和性能，运用算法解决实际的数据科学问题；针对复杂的数据科学问题，提出创新的解决方案；能够将数据科学知识应用于不同领域，解决实际业务问题。

（三）职业素养培养

在数据科学项目中，与不同专业背景的人员协作，共同完成项目目标；能够清晰地向非技术人员解释数据科学的成果和概念，促进项目的顺利进行；遵守数据伦理，保护数据隐私，在数据收集、使用和共享过程中遵循法律法规。

二、培养要求

为实现上述培养目标，数据科学专业遵照以下标准对进行培养，学生在毕业时应满足以下要求。

（一）知识要求

1.数学知识：扎实掌握高等数学，能够运用其进行算法优化、模型推导等；精通概率论与数理统计，理解数据的概率分布、假设检验、置信区间等概念。

2.计算机知识：熟练掌握至少一种编程语言，如Python或R；掌握数据结构和算法，能够优化数据处理流程；熟悉数据库系统，能够进行数据的存储、查询和管理；掌握数据挖掘、机器学习、深度学习的基本概念和算法。

3.统计学与数据分析知识：掌握描述性统计方法和推断性统计方法，能够对数据进行初步分析和解读；了解数据可视化的原理和工具，能够将数据以直观的图表形式展示出来，有效传达数据信息。

（二）技能要求

1.数据处理技能：能够从多种数据源获取数据，并进行数据清洗，处理缺失值、异常值等问题；熟练进行数据转换。

2.数据分析与建模技能：能够根据数据类型和业务问题，选择合适的分析方法和模型；能够构建、训练、评估和优化数据模型；具备解读模型结果的能力。

3.工具与技术应用技能：熟练使用数据科学相关的工具和框架，能够快速实现数据分析和模型构建的任务；能够使用大数据处理技术处理海量数据，适应大数据环境下的数据科学工作。

（三）综合素质要求

1.政治人文素养：具有坚定正确的政治方向，热爱祖国，热爱人民，拥护中国共产党的领导，具有强烈的服务于中国式现代化建设的责任感和使命感；具有正确的世界观、人生观、价值观，自觉践行社会主义核心价值观，了解国情社情民情，认同国家发展道路和中国文化。

2.团队协作能力：能够与不同专业背景的人员合作，在数据科学项目中承担不同角色，共同解决问题；具备良好的沟通能力，能够清晰地向团队成员阐述自己的想法、解释数据处理和分析结果，理解他人的需求。

3.问题解决能力：面对复杂的实际问题，能够运用数据科学知识和技能，从数据收集、分析到模型构建和结果解读，提出有效的解决方案；具备创新思维，能够探索新的数据处理方法、模型算法或应用场景，提升数据科学的价值。

4.道德与法律意识：遵守数据伦理道德，保护数据隐私，确保数据的合法获取、使用和共享；了解相关法律法规，如数据保护法等，在数据科学实践中不违反法律规定。

表1培养标准对培养目标的支撑度

L-低、M-中、H-高

三、培养途径

为实现本专业人才培养目标和要求，本专业将通过以下几个途径全面提升学生综合素质。

1.注重课程体系的优化。通过引入前沿的课程内容，如大数据分析、机器学习、人工智能等，确保学生掌握最新的数据科学知识和技能；同时，我们强调理论与实践相结合，设置了一系列实践课程和项目，让学生在实践中深化理论知识的理解和应用。

2.构建科学完整的教材体系。整合马工程重点教材，及时更新教材内容，增加最新的理论和实践成果，确保教材始终符合时代要求；建立教材质量评估机制，对教材的质量进行定期评估和改进。

3.重视师资力量的培养与引进。通过与国内外知名企业和研究机构合作，我们为教师提供了丰富的学术交流和培训机会，提升了教师的专业素养和教学水平；同时，我们积极引进具有丰富实践经验和创新能力的优秀人才，为学生提供更加广阔的学术视野和实践指导。

4.建立完善的评估与反馈机制。通过定期的学生满意度调查、课程评估和教学反馈等方式，我们及时了解学生的学习情况和需求，对培养方案进行持续改进和优化；这种以学生为中心的教学理念，使我们的培养方案更加贴近学生实际需求，提高了教育质量和效果。

四、主要课程

本专业主要课程包括：高等代数、数学分析1、政治经济学、统计学、数学分析2、西方经济学、程序设计基础、数据结构与算法、概率论与数理统计、数据科学导论、Python程序设计、应用回归分析、大数据分析技术、机器学习、多元统计分析、统计计算与软件、随机过程、运筹学、数学建模、生物统计学、时间序列分析、保险精算、网络技术、贝叶斯统计、非参数统计、市场调研与预测、试验设计、WEB数据挖掘、自然语言处理与文本挖掘、网络爬虫与信息采集、数据科学应用案例、统计分析报告撰写、国民经济统计学。

五、学分、学制与学位

1.学生毕业最低学分要求：理论教学128学分，实践教学33学分，合计161学分。各模块的具体学分要求见下表：

2.学制与学位：数据科学的基本学制为4年，最长修业年限为6年；授予理学学士学位。

六、附件

附件1：2024级数据科学专业培养方案（按课程）

附件2：2024级数据科学专业培养方案（按进程）