数据科学与大数据技术专业人才培养方案

专业代码：080910T                             学科门类：工学

一、培养目标

本专业培养适应社会主义现代化建设及数字龙江建设需要，德智体美劳全面发展，具有数学、统计学、大数据及人工智能等多学科知识和技能，具备自主学习、创新能力、数字思维、职业道德和社会责任感，能够在信息技术企业、事业单位和政府部门从事数据采集、存储、处理、分析及可视化、系统开发、数据运维等岗位工作的高素质应用型人才。

毕业后经过5年左右的社会和职业领域实践，能够达成以下目标：

1.具有良好的人文社会科学素养，熟悉行业领域法律法规，具有数据安全意识和社会责任感，遵守职业道德规范。

2.具备交叉融合的多学科知识，具有创新能力和数据处理能力，能够针对专业领域的工程项目设计有效的解决方案并进行比较与优化。

3.具有团队合作精神，能够就专业的工程问题与业界同行和社会公众进行有效的沟通和交流。

4.具有自主学习和终身学习的能力，能够跟踪新兴技术发展，适应不断变化的国内外形势和环境。

二、毕业要求

1.工程知识：能够将相应的数学、自然科学、工程基础以及大数据专业知识用于解决大数据应用领域的复杂工程问题。

指标点1-1：能够将相应的数学、自然科学、工程基础和大数据专业知识应用于复杂工程问题的表述；

指标点1-2：掌握工程基础知识，能够对大数据应用问题建立数学模型并求解；

指标点1-3：能够将相关知识和数学模型方法用于推演和分析复杂的工程问题；

指标点1-4：能够将相关知识和数学模型方法用于工程问题解决方案比较与优化。

2.问题分析：能够应用相应的数学、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的大数据应用领域工程问题，以获得有效结论。

指标点2-1：能够运用数学、自然科学、大数据工程科学的基本原理，识别大数据应用领域复杂工程问题的重要环节，分析各环节的关键因素；

指标点2-2：能基于相关科学原理和数学模型方法正确描述数据科学与大数据技术领域复杂工程问题；

指标点2-3：通过文献研究、大数据分析等方法，揭示大数据应用领域复杂工程问题内在规律，分析一个或多个模型的合理性，得到有效结论。

3.设计/开发解决方案：能够设计针对大数据应用领域复杂工程问题的解决方案，综合考虑社会、健康、安全、法律、文化以及环境等因素，设计特定需求的大数据系统架构、模块或实施流程，体现创新意识。

指标点3-1：能够针对大数据应用领域复杂工程问题，根据用户需求，运用大数据相关基本原理，确定设计目标、任务书、功能需求、技术指标等，设计候选解决方案；

指标点3-2：能够根据特定需求和约束条件对大数据系统架构、模块或实施流程进行设计，体现创新意识；                                            

指标点3-3：在设计中能够综合考虑社会、健康、安全、法律、文化及环境等制约因素。

4.研究：能够利用数据科学与大数据技术的相关原理和方法，进行复杂工程问题的研究，包括设计实验、分析和解释实验结果，并通过综合分析获得合理有效的结论。

指标点4-1：能够综合运用所学科学原理，针对所要解决的大数据应用领域复杂工程问题展开研究，明确研究内容与目标；

指标点4-2：针对大数据应用领域复杂工程问题的关键因素，能够基于科学原理并采用科学方法，确定解决方案的技术路线，设计可行的实验方案；

指标点4-3：能选用、搭建或开发大数据系统实验环境，开展实验并正确记录、整理实验数据，对实验结果进行分析和解释，通过信息综合得到合理有效的结论，并确定结论的影响因素。

5.使用现代工具：能够开发、选择与使用恰当的技术、资源、现代工程工具，对大数据应用领域复杂工程问题进行分析、设计、模拟或预测，并能够理解其局限性。

指标点5-1：能够选择使用恰当技术或资源对复杂工程问题进行分析、计算和设计，并理解其局限性；

指标点5-2：能够开发或利用现代工具对复杂数据工程专业问题进行预测和模拟，并能理解其局限性。

6.工程与社会：能够基于数据科学与大数据相关背景知识进行合理分析，评价大数据复杂工程问题的解决方案对社会、安全、法律以及文化的影响，并理解应承担的责任。

指标点6-1：了解数据科学与大数据技术专业领域的技术标准体系、知识产权、产业政策和法律法规，应用于复杂工程问题解决方案的制定；

指标点6-2：能够分析和评价数据科学与大数据技术领域工程实践对社会、健康、法律以及文化的影响，并理解应承担的责任。

7.环境与可持续发展：能够理解和评价针对大数据应用领域复杂工程问题的工程实践对环境、社会可持续发展的影响。

指标点7-1：理解并遵守国家对环境、社会可持续发展的最新方针、政策和法律法规，在大数据应用系统开发中建立环境保护和可持续发展理念；

指标点7-2：能够客观分析和评价大数据领域复杂工程问题实施对于环境保护及社会可持续发展的影响。

8.职业规范：具有良好的人文社会科学素养和社会责任感，能够在数据科学与大数据技术实践中理解并遵守工程职业道德和行业规范，履行相应的责任。

指标点8-1：具备科学的世界观、人生观和价值观，能够不断地提高自身的人文社会科学素养，注重心理健康，崇尚劳动光荣；

指标点8-2：具有良好思想道德修养与法律基础知识，能够在工程实践中自觉履行行业职业道德与规范，承担相应的社会责任。

9.个人和团队：具有团队合作精神，能够在团队中承担个体、团队成员以及负责人的角色。

指标点9-1：能够在多学科背景下理解团队的意义，能够在团队中胜任个体及团队成员的角色任务，拥有良好团队协作精神；

指标点9-2：能够在多学科背景下主动与其他成员协同开展工作，吸纳团队其他成员的意见与建议，能够承担负责人的角色。

10.沟通：能够就大数据应用领域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，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。

指标点10-1：能够对大数据应用领域工程问题通过报告、文稿、陈述或回应等方式准确表达自己的观点，并理解与业界同行和公众交流的差异性；

指标点10-2：了解数据科学与大数据技术专业领域的国际发展趋势、研究热点，具备基本的外语交流和书面表达能力，能够在跨文化背景下进行数据科学与大数据技术专业问题基本沟通和交流。

11.项目管理：理解数据科学与大数据技术工程实践项目管理的原理与经济决策方法，并能在多学科环境中应用。

指标点11-1：理解并掌握大数据工程项目实践中工程管理原理与经济决策方法；

指标点11-2：能够将项目管理方法和经济决策方法用于在多学科环境中大数据系统设计、开发、实施和推广过程中。

12.终身学习：有自主学习和终身学习的意识，有不断学习和适应数据科学与大数据技术专业发展的能力。

指标点12-1：能够正确认识数据科学与大数据学科及相关行业的现状与发展趋势，建立自主学习和终身学习的意识；

指标点12-2：能够树立适合自己发展的规划和目标，通过自主学习不断更新知识体系，培养自主学习的能力，不断适应大数据行业的发展。

    七、附件

    八、附表