专业基本信息Ø 应用型人才培养示范专业
Ø 广东科技学院重点学科依托专业
Ø 广东科技学院协同育人中心依托专业
Ø 计算机学院在建品牌专业
Ø 战略性新兴产业本科专
Ø 连续5年第一志愿录取率超100%专业
数据科学与大数据技术专业是面向大数据时代巨大人才需求的新工科专业，是全国第三批教育部批准的本科专业。本专业立足东莞、面向广东、辐射全国；面向区域新一代信息技术产业生产、服务一线。
本专业立足东莞、面向粤港澳大湾区，主动适应区域经济和产业发展的需要，以落实立德树人为根本任务，培养德智体美劳全面发展，拥有坚定的理念与信仰，秉持高尚的道德品质，具备较深厚的人文底蕴与广博的科学知识，系统地掌握数据科学与大数据技术的基本理论和方法，够在互联网、电子商务、物流等行业以及政府等部门，从事大数据开发、分析及挖掘等工作的高素质应用创新型人才。学生在毕业后5年左右预期能够达到以下目标：
目标1： 能够掌握数据科学与大数据领域相关知识，并具有终身学习和适应发展的能力；
目标2：具有创新意识和数据科学与大数据工程实践能力，能够解决数据科学与大数据技术相关领域数据采集与分析、大数据系统开发、大数据可视化、管理大数据系统等与大数据有关的复杂工程问题；
目标3：具备可持续发展意识和社会责任感，能够理解并遵守数据科学与大数据工程职业道德和规范；
目标4：具有国际化视野、团队合作精神和协调组织能力，能够在跨文化和多学科背景下进行沟通交流。
数据科学与大数据技术业为四年制，授予工学学士学位。专业总共需修满163学分，其中通识教育必修课程46学分，通识教育选修课程10学分，学科（专业类）基础教育课程14学分，专业必修课程31学分，专业组选课程12学分，专业任选课程12学分，集中实践13学分，分类实践8学分，社会实践2学分，毕业实践16学分。
（1）掌握应用数学、统计学、计算机科学等基础知识和科学方法，并能用于指导在大数据领域的实践；
（3）掌握数据科学相关的概率论与数理统计、线性代数、离散数学等方面的知识；
（4）掌握分布式程序设计、大数据相关的分布式计算、分布式系统、分布式数据库等方面的知识与方法；
（5）掌握数据采集、数据分析与数据挖掘、机器学习等方面的理论和实践知识；
（6）掌握数据可视化分析处理、大数据行业领域程序开发等方面的理论和实践知识；
（7）掌握数据科学与大数据技术在信息处理、文本处理与分析、大数据行业领域程序开发方面的知识。
（1）能综合运用数据科学与大数据技术专业知识，采集、分析和处理大规模数据集的基本信息处理能力；
（2）能运用相关编程语言工具进行数据分析，从复杂数据中快速洞察有价值的信息，进行数据全生命期管理、统计分析和故事化描述能力；
（3）能基于规范的技术和抽象的方法，面向现实世界中的具体问题进行建模，挖掘出所需有用的信息进行分析处理能力；
（4）能运用专业外语知识和基本的交流能力，获取数据科学与大数据技术领域的新技术，解决企业需求所遇到的新问题；
（5）掌握和应用机器学习及数据可视化手段，对具体行业中实际数据问题进行团队协作处理的能力。
（1）具有高度的社会责任感；具有良好的职业道德和学术道德；
（2）具有开阔的视野及可持续发展理念；
（3）具有博爱和宽容的道德情操；
（4）具有锲而不舍、追求真理的精神；
（5）具有团队合作精神。
树立爱国、爱党、爱奉献的正确的世界观、人生观和价值观，尊重劳动、遵纪守法，团结协作、开拓创新，具有良好的思想道德、社会公德和职业道德，自觉为国家大数据产业服务，为地方经济社会发展服务。通过本科阶段学习，毕业生应达到以下思想政治和德育、知识、能力和素质的毕业要求：
毕业要求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大数据领域复杂工程问题。
指标点1-1：具备数学、自然科学和工程科学知识，并能将其应用于大数据工程问题的恰当表述。
指标点1-2：掌握计算机类工程基础知识，能够对大数据应用问题建立模型并求解。
指标点1-3：掌握统计分析基础理论，并能对行业大数据进行数据分析，对数据模型进行推理和验证，进而提供管理决策支持。
指标点1-4：能够运用专业知识对复杂大数据工程问题的解决途径进行分析、改进。
毕业要求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大数据领域复杂工程问题，以获得有效结论。
指标点2-1：能够应用数学、自然科学和数据科学与大数据技术专业的基本原理，对大数据领域复杂工程问题进行识别、提炼并表达。
指标点2-2：能够通过研究分析文献寻求大数据领域复杂工程问题的解决途径。
指标点2-3：具备对大数据领域复杂工程问题多种解决方法的分析、比较和评价能力。
指标点2-4：能够运用数学、自然科学和数据科学与大数据技术专业的基本原理，分析复杂工程问题中的关键影响因素，验证其合理性并获得有效结论。
毕业要求3
设计/开发解决方案：能够针对数据科学与大数据领域工程实践问题设计解决方案，设计满足特定需求的系统（或单元），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。
指标点3-1：能够综合考虑社会、健康、安全、法律、文化及环境等因素，针对数据科学与大数据进行可行性分析和需求分析，并形成分析文档。
指标点3-2：能够以需求分析为基础，进行数据科学与大数据的设计，并形成设计文档。
指标点3-3：能够以设计文档为基础，采用新技术、新方法，在设计中体现创新意识。
指标点3-4：能够运用测试工具对实现的系统进行测试，检查是否满足功能、性能、社会、健康、安全、法律、文化以及环境等特定需求，形成测试报告，并根据测试结果优化系统。
毕业要求4
问题研究：能够对数据科学与大数据工程实践问题进行设计实验、分析与解释数据、并归纳综合得到合理有效的结论。
指标点4-1：能够基于数学、自然科学、数据科学与大数据基本原理，结合文献资料，调研和分析数据科学与大数据设计、开发过程中的关键问题及解决方案。
指标点4-2：能够根据数据科学与大数据关键问题，选择研究路线，设计实验方案。
指标点4-3：能够根据实验方案，搭建数据科学与大数据实验平台或环境，开展相关实验，有效收集实验数据。
指标点4-4：能正确采集、整理实验数据，对实验结果进行分析和解释，获取合理有效的结论。
毕业要求5
使用现代工具：能够针对工程实践问题，开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具，包括对工程实践问题的预测与模拟，并能够理解其局限性。
指标点5-1：掌握数据科学与大数据领域主要资料来源及获取方法，能够利用网络查询、检索本专业文献、资料及相关软件工具。熟练运用数据科学与大数据领域常用的建模工具、设计工具、开发工具和测试工具等。
指标点5-2：能够熟练利用数字化资源、数据科学与大数据工具和泛在数字化平台，开拓探索和创新，解决数据科学与大数据领域工程实践问题。
指标点5-3：能够针对数据科学与大数据领域的工程实践问题，选择并使用恰当的工具，进行计算、分析、评价与设计；能够利用人工智能等相关工具提高工作效率、发现数据科学与大数据中的问题。
毕业要求6
工程与社会：能够基于数据科学与大数据领域知识进行合理分析，评价大数据（或单元）工程实践问题的解决方案对社会、健康、安全、法律以及文化的影响，并理解应承担的责任。
指标点6-1：了解数据科学与大数据专业相关的历史和文化背景，能够正确认识数据科学与大数据对客观世界和社会的相互关系和影响。熟悉与数据科学与大数据行业相关的技术标准体系、知识产权、产业政策和法律法规。
指标点6-2：能够识别和分析数据科学与大数据领域新产品、新技术、新工艺的开发与应用对社会、健康、安全、法律以及文化的影响，进行客观评价，并承担相应责任。
毕业要求7
环境和可持续发展：知晓国家的环境可持续发展战略及相关的政策、法律和法规；能理解和评价数据科学与大数据领域工程实践对于环境和社会可持续发展的影响。
指标点7-1：知晓和理解环境保护、社会和谐和可持续发展的理念和内涵，包括经济可持续、生态可持续、人类社会可持续，了解大数据相关的工程实践活动对生态环境的影响，并本专业可持续发展做出正确的评价。
指标点7-2：了解大数据技术对人类社会可持续发展的影响，具有节能环保意识。
毕业要求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。
指标点8-1：能够具有良好的思想道德素养，拥有科学的世界观、人生观和价值观，践行社会主义核心价值观，具有强烈的爱国意识和民族精神，自觉地为社会主义现代化建设服务。具有良好的个人内在素养（美学素养、科学素养和文化涵养）；自觉践行社会主义核心价值观，把握理想信念，弘扬传统文化﹑传承中国精神﹑坚定文化自信。学会自尊自爱、合作共赢、责任感恩，培养理性平和的心态和勇于担当的家国情怀。
指标点8-2：理解大数据技术对人类文明、社会进步的推动作用，具备人文素养、思辨能力、处事能力和科学精神。
指标点8-3：理解数据科学与大数据相关工程技术的社会价值以及工程师的社会责任，自觉遵守工程师职业道德和行为规范；掌握数据科学与大数据职业发展的阶段特点以及社会环境，撰写合理的职业生涯规划书；了解就业政策，把个人发展和国家需要、社会发展相结合，树立正确的就业取向。
毕业要求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。
指标点9-1：理解团队及团队中各成员角色的定位与职责，能胜任团队中的个人角色并认真履行职责，能在团队中独立开展个人工作。
指标点9-2：在多学科背景团队中发挥个人作用，能够与团队成员、其他学科成员进行有效沟通、合作共事，并具有组织协调和团队合作能力能力，高效沟通其他团队成员，解决矛盾冲突，合作开展工作。
毕业要求10
沟通（表达力）：能够就工程实践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。
指标点10-1：具备良好的口头和书面表达能力，能用中文和外语进行有效沟通和交流，能就复杂工程问题，能够以发言陈述、报告文稿及图表等方式，清晰准确地表达个人的观点。
指标点10-2：能够就数据科学与大数据相关的工程实践问题的解决方案、过程与结果，与业界同行及社会公众进行交流，通过书面报告、设计文档和口头陈述清晰地表达团队或个人观点与设计理念、清晰表达或回应指令。
指标点10-3：具有良好的外语应用能力，能够阅读本专业外文文献资料，有良好的跨文化交流能力。
毕业要求11
项目管理：理解并掌握数据科学与大数据领域工程管理原理与成本效益分析方法，并具有在多学科环境中进行应用的能力。
指标点11-1：理解数据科学与大数据工程项目管理、成本效益分析的整体框架，掌握数据科学与大数据项目中涉及的管理和成本效益分析方法。
指标点11-2：了解数据科学与大数据工程及产品全周期、全流程的成本构成，理解数据科学与大数据工程项目的时间及成本管理、质量及风险管理、人力资源管理等问题。
指标点11-3：能够在多学科环境下，在设计、开发数据科学与大数据工程解决方案的过程中，运用工程管理与经济决策的方法。
毕业要求12
终身学习（学习力）：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。
指标点12-1：进一步理解自主学习的重要性，强化自主学习意识，能够利用线上学习、课外资源等方式，培养学生自主的习惯，理解技术进步和技术环境多样化对知识和能力的要求，能够认识到不断学习的必要性，具有自主学习和终身学习的意识。
指标点12-2：具有自主学习的能力，包括对技术问题的理解能力，归纳总结的能力和提出问题的能力等，适应社会发展。
数据科学与大数据技术专业课程体系分为8个模块，分别为公共必修课模块、公共选修课模块、基础必修课模块、专业必修课模块、专业组选课模块、专业任选课模块、专项实践模块和其他实践模块，其中专项实践模块主要以周为单位进行集中实训，该体系有效地突出“以学为中心”，有利于培养多元化、创新型大数据应用人才，也是数据科学与大数据技术专业“人职匹配”人才培养模式与岗位需求对接最鲜明的特色。核心课程及实践教学环节如下：
C语言程序设计、数据结构与算法、计算机组成原理、操作系统原理、计算机网络。
数据可视化、Python基础与应用、Java程序设计、NoSQL数据库技术、大数据技术原理与应用、大数据运维、数据采集与管理。
大数据分析方向：数据分析与挖掘技术、机器学习、统计数据分析方法。
大数据开发方向：大数据实时计算（Kafka+Spark）、流计算、数据仓库（Hive）。
专业英语B、人工智能基础A、数据导入与预处理应用、数据科学与大数据专业文献检索与论文写作、Scala技术与应用、数据科学导论、大数据与云计算、混合现实技术、分布式计算、区块链原理与技术、NoSQL数据库技术、多模态信息处理、知识图谱、数据隐私与安全、多元统计分析与R语言建模、服务科学与服务工程概论、数据库系统工程师
C语言课程设计、数据结构与算法课程设计、Python课程设计、数据库课程设计、大数据技术原理与应用课程设计、Java课程设计、机器学习B/数据仓库（Hive）课程设计、统计数据分析方法课程设计/大数据实时计算（Spark+Kafka）课程设计、数据可视化课程设计、数据分析与挖掘技术课程设计/流计算课程设计、大数据运维课程设计等。
研学能力提升、企业见习实践、创新项目实践。
数据科学与大数据技术专业拥有一支学历职称高、学缘结构合理、教学科研能力强的专业教师队伍。现有专任教师27人，其中教授4人、副教授3人、讲师5人，90%以上的专任教师具有硕士学历或学位，教师队伍年富力强，平均年龄在39岁左右。其中李康顺教授被华南农业大学聘为博士生导师。由数据科学与大数据技术专业教研室两位博士教授组成科研教学团队，不断增强教学与科研能力，同时不断引进大数据技术方面的专家、应用领域的技术骨干充实到教学岗位，在岗教师通过不断学习，提高学历学位、新知识能力水平。另外还聘请知名企业的相关技术专家兼职授课，使专业建设和发展得到了极好的保障。
。
数据科学与大数据技术专业是计算机学院的一个重要的本科专业，重视实践教学在人才培养中的作用，不断加强校内外实践教学基地建设，除计算机学院原有的实验、实训室，如数据库应用开发实验室、Java开发实验室、云终端实验室等25间专业实验（训）室外，陆续新建或升级了大数据实验室，现有大数据实验实训室6间，仪器设备总值878.85万元,与企业共建校外实习基地6家。本专业着力加强与企、事业单位联系，适时更新、完善实践教学内容，将新技术、新方法带入实践教学中，不断推进实践课程的教学改革，强化实践教学管理。
l 办学理念、办学思路特色
（1）坚持培养“符合智能制造企业、大数据供应链平台企业需求的高素质应用创新型人才”的办学理念
大数据技术专业坚持“以学为中心，以产出为导向”的教育理念，立足东莞，面向粤港澳大湾区，采取“五育并举”人才培养模式，努力建成符合大数据相关企业需求的高素质应用创新型人才培养基地。
（2）坚持“准确定位、发挥优势、突出特色”的办学思路
坚持教学、科研、社会服务“三位一体”的发展思路，以专业建设为核心，以提高教学质量和科研水平为目的，以加强课程建设为重点，以全面提高素质教育为宗旨，改革创新，准确定位，发挥优势，突出特色。
l 专业教育突出“人才培养+思政教育”特色
实施德、智、体、美、劳“五育并举”育人模式，深化专业内涵建设和课程思政建设，依托“五育平台”，实现思政教育与专业培养有机结合，突出人才培养的育人特色。
l 专业教学体现“产、学、研相结合”办学特色
通过和企业合作实施“创新班”人才培养模式的改革，构建以“6+1+1”相结合的应用型本科人才培养模式。为学生高质量就业奠定基础。此外，在专业建设方面，积极拓宽渠道，寻求学校与相关企业、事业单位的合作，尝试组织学生用所学知识对接服务政府、企业等。2018年-2024年，各专业综合性较强的课程实践环节（实训周）都邀请一线工程师进入课堂授课，带真实项目进入课堂，大大提高了师生的动手实践能力。同时，与东莞市先知大数据有限公司和华云数据有限公司等17家企业开展了深度合作，共建教育部协同育人项目2项。
专业其他信息
教学改革方面不断取得新成果。不断尝试探索创新教学手段和方法，寓教于乐、寓教于趣。落实“人职匹配、分类教学”的教学模式改革。教学质量得到了很大的提高，教师的教学科研水平也同步提高，截至2024年9月，本专业已建设基于超星学习通平台在线开放课程22门，校级优质课程5门，校级高水平课程2门，校级课程思政示范课程3门，校级课程思政示范课堂3门；本专业教师承担各类科研项目31项，教改课题36项，科研经费173.1万元，软件著作权8项，实用新型专利4项。同时尝试组织学生参加各种应用学习竞赛，不断提高学生学习的自觉性与学习效果。近四年，学生获得国家级竞赛奖8项，省级竞赛奖91项。
本专业学生专业基础扎实、实践动手能力强、创新意识高、就业方向广，毕业后进入华为、腾讯、深圳讯方、科大讯飞、科技博士、中科软等知名企业高薪就业，就业对口率90%以上。主要就业方向有：数据分析、系统研发、应用开发。基本职位是大数据分析工程师、大数据系统开发工程师和大数据应用开发工程师。工作岗位有：ETL研发、Hadoop开发、可视化工具开发、信息架构开发、数据仓库研究、OLAP开发、数据科学研究、数据预测分析、企业数据管理和数据安全研究等。
主要IT认证有：大数据工程师、大数据开发工程师、数据分析师、华为认证系列等。
在升学方面，在2024年的研究生入学考试征途中，计算机学院助力31名学子实现了他们的学术梦想。数据科学与大数据专业作为学院的亮点，以其前沿性和实用性吸引并培育了11名优秀学子，其中4名学子更是在激烈的竞争中脱颖而出，成功进入世界QS排名前100的顶尖大学深造。
到此这篇大数据培训哪些课程（大数据培训有哪些课程）的文章就介绍到这了,更多相关内容请继续浏览下面的相关推荐文章，希望大家都能在编程的领域有一番成就！版权声明：
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若内容造成侵权、违法违规、事实不符，请将相关资料发送至xkadmin@xkablog.com进行投诉反馈，一经查实，立即处理！
转载请注明出处，原文链接：https://www.xkablog.com/sjkxydsj/65697.html