一、专业基本信息

1.专业定位

面向现代生产、服务型行业对大数据岗位的需求，培养掌握计算机专业和大数据专业基础知识，熟练使用大数据主流方法和技术，能从事大数据获取、存储、分析挖掘、应用系统开发、平台部署和运维工作的高素质应用型本科人才。

2.培养目标

培养目标：本专业培养德、智、体、美、劳全面发展，掌握面向大数据应用的数学、统计学、计算机等学科基础知识，掌握数据建模、数据处理与分析的基本理论、基本方法和基本技能，具有在自然科学和社会科学等应用领域中从事大数据应用的能力，能在国家机关、企事业单位、金融机构等部门从事大数据分析与挖掘、大数据应用系统设计与开发、大数据系统运维管理工作的高素质应用型本科人才。

目标1：拥护中国共产党的领导，具有社会主义核心价值观，具备良好的人文修养和审美能力，体格健康，具有正确的劳动观和较强的劳动能力。

目标2：掌握专业必备的数学和自然科学知识、系统掌握计算机科学专业基础理论知识和数据科学与大数据技术专业知识，理解数据科学与大数据技术的基本理论和基本方法，建立以“数据为中心”的核心知识体系；具备大数据思维和大数据处理的基本能力；

目标3：掌握数据建模、数据处理与分析的基本理论、基本方法和基本技能，具有在自然科学和社会科学等应用领域中从事大数据应用的能力，建立以“数据分析与建模为中心”的知识体系和应用能力，具备解决复杂的实际问题和对结果进行分析的能力；

目标4：遵守职业道德和规范，掌握工程管理原理与经济决策方法，在解决复杂的工程问题时，能够考虑环境、法律、伦理、道德等非技术因素；

目标5：有较强的工程实践和团队协作能力，能够持续学习和跟踪数据科学与大数据技术领域的前沿技术，并能在一定程度上进行技术创新。

3.培养规格

（一）学制

学制四年，修业年限为3到8年。

（二）修读学分要求

165学分。

（三）授予学位

工学学士学位。

（四）毕业要求

1．工程知识：掌握解决复杂工程问题所需要的数学、自然科学、工程基础和数据科学与大数据技术的专业知识，掌握的程度应能达到以下要求：

指标点1.1：能够分析和描述复杂数据科学与大数据技术领域工程问题；

指标点1.2：能够解决复杂数据科学与大数据技术领域工程问题中所需的算法设计、程序设计与实现；

指标点 1.3：能够用于系统设计、实现与评价。

2．问题分析：能够应用数学、自然科学、工程科学的基本原理和数据科学与大数据技术的专业知识，识别、表达复杂数据科学与大数据技术问题，并通过分析研究，获得解决关键问题的有效方案。

指标点2.1：能够运用数学、自然科学、工程科学的基本原理和数据科学与大数据技术领域的专业知识，识别、判断并有效分解复杂数据科学与大数据技术领域问题的关键环节。

指标点2.2：能够基于数学、自然科学、工程科学的基本原理和模型方法，正确表达复杂数据科学与大数据技术领域问题。

指标点2.3：能够运用数学、自然科学、工程科学的基本原理分析复杂数据科学与大数据技术领域问题，并借助参考文献研究分析求解过程的各种影响因素，以获得解决关键问题的有效方案。

3．设计、开发解决方案：能够针对复杂数据科学与大数据技术领域问题提出解决方案，设计满足特定需求的数据模型，并能够在数据处理与分析环节中体现创新意识，能够综合考虑其对社会、健康、安全、法律、文化以及环境的影响。

指标点3.1：掌握数据科学与大数据技术领域应用系统开发方法以及数据处理与分析方法，了解影响设计目标和技术方案的各种因素。

指标点3.2：能够针对特定需求，完成数据模型的设计并提出解决方案。

指标点3.3：能够对复杂数据科学与大数据技术领域问题进行数据处理，并在数据处理与分析中体现创新意识。

指标点3.4：在数据处理与分析时能够考虑社会、健康、安全、法律、文化以及环境等制约因素。 

4．研究：能够基于科学原理并采用科学方法对复杂数据科学与大数据技术领域问题进行研究，包括设计实验、分析与解释数据、并通过信息综合得到合理有效和客观的结论。

指标点4.1：能够针对复杂工程问题选择研究路线，设计实验方案。

指标点4.2：能够采用科学的实验方法和实验工具开展实验，提取实验数据，规范表述实验结果。

指标点4.3：能够对实验数据进行系统的分析和解释，通过信息综合，归纳得到合理有效的结论。

5．使用现代工具：能够针对复杂数据科学与大数据技术领域问题，选择使用恰当的大数据技术、资源、运用常用的数据科学与大数据技术处理工具和信息技术工具，对复杂数据科学与大数据技术领域的问题进行数据采集、清洗、存储、分析、建模、开发和可视化，并能够理解其局限性。

指标点5.1：掌握数据科学与大数据技术专业领域常用的数据处理工具和软件，并能够理解其局限性。

指标点5.2：能够针对复杂的数据科学与大数据技术领域问题，选择使用恰当的数据处理工具和软件，进行数据采集、清洗、存储、分析、建模、开发和可视化。

指标点5.3：能够针对具体的问题，选择满足需求的数据处理模型和技术，预测与模拟复杂数据科学与大数据技术领域问题，并能够进行统计和分析。

6．工程与社会：能够基于数据科学与大数据技术领域相关背景知识进行合理分析、评价工程解决方案和实践对社会、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技术行业领域的技术标准体系、知识产权、产业政策和法律法规，理解不同社会文化对数据科学与大数据技术领域实践过程的影响。

指标点6.2：能够分析和评价复杂数据科学与大数据技术领域问题解决方案对社会、健康、安全、法律以及文化的影响，以及这些制约因素对项目实施的影响，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数据科学与大数据技术领域问题的专业工程实践对环境、社会可持续发展的影响，并将评价结果应用于复杂数据科学与大数据技术领域问题的解决方案中。

指标点7.1：知晓和理解专业工程实践中环境保护和可持续发展的理念和内涵。

指标点7.2：在复杂数据科学与大数据技术领域问题的解决方案中体现环境友好型设计理念，并选用有利于环境、社会可持续发展的新技术。 

8．职业规范：具有人文社会科学素养、社会责任感、能够在专业工程实践中理解并遵守数据科学与大数据技术的职业道德和规范，履行责任。

指标点8.1：具有良好的人文社会科学素养，能够基于正确的政治立场、世界观、人生观和价值观对专业工程实践的社会道德和价值取向问题进行评判。

指标点8.2：理解工程技术的社会价值以及工程师的社会责任，在专业工程实践中自觉遵守数据科学与大数据技术领域职业道德和规范，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，具有良好的团队协作能力。

指标点9.1：正确认识个人在团队中的作用，能够在团队中独立开展工作。  

指标点9.2：能够与团队中的不同学科的成员有效沟通，合作共事。能够组织、协调团队开展工作。  

10．沟通：能够就复杂数据科学与大数据技术领域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：能够就专业问题，运用口头、文稿、图表等方式，与业界同行及社会公众进行有效沟通和交流。  

指标点10.2：具有较强的外语运用能力，具备一定的国际视野，在跨文化背景下进行基本沟通和交流。

11．项目管理：理解并掌握数据科学与大数据技术项目管理原理与经济决策方法，并能够在多学科环境中应用，具备数据科学与大数据技术项目的管理能力。

指标点11.1：了解大数据应用技术在采集、清洗、存储、建模、分析与挖掘、可视化的全周期、全流程的处理过程，理解其中的工程管理与经济决策的关系问题。掌握数据科学与大数据技术领域项目管理和经济决策方法。  

指标点11.2：能够在多学科环境下，在设计复杂数据科学与大数据技术领域问题解决方案的过程中，运用数据科学原理与经济决策方法，具备数据科学与大数据技术领域的项目管理能力。  

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。

指标点12.1：具有自主学习和终身学习的意识，掌握大数据应用技术的基本方法和途径以跟踪数据科学与大数据技术领域专业学科前沿、发展趋势。   

指标点12.2：具有自主学习的能力，运用现代工具进行终身学习以拓展能力，不断获取新的数据科学与大数据技术领域专业知识和技能，以适应技术进步和社会发展变化的需求。 

 

4.课程体系

专业核心课程：Linux环境C程序设计、计算机科学导论、Linux系统管理与运维、网络应用技术、面向对象设计与编程、数据结构与算法、数据库系统原理、Web应用开发技术、Python编程基础与应用、大数据导论、操作系统、云计算基础与实用技术、大数据算法解析、数据分析与建模、大数据技术基础与应用、大数据处理引擎与实践、数据仓库与挖掘技术、大数据可视化分析、大数据项目实训。课程体系如表1所示。

表1 课程体系

课程类别	总学分	理论学时	实践学时	比例
公共必修课	45	542	348	27.2%
专业必修课	77	774	612	46.7%
专业限选课	0	0	0	0%
通识限选课	3	56	0	1.8%
任选课	28	45	477	17.0%
毕业实习	4	0	72	2.42%
毕业设计(论文)	8	0	144	4.85%
总计	165	1417	1653	100%

5.师资队伍

教师队伍优秀，教学水平较高。形成了专业带头人、专业核心课程负责人、骨干教师、优秀青年教师“四位一体”的具有较强教学、科研能力的教师梯队，专任教师数量和结构满足本专业教学要求，具有专任教师31名，专业核心课程教师11人，合作企业兼任教师4人。专业师生比为 1 ：20.35。（国标：专业师生比大于1：24，专任教师人数大于等于12人）。

师资队伍的专业背景大多是毕业于211和985院校如中山大学、华南理工大学、华中科技大学等计算机类相关专业毕业，专业背景或相近专业背景者的比例达到90%以上。

本专业的专任教师31名。在学历结构上，本专业有博士4人，硕士23人，专任教师中具有硕士、博士学位的占87.09%。教师年龄结构老中青比例8：19：44，主要以中青年教师为主。学历结构如表2所示。

表2 专任教师学历结构表

本专业的专任教师31名，其中教授5名，副教授、高级工程师等副高职称13名，专任教师中具有高级职称的比例为58.06%。讲师、工程师等中级职称13名。专任教师职称结构如表3所示。

表3 专任教师职称结构表

6.教学条件

专业教学实验室配套完善，设备先进，利用率高，在专业人才的培养中发挥了较好的作用。本专业现有9个专业实验室，实验室面积共1453平方米，教学教室面积达到6300平方米，生均教学行政用房达到16.3平方米（国标要求大于16平方米）；实验室软硬件设备总值805.8万元，为19门专业必修实验课程及14门选修实验课程提供支持。校企合作共建了大数据应用开发云实验室，目前已建设3期，包括大数据虚拟化管理平台、大数据挖掘与分析平台、大数据分析与挖掘算法应用平台、大数据可视化应用开发与展示平台等，此外，还建设了虚拟化与云计算实验室、智能信息处理实验室、程序设计仿真教学实验室、Paas软件开发实验室、华为云人工智能实验室、以及2个移动互联网应用开发实验室等，实验室设备较先进，空闲状态下均向师生全面开放，平均利用率达高，能够满足专业教学需求，在人才培养中能发挥较好作用。实验室管理、维护和更新机制良好。数据科学与大数据技术实验室情况汇总如表4所示。

表4 数据科学与大数据技术实验室情况汇总表

序号	实 验 室 名 称	实验室面积（M2）	实 验 室人员配备 （人）	仪器设备（台、件）		仪器设备总值（万元）
				合计	万元以上
1	大数据应用开发实验室-数据中心	60	2	9	9	95
2	云桌面多媒体实验室	598	3	310	0	81.25
3	移动互联网应用开发实验室	245	3	321	27	195
4	大数据程序设计实验室	180	3	65	0	59
5	Oracle数据库虚拟化平台	60	1	27	0	11
6	虚拟化与云计算实验室	70	2	59	0	36
7	华为云人工智能实验室	140	3	59	0	166.6
8	智能信息处理实验室	40	2	2	2	17.5
9	Paas软件开发实验室	60	2	124	4	54.8

 

本专业积极探索建立校外实习实训基地建设之路，形成了以校企结合为主的实习实训基地建设模式。通过与专业相关的、有一定规模、技术较先进、管理严格、经营规范的社会企业联系，按照双方受益的原则，发挥学校和企业在人才培养方面的各自优势，合作建设实习实训基地，为学生搭建了实践和就业平台。为规范管理实习实训基地，制定了相关管理制度。

目前，数据科学与大数据技术专业已有的实习实践实训基地共8个，分别是广东酷帮信息科技有限公司、深圳市览众科技股份有限公司、赞同科技股份有限公司广州分公司、广州超联软件科技有限公司、广东华际友天信息科技有限公司、广东瑞联科技有限公司、讯猫软件集团有限公司、广州华钦软件技术有限公司。

上述实习基地承担的实践内容包括：大数据分析与建模的开发实践、大数据算法解析相关实习实践、Hadoop大数据处理相关的实习实践、大数据专业的毕业实习集中实践、大数据可视化分析的实践训练、数据仓库与数据挖掘的技术实践、毕业设计和机器学习相关实践等。上述企业同时参与了本专业每年举行的“暑期项目实训”以及“实验班”实践教学模式，实习实训基地运行稳定，开展实践教学效果良好。

二、其他专业相关的重要信息

无