数据科学与大数据技术专业
培养目标：
本专业培养德智体美劳全面发展的应用型数据科学与大数据工程技术人才。毕业生具备良好的计算思维、扎实的数据科学基础知识和大数据技术实践经验，胜任大数据工程师的职业要求，主动适应大数据工程技术和经济社会发展的需要，能够从事大数据分析、应用开发、系统开发、可视化、决策以及科学研究等工作。具体目标如下：
目标1：适应现代信息技术发展，掌握数据科学与大数据技术专业方向有关的标准、规范、规程、法规，能够熟练运用工程数理基本知识和数据科学与大数据技术专业知识，对大数据复杂工程项目提供系统性的解决方案，胜任大数据架构工程师、大数据开发工程师、大数据运维工程师等工作岗位。
目标2．跟踪数据科学与大数据相关领域的前沿技术，具备大数据工程创新能力、大数据分析与价值挖掘能力，并能将新技术、新方法应用于工程实践，胜任大数据分析工程师、业务数据分析师、大数据建模工程师、大数据算法工程师等工作岗位。
目标3．拥有大数据项目管理经验和沟通、协调、竞争与合作能力，能够从事研发和技术支持等相关的管理工作，胜任产品经理、运营经理、团队负责人或者企业中层领导等工作岗位。
目标4．坚守职业操守，主动履行社会责任，在大数据工程项目实践中能够综合考虑法律、文化、道德、环境与可持续性发展等因素影响，坚持公众利益优先。
目标5．具有全球化意识和国际视野，能够通过多种途径更新知识，积极主动适应不断变化的国内外形势和环境，拥有自主学习、终生学习的习惯和能力，实现个人能力和技术水平的不断提升。
毕业要求：
工科专业的毕业要求按照工程教育专业认证毕业要求十二条标准执行。具体从以下12个方面描述：
1.工程知识：掌握数学、自然科学、数据科学与大数据技术基础知识和专业知识，能够将数理知识、数据科学与大数据技术相关的工程基础和专业知识用于解决大数据应用领域复杂工程问题。
2.问题分析：掌握解决大数据应用领域的复杂工程问题所需的思维方法，具有良好的问题分析能力，能够应用数学、自然科学、工程科学、数据科学与大数据技术的基本原理，识别、表达、分析大数据应用领域的复杂工程问题，以获得有效结论。
3.设计/开发解决方案：能够针对大数据应用领域的复杂工程问题设计解决方案，运用大数据平台和机器学习系统设计、开发、生产面向特定行业的大数据产品，能够在设计、开发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：掌握数据科学与大数据技术的核心理论，能够基于数据科学的基本原理和方法，采用科学方法对大数据应用领域的复杂工程问题进行研究，包括实验设计、大数据平台部署、数据分析与解释，并通过信息综合得到合理有效的结论。
5.使用现代工具：能够针对大数据相关的复杂工程问题，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，包括对复杂工程问题的预测与模拟，并能够理解技术和工具的局限性。
6.工程与社会：能够基于工程相关背景知识进行合理分析，评价数据科学与大数据技术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，在工程实践中能坚持公众利益优先。
7.环境和可持续发展：在大数据工程实践中具有环境保护和可持续发展理念，能够理解和评价针对大数据复杂工程问题的工程实践对环境、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、公民道德操守和社会责任感，能够在大数据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：具有健康的体格和良好的心理素质，乐观积极，能正确处理竞争与合作关系，能够在多学科背景下的团队中承担个体、团队成员及负责人的角色。
10.沟通：掌握沟通的方法和技巧，能够就大数据应用领域的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：具有一定的项目管理知识和能力，理解并掌握大数据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，养成自主学习和终身学习的习惯，能够通过不断学习以提升专业能力和技术水平，主动适应社会发展的需要。
主干课程：
专业导论、程序设计基础、数据结构、数据库原理与应用、计算机网络、Java程序设计、操作系统、计算机组成原理、云计算与大数据基础、Python编程等。
集中实践性教学环节：
计算机硬件实训、程序设计基础实训、数据结构实训、数据库原理及应用实训、Linux实训、Java程序设计课程设计、Python编程实训、企业综合实习、Hadoop系统开发实训、大数据系统维护和管理课程设计、毕业设计等。
专业特色：
强调数据科学的多学科交叉特点，将社会科学，计算机科学，统计学，管理学和法学等多学科知识融入具体课程之中；凸显数据科学本身的讲解，注重提升学生的基于数据提出好问题的能力以及面向数据科学的研究设计、数据清理、存储与检索、交流与沟通、统计分析、道德与隐私、数据可视化以及数据挖掘与探索等关键技能；引入基于项目的学习方法，借鉴本校信息学院其他专业的培养经验，通过基于项目的教学方式，鼓励学生综合运用多种不同的工具和方法来解决复杂问题；强调动手实践能力的培养，为学生提供亚马逊Web服务和IBM大数据平台等实践平台。
就业去向：
毕业生能够从事基于计算机、移动互联网、电子信息、电子商务技术、电子金融、电子政务、军事等领域的大数据平台运维、流计算核心技术等方面的高级技术人才,可在政府机关、房地产、银行、金融、移动互联网等。
学时学分分配/部分主讲教师
课程体系及学时学分分配
课程模块 |
课程性质 |
学分 |
学时 |
其中 |
学分占比 |
理论 |
实践 |
通识教育课程 |
必修 |
思想政治类 |
16 |
280 |
220 |
60 |
9.2% |
人文社科类 |
23 |
524 |
348 |
176 |
13.2% |
数学与自然科学类 |
23 |
408 |
364 |
44 |
13.2% |
选修 |
6 |
96 |
96 |
0 |
3.4% |
学科基础课程 |
必修 |
36.5 |
658 |
502 |
156 |
21.0% |
专业教育课程 |
必修 |
11.5 |
208 |
172 |
36 |
16.4% |
选修 |
17 |
306 |
252 |
54 |
跨学科拓展课程 |
选修 |
4 |
|
|
|
2.3% |
实践教学环节 |
课程实践 |
0 |
/ |
/ |
/ |
21.3% |
创新创业实践 |
4 |
/ |
/ |
/ |
劳动实践 |
1 |
/ |
/ |
/ |
集中实践 |
32 |
/ |
/ |
/ |
合计 |
174 |
2480 |
1954 |
526 |
选修课比例：15.5% |
 |
 |
杜远坤：副教授，高级工程师，硕士研究生，数据科学与大数据技术专业教研室主任，长期从事软件工程、人工智能和大数据等教学任务。主要研究方向是大数据分析和处理，软件开发。近年来，在权威学报、期刊发表论文15篇，其中中文核心论文5篇，EI检索论文3篇；主编、参编著作5部；参与实用新型专利4项；主持、参与河南省科技厅、河南省教育厅重点课题5项。 |
周丽：女，九三社员，本科学历，工程硕士，副教授；主讲课程《数据结构》、《操作系统》、《Python程序设计》、《C语言程序设计》等课程；主要研究方向：计算机科学与技术、数据挖掘；长期从事计算机学科的教学和研究工作，先后发表论文12篇、著作3部、研究报告1篇、鉴定成果3项、专利8项、著作权4项；获得优秀毕业设计指导教师、全国软件创业大赛优秀指导教师等称号；获省、市优秀教学成果评比获奖多项。 |
 |
 |
薛焕堂，女，中共党员，硕士，副教授。主讲课程：《数据结构》、《C程序设计》、《数据库原理及应用》等。工作期间，曾荣获校级毕业设计（论文）优秀指导教师、年度优秀教师等荣誉。近年来先后主持或参与科研项目11项，发表科研论文19篇，其中核心论文4篇，参编著作1部，获得省、市成果奖励10项。主要研究方向：计算机科学与技术，数据挖掘。 |
张新朝，讲师，硕士研究生学历，主要研究方向为数据挖掘、云计算、区块链、教育教学；曾讲授数据结构、数据库原理及应用、多媒体技术、数据挖掘、人工智能等课程。在软件导刊等刊物发表学术论文7篇，参与2018年度河南省教育厅人文社会科学研究项目、郑州市科技局软科学研究等项目3项。 |
 |
 |
王丹辉：中共党员，硕士研究生，数据科学与大数据技术教研室副主任，主讲课程《Hadoop系统开发》、《Java程序设计》、《Android应用基础》等课程，《Java程序设计》荣获河南省本科教育线上教学优秀课程一等奖，2020年评为优秀共产党员。主要研究方向：数据分析、数据挖掘、个性化推荐算法；长期从事大数据技术研究与相关课程的教学工作，在专业CN期刊上发表相关学术论文2篇，参与河南省科技厅项目1项。 |
行久红：中共党员，硕士研究生，数据科学与大数据技术教研室教师，主讲课程《人工智能》、《Java程序设计》、《数据库原理》、《机器学习》等课程。主要研究方向：数据分析、语音识别、感知课堂等；长期从事大数据技术研究与相关课程的教学工作，在专业CN期刊上发表相关学术论文2篇。参与实用新型专利3项；参与河南省科技厅、河南省教育厅重点课题3项。 |
 |
 |
秦亚红：中共党员，硕士研究生，数据科学与大数据技术教研室教师，主讲课程《大数据分析》、《Spark大数据技术》、《Python程序设计》等课程。主要研究方向为数据挖掘算法、数据分析与可视化。长期从事大数据技术研究与相关课程的教学工作，研究成果主要有数据采集相关论文1篇、软件著作权一个以及人工智能教材编著等，参与民办课题项目、河南省科技厅项目各1项。 |
田恬恬：中共党员，硕士研究生，主讲课程《人工智能》、《计算机应用基础》，主要研究方向：人工智能、时间序列数据处理与分类、嗅觉模型；发表SCI论文2篇，EI论文2篇，中文核心论文1篇，参与湖南省科技厅项目、国家重点实验室开放课题2项。 |
