统计学(数据分析方向)专业培养方案

Probability Theory
4
68
68
2-1
考试
sx
0721014203
离散数学
Discrete Mathematics
3
48
48
2-1
考试
sx
0721009803
数理统计
Mathematical Statistics
3
48
48
2-2
考试
sx
0621007803
数据库原理及应用
Database Principles and Applications
考试
sx
0722018402
大数据可视化与安全
Big Data Visualization and Safety
30%
创新创业教育
创新创业课程
2
含在通识选修课内
1.25%
创新创业实践
2
含在实践环节内
1.25%
创新创业教育合计
4
2.50%
理论课程中的选修课比例
25%
表2 各学期必修教学环节额定学分分配表
学期
类别
1-1
1-2
2-1
2-2
2-3
3-1
3-2
3-3
4-1
4-2
学分合计
通识必修课
12.5
14.5
8.5
12.5
统计学（数据分析方向）专业培养方案
Statistics（Data Analysis Specialty）
（门类：理学；二级类：统计学；专业代码：071201）
一、专业培养目标
本专业培养德、智、体、美全面发展，在具备一定的数学、统计学和计算机科学等方面知识的基础上，较全面掌握大数据处理和分析的基本理论、基本方法和基本技术，能够运用所学知识解决实际问题，具备较高的综合业务素质、创新与实践能力，能从事大数据分析、大数据应用开发、大数据系统开发、大数据可视化以及大数据决策等工作，具有较强的专业技能和良好外语运用能力的应用型创新人才，或继续攻读本学科及其相关学科的硕士学位研究生。
物理实验（B）
●
计算机程序设计基础实验（C语言）
●
●
Matlab及实验
●
●
计算机程序设计基础实验(Java语言)
●
●
数据结构课程设计
●
●
●
Linux操作系统课程设计
●
●
●
●
Python 语言及实验
●
●
●
多元统计分析课程设计
●
●
●
大数据处理技术(Hadoop)课程设计
●
●
●
●
SPSS软件及实验
●
●
数据库原理及应用课程设计
19
332学时
11.88%
专业课
14
240学时
8.75%
专业拓展课
-
16
288学时
10.00%
课程合计
112
2048学时
70.00%
实践环节
独立设课实验
23
296学时+8周
14.38%
实习、课程设计等
13
40学时+11周
8.12%
毕业设计（论文）
12
12周
7.50%
实践环节合计
48
336学时+31周
2
36
36
4-1
考试
qy
合计
14
240
240
专业核心课合计
33
572
572
(三)专业拓展课进程表
课程类别
课程
类型
课程
代码
课程名称
学分
学时
开课
学期
考核
方式
开课单位编号
总
学
时
授
课
实
验
上
机
实
践
专
业
拓
展
课
大数据工程模块
0722022402
Hbase大数据快速读写
HbaseBigDataFastReading andWriting
1711000303
马克思主义基本原理概论
Basic Principles of Marxism
3
54
54
2-1
考试
my
1711000206
毛泽东思想和中国特色社会主义理论体系概论
The Introduction to MAO Ze-Dong Thought and the Theoretical system of Socialism with Chinese Characteristics
1.具有正确的世界观、人生观和价值观；具有良好的道德品质、高度的社会责任感与职业道德；具有良好的人文社会科学素养。
2.具有良好的人际交往能力和团队协作精神；有较强的自学能力和适应能力。
3.具有良好的数学、统计学和计算机科学基础，掌握数据科学与大数据技术、统计学和计算机科学的基本知识、方法和技能。
4.具备熟练应用计算机(包括常用语言、工具及专用软件)的基本技能,具有较强的算法设计、算法分析与编程能力。
2
wk.baidu.com40
28
12
3-1
考试
qy
0722022502
大数据查询与处理
BigDataInquiring andProcessing
2
40
28
12
3-2
考试
qy
0722022602
Spark大数据快速运算
Spark Big Data Fast Operating
2
40
28
12
4-1
考试
qy
大
0722018702
2
36
36
1-2
考试
js
必修课合计
51
996
996
通识选修课
12
按学科门类设置科学发现与技术革新（含理学、工学）、文化传承与艺术鉴赏（含文学、艺术学）、经济管理与法治教育（含经济学、管理学、法学）、创新创业等系列课程模块，要求学生毕业前选修总学分不少于12学分，其中，创新创业模块要求至少选修2学分，在授予学位门类对应模块之外要求每个模块至少选修2学分。
●
●
●
●
R语言及实验
●
●
大数据分析方法及应用课程设计
●
●
●
●
大数据综合实训
●
●
●
数据采集与网络爬虫实验
●
●
●
毕业实习
●
●
●
毕业设计
●
●
●
●
●
●
●
●
十一、指导性教学计划进程安排
(一)通识教育课进程表
课程类别
课程类型
课程代码
课程名称
学分
学时
开课
学期
考核
方式
开课单位编号
总
学
时
授
课
实
验
上
机
实
践
通识教育课
通识必修课
本专业学生培养分为两个主要阶段，第一阶段着重于数据科学理论体系的培养，即发展和完善数据科学理论体系，为数据科学人才培养提供必要的理论和知识基础；第二阶段重视实践能力的培养，即在夯实数据科学理论的基础上，重视培养学生利用大数据的方法解决具体行业应用问题的能力。
本专业毕业生在知识、能力和素质方面的具体要求：
●
●
●
●
计算机网络
●
●
●
●
多元统计分析
●
●
●
大数据处理技术（Hadoop）
●
●
●
●
大数据分析方法及应用
●
●
●
●
云计算
●
●
●
Hbase 大数据快速读写
●
●
●
大数据查询与处理
●
●
●
Spark 大数据快速运算
●
●
●
大数据统计模型
●
●
时间序列分析
●
●
●
大数据可视化与安全
●
●
●
数据科学与大数据技术专业导论
●
数学建模
7.有较强的语言表达能力，掌握资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有较强的知识更新、技术跟踪与创新能力。
8.掌握一门外语，能够阅读本专业外文书刊，并具有初步的听、说、写能力，要求学生能独立用外文撰写毕业论文。
三、主干学科
统计学、数学。
四、专业核心课程
微积分学、线性代数与解析几何、概率论、数理统计、多元统计分析、Linux操作系统、数据结构、数据库原理及应用、计算机网络、离散数学、大数据处理技术（Hadoop）、大数据分析方法及应用、云计算等。
3
48
48
3-2
考试
js
合计
19
332
332
专业课
0621007502
Linux操作系统
Linux Operation Systems
2
36
36
2-2
考试
js
0621007602
计算机网络
Computer Network
2
36
36
3-1
考试
js
0721006803
多元统计分析
MultivariateStatistical Analysis
考试
sx
1011000303
1011000403
大学物理(B)
CollegePhysics(B)
6
108
108
2-2;3-1
考试
dw
0611002002
数据结构(B)
Data Structure(B)
2
36
36
2-2
考试
js
0611000402
计算机程序设计基础(C语言)
Foundations of Computer Programming (C Language)
6
108
108
2-2
考试
my
1711000102
中国近现代史纲要
The Outline of Modern Chinese history
2
36
36
1-2
考试
my
1711000403
思想道德修养与法律基础
Ideological andMoralCultivation andLegalBasis
3
54
0
3
0
0
0
0
51
专业核心课
4
2
7
5
0
7
6
0
2
0
33
实践环节
0
3
3
4
2
7
7
2
2
18
48
必修学分合计
16.5
19.5
18.5
21.5
2
17
13
2
4
18
132
十、课程与毕业要求对应关系矩阵
表3 设置的所有课程与毕业要求的对应关系
课程名称
要求1
要求2
要求3
要求4
要求5
要求6
要求7
要求8
马克思主义基本原理概论
4
144
144
1-1;1-2;
2-1;2-2
考试
ty
1511003804
1511003904
大学英语(A)
College English(A)
8
128
128
1-1;1-2
考试
wy
0711003304
0711003405
0711003504
微积分学
Calculus
13
260
260
1-1;1-2;
2-1
●
毛泽东思想和中国特色社会主义理论体系概论
●
中国近现代史纲要
●
思想道德修养与法律基础
●
●
形势与政策
●
体育
●
●
大学英语(A)
●
●
大学物理(B)
●
微积分学
●
数据结构(B)
●
●
●
计算机程序设计基础 (C语言)
●
●
线性代数与解析几何
●
概率论
●
●
离散数学
●
●
数理统计
●
●
●
数据库原理及应用
●
●
●
●
Linux 操作系统
大数据统计模型
Big Data Statistical Models
2
40
40
3-1
考试
sx
续表（三）
课程类别
课程
类型
课程
代码
课程名称
学分
学时
开课
学期
考核
方式
开课单位编号
总
学
时
授
课
实
验
上
机
实
践
专
业
拓
展
课
数据技术模块
0722019802
时间序列分析
Time Series Analysis
2
40
40
3-2
六、修业年限
四年
七、授予学位
理学学士
八、毕业最低学分要求
毕业所必须达到的总学分为160学分。
九、培养方案的构成及学时、学分分配
表1人才培养方案学分构成表
课程类别
课程类型
学分数
学时数（或周数）
占总学
分比例
通识教育课
通识必修课
51
996学时
31.87%
通识选修课
12
192学时
7.50%
专业核心课
专业基础课程
五、主要实践性教学环节
Matlab及实验、计算机程序设计基础实验(C语言)、计算机程序设计基础实验（Java语言）、数据结构课程设计、Linux操作系统实验、数据库原理及应用课程设计、Python语言及实验、多元统计分析课程设计、SPSS软件及实验、R语言及实验、大数据处理技术（Hadoop）课程设计、大数据综合实训、数据采集与网络爬虫实验、毕业实习、毕业论文(设计)等。
二、毕业要求
本专业是一门涉及数学、统计学、计算机科学等多领域的交叉学科。学生主要学习数学、统计学、计算机科学的基本理论和基本知识，打好坚实的数学基础，受到系统而扎实的计算机编程训练，具备较强的数据分析和信息处理能力，能在大数据科学与工程技术领域从事数据分析管理、系统设计开发、大数据处理应用、科学研究等方面的工作，具备综合运用所学知识分析和解决实际问题的能力。
5.具备扎实的数据科学与大数据技术的基本理论和方法，掌握数据挖掘的常用算法，能从实际问题入手，具备数据的处理、使用相关理论和算法快速解决实际问题的能力，并具备对数据挖掘结果进行全面分析的能力。
6.受到系统的科学研究训练，具有一定的科学研究和实际工作能力；了解本学科的发展趋势和大数据技术的应用前景，具备在大数据科学与工程技术领域从事数据分析管理、系统设计开发、大数据处理应用、科学研究的基本能力。
(二)专业核心课进程表
课程类别
课程
类型
课程
代码
课程名称
学分
学时
开课
学期
考核方式
开课单位编号
总
学
时
授
课
实
验
上
机
实
践
专业核心课
专业基础课
0721014404
0721014502
线性代数与解析几何
LinearAlgebraand Geometry
6
120
120
1-1;1-2
考试
sx
0721007204
概率论
●
●
算法设计与分析
●
●
操作系统
●
●
数值分析
●
●
贝叶斯统计
●
●
运筹学
●
●
续表3
课程名称
要求1
要求2
要求3
要求4
要求5
要求6
要求7
要求8
社交网络分析
●
●
商业大数据分析
●
●
数学能力训练
●
数学专题讨论
●
大数据企业项目实战
●
●
●
近代回归分析方法
●
●
深度学习
●
●
入学教育、军训
●
●
公益劳动
●
●
创新创业实践
●
●
●
●
54
1-1
考试
my
1711000601
1711000701
1711000901
1711001001
形式与政策
Situation and Policy
2
32
32
1-1;1-2;
2-1;2-2
考试
my
1811000701
1811000801
1811000901
1811001001
体育
Physical Education
3
48
48
3-1
考试
sx
0721012702
大数据处理技术（Hadoop）
Hadoop
2
36
36
3-1
考试
qy
0721013803
大数据分析方法及应用
Big Data Analysis Methods and Applications
3
48
48
3-2
考试
sx
0721014902
云计算
Cloud Computing