北京大学数据科学专业本科生教学大纲草案2015072501

合集下载

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案引言概述:数据科学与大数据技术是当今信息时代最热门的专业方向之一,随着大数据时代的到来,数据科学家和大数据工程师的需求不断增加。

为了满足市场需求,各大高校纷纷开设了数据科学与大数据技术专业,并制定了相应的培养方案,以培养出高素质的数据科学家和大数据工程师。

一、课程设置1.1 数据科学基础课程数据科学专业的基础课程包括统计学、数据结构、数据库原理等,通过这些课程的学习,学生可以建立起对数据科学的基本理论和方法的认识。

1.2 大数据技术课程大数据技术专业的课程包括分布式计算、数据挖掘、机器学习等,学生通过这些课程的学习可以掌握大数据处理和分析的技术。

1.3 实践课程除了理论课程外,学校还会安排实践课程,如数据分析实训、大数据项目实践等,让学生在实际操作中掌握数据科学和大数据技术的应用。

二、实习实训2.1 企业实习为了让学生更好地了解行业需求,学校会安排企业实习,让学生有机会在真实的工作环境中实践所学知识。

2.2 实训项目学校还会组织实训项目,如大数据分析竞赛、数据科学项目实践等,让学生在实践中提升自己的能力。

2.3 导师指导学校会为学生配备导师,帮助学生解决实习实训中遇到的问题,指导他们在实践中不断成长。

三、科研项目3.1 科研基金学校会鼓励学生参与科研项目,申请科研基金,培养学生的科研能力和创新意识。

3.2 学术论文学生可以选择参加学术会议、发表学术论文,提升自己的学术水平和影响力。

3.3 科研团队学校会组建科研团队,邀请学生参与科研项目,培养学生的团队合作能力和创新精神。

四、实用技能4.1 编程能力数据科学与大数据技术专业需要具备扎实的编程能力,学校会安排相关编程课程,培养学生的编程技能。

4.2 数据处理能力学生需要掌握数据处理和分析的技术,学校会安排相关实践课程,让学生熟练运用数据处理工具。

4.3 解决问题能力学校还会培养学生的解决问题能力,通过案例分析、项目实践等方式,让学生学会独立思考和解决实际问题。

北京大学数学科学学院 本科生教学手册.doc

北京大学数学科学学院 本科生教学手册.doc

侧面是曲面底面是圆面圆柱,:⎩⎨⎧侧面是正方形或长方形底面是多边形棱体柱体,:侧面是曲面底面是圆面圆锥,:⎩⎨⎧侧面都是三角形底面是多边形棱锥锥体,:⎪⎪⎪⎩⎪⎪⎪⎨⎧有理数⎪⎩⎪⎨⎧)3,2,1:()3,2,1:(ΛΛ如负整数如正整数整数)0(零⎪⎩⎪⎨⎧----)8.4,3.2,31,21:(Λ如负分数分数)8.3,3.5,31,21:(Λ如正分数人教版初中数学定理知识点汇总七年级上册第一章 丰富的图形世界¤1.¤2.¤3. 球体:由球面围成的(球面是曲面) ¤4. 几何图形是由点、线、面构成的。

①几何体与外界的接触面或我们能看到的外表就是几何体的表面。

几何的表面有平面和曲面; ②面与面相交得到线; ③线与线相交得到点。

※5. 棱:在棱柱中,任何相邻两个面的交线都叫做棱.。

※6. 侧棱:相邻两个侧面的交线叫做侧棱..,所有侧棱长都相等。

¤7. 棱柱的上、下底面的形状相同,侧面的形状都是长方形。

¤8. 根据底面图形的边数,人们将棱柱分为三棱柱、四棱柱、五棱柱、六棱柱……它们底面图形的形状分别为三边形、四边形、五边形、六边形…… ¤9. 长方体和正方体都是四棱柱。

¤10. 圆柱的表面展开图是由两个相同的圆形和一个长方形连成。

¤11. 圆锥的表面展开图是由一个圆形和一个扇形连成。

※12. 设一个多边形的边数为n(n≥3,且n 为整数),从一个顶点出发的对角线有(n-3)条;可以把n 边形成(n-2)个三角形;这个n 边形共有2)3(-n n 条对角线。

◎13. 圆上两点之间的部分叫做弧.,弧是一条曲线。

◎14. 扇形,由一条弧和经过这条弧的端点的两条半径所组成的图形。

¤15. 凸多边形和凹多边形都属于多边形。

有弧或不封闭图形都不是多边形。

第二章 有理数及其运算※※数轴的三要素:原点、正方向、单位长度(三者缺一不可)。

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案引言概述:数据科学与大数据技术是当今信息时代的热门专业领域之一。

为了培养具备扎实的理论基础和实践能力的专业人才,我们制定了以下数据科学与大数据技术专业培养方案。

本文将详细介绍该方案的五个部分,分别是学科基础课程、专业核心课程、实践环节、实习实训和科研创新。

一、学科基础课程:1.1 数据结构与算法:学习数据结构和算法的基本概念、原理和常用算法,培养学生分析和解决实际问题的能力。

1.2 数据库原理与应用:掌握数据库的设计与管理技术,学习SQL语言和数据库开发工具的使用,了解数据库的优化和性能调优。

1.3 统计学基础:学习统计学的基本概念和方法,包括概率论、数理统计和假设检验等,为后续的数据分析和建模打下基础。

二、专业核心课程:2.1 大数据技术与应用:学习大数据的存储、处理和分析技术,包括分布式存储系统、分布式计算框架和数据挖掘算法等,培养学生处理大规模数据的能力。

2.2 机器学习与数据挖掘:学习机器学习的基本原理和常用算法,了解数据挖掘的方法和技术,培养学生从数据中发现规律和进行预测的能力。

2.3 数据可视化与交互设计:学习数据可视化的原理和技术,包括图表设计、交互设计和可视化工具的使用,培养学生将数据转化为可视化图形的能力。

三、实践环节:3.1 实验课程:设置一系列与专业相关的实验课程,让学生通过实际操作掌握数据科学与大数据技术的基本方法和工具。

3.2 项目实践:组织学生参与实际项目,通过解决实际问题来提升学生的实践能力和团队协作能力。

3.3 学术交流:鼓励学生积极参加学术会议和竞赛,与同行交流、展示研究成果,提升学术素养和创新能力。

四、实习实训:4.1 实习机会:与企业合作,提供实习机会,让学生在真实的工作环境中锻炼专业能力和实践技巧。

4.2 实习指导:为学生提供专业的实习指导,帮助他们理解实际工作中的问题和挑战,培养解决问题的能力。

4.3 实习成果评估:对学生的实习成果进行评估,及时反馈并提供改进建议,帮助他们进一步提升自己的能力。

《大数据》课程教学大纲(本科)

《大数据》课程教学大纲(本科)

《大数据》课程教学大纲课程编号:04224课程名称:大数据英文名称:Big Data课程类型:学科选修课课程要求:选修学时/学分:32/2 (讲课学时:28上机学时:4)适用专业:智能科学与技术一、课程性质与任务大数据分析是智能科学与技术、计算机科学技术等专业的一门学科选修课,该课程涉及各类常用的挖掘与分析方法,提供了从数据准备到统计分析、关联规则建立及集成学习等整个数据分析过程的内容。

本课程全面地介绍了大数据处理相关的基本概念和原理,着重讲述了介绍数据挖掘、分析相关的理论、方法及实现工具。

本课程在教学内容方面着重基本知识、基本理论和基本设计方法的讲解;在培养实践能力方面着重数据分析的基本训练,为学生今后从事大数据的研究与预测打下坚实的基础。

(本课程可支撑毕业要求中的3.3, 7.2, 10.1, 12.2)二、课程与其他课程的联系本课程的先修课程为人工智能基础、机器学习等专业基础课程。

通过对人工智能基础的学习能够掌握智能的算法和搜索技术,通过对机器学习能够了解数据的分类、过滤等方法。

这些先修课程为本课程的讲授打下了基础。

本课程的后续课程包括智能机器人、模式识别等。

通过本课程可为后续课程提供理论与方法实践基础。

三、课程教学目标1.考虑社会、健康、安全、法律、文化以及环境等因素,设计一个能实现预期功能的硬件或软件系统,进行仿真研究或开发出系统原型或实物(支撑毕业要求中的3.3);2.能够评价智能系统工程实践对环境、社会可持续发展的影响(支撑毕业要求中的7.2);3.将大数据技术作为重点,以应用为目的,全面介绍大数据的数据挖掘与预测方法。

使学生既能对大数据处理技术有一个全景的把握,又能深入理解和使用大数据进行决策。

4.有不断学习和适应智能科学与技术发展的能力(支撑毕业要求中的12.2)5.了解大数据挖掘与预测分析学科的前沿和最新发展动向,具有跟踪学科发展前沿的意识和文献检索基本技能。

(支撑毕业要求中的10.1)四、教学内容、基本要求与学时分配五、其他教学环节(课外教学环节、要求、目标)大作业:1.对数据挖掘的认识。

北京大学数据科学与大数据技术专业(大数据分析方向)人才培养方案

北京大学数据科学与大数据技术专业(大数据分析方向)人才培养方案

数据科学与大数据技术专业(大数据分析方向)
人才培养方案
1.专业简介
计算机科学与技术系建立于1978年,它的前身是北大数学力学系计算数学专业软件专门化组与无线电电子学系计算技术专业。

2.专业培养要求、目标
在计算机科学技术中,掌握坚实的理论和专业知识,具有分析问题和解决问题的能力,以及知识自我更新和不断创新的能力。

在计算机的工程实践和应用方面受过良好训练,能适应计算机飞速发展.在个人素质方面,具有全面的文化素质、良好的知识结构和较强的适应新环境、新群体的能力,并具有良好的语言(中、英文)运用能力。

本科毕业后可在科研机构、高等院校、企业事业单位从事计算机科学与技术学科领域的研究、教学、开发、管理工作,并可继续攻读计算机科学与技术以及相关技术学科、交叉学科的研究生学位。

3.授予学位
本专业为理科专业,学制4年,毕业授予理学学士学位。

4.学分要求与课程设置
总学分:143学分,其中:全校必修课:48学分,其中公共必修课29学分,本学科通识课程19学分;专业核心课程:33学分;专业限选课程:38学分,含毕业论文6学分;自主选修课程:24学分。

1)全校必修课(48学
分)(1)公共必修课(29学分)说明:大学英语如因根据大学英语教研室要
2)专业核心课程(33学分)
4)自主选修课程(24学分)(1)通选课(12学分)
(2)实践创新类(2~6学分)本科生训练计划课程(2~6学分,三上下)以及其他实践创新课程。

(3)全校所有其他课程。

北京大学本科课程大纲

北京大学本科课程大纲
中国企业创新创业调查(ESIEC)是由北京大学国家发展研究院和中国社会科学调查中心实施,旨在通过科学抽样和实地追踪调查,获得反映中国企业创新创业状况的微观数据,推动更高质量的学术研究和政策研究。2015年4月、2015年7月至8月和2016年12月,项目组先后在广东省江门市3区4个县级市、河南省夏邑县,河北省白沟箱包产业集聚区开展了三次预调查,并于2017年7月至8月在河南省16个县(市、区)开展了第一次正式调查。2018年,ESIEC调查范围扩大到6个省的58,000家企业。2019年在深圳和上海进行了补访,另外在这两个城市和北京对科创企业进行了专题访问。目前2017ESIEC数据已经对社会开放。
课程学习和实地调查工作同等重要,选课的同学不仅要全程参与课程,还必须完成15天左右的实地调研工作。
课次
时间
题目
1
5月13日
田野调查与真实世界经济学
2
5月27日
调查设计与方法:讲解调查问卷设计和现场调查方法
3
5月下旬-6月上旬
在北京进行一次实地测试,讨论调研和问卷中遇到的问题
4
6月10日
讨论总结调研和问卷中遇到的问题
学生成绩评定办法(暂定)
本课的考核内容由课堂教学考勤(10%)、测验(10%)、实地模拟访问(10%)、实地调查(40%)和调查报告(30%)组成。实地调查之前测评成绩不及格的同学将失去实地调查的机会;最终分数于秋季开学前得到。
参与中国企业创新创业调查访员,根据调查撰写的观察报告,将择优在中国企业创新创业调查微信公众号上推送以及收录在书里。
教材
(若无教材,请在书名处填写“无”)
书名
作者译者
ISBN号
出版社
出版日期
日期
版次

本科课程教学大纲《数据科学导论》

本科课程教学大纲《数据科学导论》

数据科学导论》教学大纲、课程及教师基本信息注1:平时考核(100%)=15%平时作业+15%projectl流数据处理/结构化数据分析+15%project2文本分析+15%project3图数据分析;2:平时考核应占总成绩的40-70%。

考核办法说明:本课程的考核分为三个方面,包括平时上机实践、3个大作业(即流数据处理/结构化数据分析、文本分析、图数据分析)和期末闭卷考试。

平时上机实践,学生必须完成上机练习题目,并提交上机实验报告;大作业锻炼学生综合运用所学知识、解决复杂问题的能力;期末考试考查学生对知识点的掌握和灵活运用能力。

最终成绩的计算按照平时成绩:大作业1:大作业2:大作业3:期末成绩=15:15:15:15:4的0比例产生。

二、任课教师简介三、课程简介课程简介“数据科学导论”是一门入门课程,同时也是“数据科学”课程群统领式的课程, 把学生引进数据科学的大门。

它的目标有两个:一个是扩展学生在数据科学方面的视野培养兴趣,另一个是为学习后续课程打下坚实的基础,培养数据科学家。

教学内容分为四大模块,分别是基础(base)模块、关系数据/流数据处理(relational&stream)模块、文本数据处理和分析(text)模块、图数据处理和分析(graph)模块。

基础模块为后续的3个实践模块的基础,内容包括:•概念:数据科学概论,主要介绍数据科学的基本概念、大数据及其价值、数据处理的全生命周期,包括数据的采集和获取、数据预处理/清洗和集成、数据管理、数据分析、可视化和解释等;•方法:包括各种数据模型、数据处理的不同模式(批处理和流式处理)、通用的数据分析方法、数据可视化等;•平台和工具:包括分布式计算与大数据平台(Hadoop&Spark)以及Python 语言。

其中Python语言部分,包括对Python语言基础以及Python的几个重要的库(数据预处理库pandas、机器学习库Scikit-Leam、可视化库Matplotlib)的介绍。

数据科学基础课程教学大纲

数据科学基础课程教学大纲

暨南大学全日制本科课程教学大纲课程名称(中文)《大学计算机基础》(经管类)课程名称(英文)Fundamentals of Computers(Economics & Management)课程编码01050010课程性质必修课学分3(理论课2学分+实验课1学分)学时72 (理论课36学时+实验课36学时)适用专业(方向)非计算机专业本科生(经管类)学生类别内招生开课单位信息科学技术学院计算中心暨南大学教务处制2020 年9 月一、课程性质、目的和任务1.本课程是非计算机专业本科生必修的大学计算机基础课程。

2.本课程目的是让学生了解与掌握计算机系统平台、计算机中数据的表示、处理、控制流程等概念性基础层的内容,以及计算机系统与平台领域的大多数内容。

重点掌握三个方面的应用技能:如何进行长文档信息的分类与处理、如何在计算机中进行数据的表示和计算、如何进行数据的存储、查询和输出。

3.本课程教学的总体目标:使大学生学会利用计算机去思考问题和解决问题,为进一步深入学习计算机知识及在专业学习中的应用打下良好基础。

二、教学内容及要求第1章:计算机系统授课学时:2教学目标:了解计算机和计算系统的基本概念、计算机系统的构成与工作原理。

主要内容:计算系统与计算系统分层;计算系统组成与计算机的基本硬件结构;计算机系统的工作原理;计算机网络与安全。

教学重点:计算机系统的构成与工作原理。

教学难点:计算机系统的分层模型第2章:操作系统授课学时:2教学目标:掌握操作系统的基本概念、功能。

主要内容:操作系统概述、分类、操作系统的功能。

教学重点:操作系统的基本概念与功能介绍。

教学难点:linux操作系统。

第3章:数据的表示与存储授课学时:6教学目标:使学生了解和掌握计算机中的数制、数的概念,逻辑运算、了解和掌握计算机中数据如何表示。

主要内容:常用数制之间的转换;计算机中数(原码、反码、补码)的定义及特征;逻辑运算;逻辑设计基础。

本科专业认证《大数据技术基础》教学大纲

本科专业认证《大数据技术基础》教学大纲

《大数据技术基础》教学大纲课程名称:大数据技术基础英文名称:Big data technology课程编号:无课程性质:选修学分/学时:2/32。

其中,讲授26学时,实验0学时,上机6学时,实训0学时。

课程负责人:先修课程:高级操作系统(Linux)、JA V A程序设计、数据库原理与技术.一、课程目标课程将系统讲授大数据的基本概念、大数据处理架构Hadoop、分布式文件系统HDFS、分布式数据库HBase、NoSQL数据库、云数据库、分布式并行编程模型MapReduce、流计算、图计算、数据可视化以及大数据在互联网、生物医学和物流等各个领域的应用。

在Hadoop、HBASE和MapReduce等重要章节,安排了入门级的实践操作,让学生更好地学习和掌握大数据关键技术。

通过本课程的学习,达到以下教学目标:1.工程知识1.1掌握必要的数学与自然科学知识。

1.2掌握必要的工程基础与专业知识。

2.问题分析2.1能够理解并恰当表述工程实际问题。

2.2能够找到合适的解决问题的程序与方法。

2.3在一定的限制条件下能够合理解决问题。

3.设计/开发解决方案能够运用计算机科学与技术专业基础知识、科学研究及项目管理的基本能力进行产品设计与开发并体现创新意识。

4.研究能够合理采用科学方法进行研究并设计实验方案。

5.使用现代工具能够正确运用工具与资源对计算机科学与技术复杂技术工程问题进行设计与实现。

6. 终身学习6.1具有自觉搜集阅读与整理资料的能力。

6.2了解本专业发展前沿。

二、课程内容及学时分配如表1所示。

表1 《大数据技术基础》课程内容及学时分配三、教学方法课程教学以课堂教学、实验教学、课外作业等共同实施。

本课程采用21世纪高等教育计算机规划教材,结合学生个性特点,因材施教。

本课程的课堂教学将充分利用数字化技术、网络技术制作丰富多彩的教学课件和辅导材料,调动学习积极性,提高教学效率。

本课程课堂教学流程如图1所示。

图1大数据技术基础教学流程本课程安排5次课外作业:1.画出Hadoop的项目结构简图。

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案一、引言数据科学与大数据技术是当今世界发展迅速的前沿领域,对于各行各业的发展起着至关重要的作用。

为了培养具备数据科学与大数据技术专业知识和技能的人才,本文将提出一套针对该专业的培养方案。

二、专业概述数据科学与大数据技术专业旨在培养学生具备数据处理、数据分析、机器学习、人工智能等方面的综合能力,能够应对现实世界中的各种数据挑战。

通过系统的学习和实践,学生将掌握数据科学与大数据技术的基本理论、方法和工具,具备解决实际问题的能力。

三、培养目标1. 理论基础:学生应掌握数学、统计学、计算机科学等相关学科的基本理论和方法,为数据科学与大数据技术的应用打下坚实的基础。

2. 技术能力:学生应熟练掌握数据处理、数据分析、数据挖掘、机器学习、人工智能等相关技术,能够运用各种工具和算法处理和分析大规模数据。

3. 实践能力:学生应具备实践能力,能够独立进行数据科学与大数据技术相关项目的设计、开发和实施,并能够解决实际问题。

4. 团队合作:学生应具备团队合作精神,能够与他人合作,共同完成数据科学与大数据技术项目,并能够有效地进行沟通和协调。

5. 创新意识:学生应具备创新意识,能够不断探索和尝试新的数据科学与大数据技术方法和工具,为社会和企业的发展做出贡献。

四、课程设置1. 基础课程- 数学基础:包括高等数学、线性代数、概率论与数理统计等,为后续专业课程打下数学基础。

- 计算机基础:包括计算机原理、数据结构与算法、操作系统等,为后续数据处理和分析提供计算机基础。

- 统计学基础:包括统计学原理、统计方法、实验设计等,为后续数据分析和挖掘提供统计学基础。

2. 专业课程- 数据处理与管理:包括数据库原理、数据仓库与数据挖掘、数据清洗与集成等,培养学生对数据的处理和管理能力。

- 数据分析与挖掘:包括数据分析方法、数据挖掘算法、可视化技术等,培养学生对数据进行分析和挖掘的能力。

- 机器学习与人工智能:包括机器学习原理、深度学习、自然语言处理等,培养学生对机器学习和人工智能的理解和应用能力。

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案

数据科学与大数据技术专业培养方案引言概述:数据科学与大数据技术是当今信息时代的热门专业方向,随着社会信息化程度的不断提高,对数据科学与大数据技术专业人材的需求也日益增加。

为了培养具备扎实专业知识和实践能力的人材,各高校纷纷制定了相应的专业培养方案。

本文将从课程设置、实践教学、科研训练、实习实践和综合能力培养五个方面详细介绍数据科学与大数据技术专业的培养方案。

一、课程设置1.1 专业核心课程:包括数据分析、数据挖掘、机器学习、大数据处理等课程,为学生打下扎实的理论基础。

1.2 选修课程:涵盖数据可视化、数据仓库、数据安全等方面的课程,匡助学生拓展知识面。

1.3 实践课程:通过实践课程如数据分析实训、大数据项目实践等,培养学生的实际操作能力。

二、实践教学2.1 实验室建设:学校建设了配备先进设备的数据科学与大数据技术实验室,为学生提供实践环境。

2.2 实践项目:学生参预实际项目,如数据分析竞赛、大数据处理项目等,锻炼学生的实际操作能力。

2.3 实习实践:学校与企业合作,为学生提供实习机会,让学生在真实工作环境中学习和实践。

三、科研训练3.1 科研导师制度:学校设立科研导师,指导学生进行科研项目,培养学生的科研能力。

3.2 学术交流:组织学术讲座、研讨会等活动,激发学生的科研兴趣,提高学生的学术水平。

3.3 科研成果:鼓励学生参预科研项目,发表学术论文,培养学生的科研创新能力。

四、实习实践4.1 实习机会:学校与企业合作,为学生提供丰富的实习机会,让学生在实践中学习和成长。

4.2 实践项目:学生参预企业实际项目,锻炼学生的解决问题能力和团队合作能力。

4.3 实习评估:学校对学生实习情况进行评估,及时反馈学生表现,匡助学生提升实习能力。

五、综合能力培养5.1 创新能力:培养学生的创新思维和解决问题的能力,提高学生的综合素质。

5.2 团队合作:通过团队项目、实习等活动,培养学生的团队合作精神和沟通能力。

5.3 职业规划:学校开设职业规划课程,匡助学生了解行业发展趋势,制定个人职业规划,提高就业竞争力。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

数据科学专业
一、专业简介
数据科学是运用概率统计、分布式计算、现代软件等综合知识探索来自商业贸易,生物医疗,金融证券,社交网络等众多领域的较大规模或结构复杂数据集的高效存储、高效管理、高效概括、深入分析和精准预测的科学和艺术。

二、专业培养要求、目标
运用统计分析、机器学习、分布式处理等技术,能从大量数据中提取对科学研究和生产实践有意义的信息,以可视化等技术通过通俗易懂的形式传达给决策者,并创造出新的数据运用服务的人才。

三、授予学位
理学学士
四、学分要求与课程设置
总学分:134学分,其中:
1.必修课程75学分;
2.选修课程41学分;
3.毕业论文/设计6学分;
4.本科素质教育通选课12学分;
并须同时满足下列选课要求:
1)全校公共必修课程:32学分
2)大类平台课程:43学分,其中非本院系课程不低于8学分
必修:35学分
选修:数学科学学院本科生可以在下面由外院系开设的平台课程中选修8学分,其中在表1中至少选修3学分
表1
表2
3)学院课程41学分必修:8学分
4) 本科素质教育通选课:12学分
A.数学与自然科学类:至少2学分
B.社会科学类:至少2学分
C.哲学与心理学类:至少2学分
D.历史学类:至少2学分
E.语言学、文学、艺术与美育类:至少4学分,其中至少一门是艺术与美育类课程
5)毕业论文和实习实践 6学分
每个学生在第三学年或第四学年里须参加概率统计系开设的毕业论文讨论班或者经批准的其它形式的科研训练,并在导师指导下写出论文、读书报告或实习实践报告,通过考核后获得6学分。

参加毕业论文讨论班的学生须在导师指导下进行科研训练或者到经批准的企事业单位、科研院所或学校实习实践至少100小时。

进行科研训练或参加实习实践活动不应影响其它课程的学习。

学院鼓励学生利用寒暑假期进行科研训练或实习实践活动。

五、其他
1.保研要求:
以下成绩按学分进行加权平均,作为确定保研资格和各方向招收研究生的参考:大类平台课程中的全部必修课,学院课程中的全部必修课,大类平台课程中的物理类课程中选一门,必选课程以及其它选修课程中选两门。

2.读研准备:
保送为硕士研究生的学生在硕士生入学前的两年内选修的数学学院研究生课程,考试成绩在70分以上,且学分没有计入本科毕业学分的,可以计为研究生阶段成绩,获得相应学分。

但需本人申请、导师同意、主管院长批准。

这种成绩不能超过9学分。

相关文档
最新文档