一、专业定位

推动大数据产业可持续健康发展，是党中央、国务院做出的重大战略部署，是实施国家大数据战略的重要举措。《粤港澳大湾区发展规划纲要》也明确提出大力推进“广州－深圳－香港－澳门”科技创新走廊建设，探索有利于人才、资本、信息、技术等创新要素跨境流动和区域融通的政策举措，共建粤港澳大湾区大数据中心和国际化创新平台。实现国家及珠三角区域发展规划纲要的这些目标，需要培养大量的具备大数据技术与应用能力的计算机专业人才，来应对区域经济发展的迫切需求。数据科学与大数据技术专业是一个涉及应用数学、统计学、计算机科学等多领域学科交叉的专业。本专业学生主要学习大学生必需的相关公共基本理论和基本知识外，还要掌握专业核心的知识，形成较好的数据分析和信息处理能力，具有一定的大数据采集、存储、分析、挖掘、管理和应用开发经验，具备大数据分析和工程应用能力素养，能在大数据科学及其工程领域中从事大数据系统运维、大数据采集与数据处理、数据分析、大数据处理应用待方面的工作，综合运用所学知识解决实际工程问题的能力，为社会提供大数据专业应用人才。

二、培养目标

本专业在贯彻学院以工科为主，工、管、经、文、艺等多学科协调发展的办学规划中，面向大数据行业,为社会培养掌握大数据采集、预处理、存储、计算、分析、可视化、简单数据挖掘等技术；初具深度学习、神经网络、数据挖掘算法等应用知识；具有能够从事大数据相关岗位（大数据环境运维、大数据爬取、大数据分析与可视化、大数据挖掘、大数据技术应用）职业能力的高素质应用型人才。

三、培养规格

（一）学制学分

本专业基本学制4年，学生修业年限为3—6年。专业要求最低修满165学分。其中，公共必修课39学分、公共选修课10学分（每类至少选修2学分）、专业基础课26学分，专业核心课27学分，专业选修课23学分、集中实验课30学分、拓展课至少选修10学分。学生完成人才培养方案规定课程，修满规定的学分，符合德、智、体、美、劳全面发展的基本要求，准予毕业。

（二）知识要求

1.通识知识：具有人文社科、信息交流、法律与环境、社会与公共安全等知识。

2.数学和自然科学基础知识：具有从事专业相关的工作所需的高等数学、线性代数、概率论与数理统计等基础知识。

3.专业基础知识：具有较扎实的计算机程序设计基础知识、信息处理方法、数据库技术知识、计算机网络、面向对象程序设计等基础知识。

4.专业核心知识：熟悉数据科学和大数据技术专业领域的基本理论和方法，掌握大数据科学与技术的基本思维方法和研究方法，熟练掌握数据分析与方法、大数据框架技术、数据采集技术、数据数据分析等专业知识。

5.专业选修及拓展性知识：根据方向选择可视化技术、数据挖掘技术、分布式数据库原理与应用、并行与分布式计算原理、大数据编程开发技术进行专业方向拓展，同时掌握计算机学科的相关课程知识，拓展学生综合性应用，大数据文献检索、行业资料查询及运用现代信息技术获取相关知识的基本方法，了解与大数据技术相关的人工智能专业的应用前景、以及相关行业最新进展与发展动态，能够结合大数据发展前沿，与计算机其它专业有交叉影响的学科课程进行理解与学习，能够自主扩展、延伸专业发展。

（三）能力要求

1.具备良好、规范的编程习惯和文档编写习惯，熟练运用大数据运维环境，使用大数据采集、处理、分析、挖掘、可视化、开发等技术知识，实现大数据领域相关软件产品的应用，能够设计数据仓库、ETL建模、分析报表，有一定的大数据应用系统分析与设计能力。

2.具备综合运用掌握的知识、方法和技术解决实际问题的能力，能使用适当的软件工程工具设计和开发软件系统，能够建立规范的系统文档。

3.具备个人工作与团队协作的能力、人际交往和沟通能力以及一定的组织管理能力。

4.具备较好的外语应用能力，能熟练阅读本专业有关的外文资料。

5.掌握文献检索、信息查询的基本方法，具有较强的自学及跟踪新技术发展的能力，有较好的创新和创业能力。

6.具有本专业要求的职业能力及工作岗位的其它专业能力。

（四）素质要求

1.热爱祖国，拥护中国共产党领导，掌握马列主义、毛泽东思想和邓小平理论基本原理。

2.具有良好的思想品德、社会公德和职业道德。

3.具有从事大数据专业相关工作岗位所需的相关社会科学知识、自然科学知识和人文素质知识。

4.具备健全的心理和健康的体魄，以及良好的人际沟通能力。

四、课程体系

1．本专业课程体系总体框架，如下表所示：

核心课程具体包括：计算机网络，面向对象程序设计，Linux操作系统应用，算法与数据结构，Hadoop大数据技术，Python语言编程，数据采集与清洗，Web开发技术、Spark内存计算与应用，数据分析与可视化、软件项目管理。

主要的专业实验/实训课程：专业认知实习、面向对象程序设计课程设计、算法与数据结构课程设计、Hadoop大数据技术课程设计、Web应用开发课程设计、数据采集与清洗课程设计、Spark内存计算与应用课程设计、数据分析与挖掘课程设计、专业方向综合课程实训、专业实习业实习、毕业设计（论文）。

2．主要实践教学环节安排表

五、师资队伍

本专业现有专任教师10人，其中教授1人，副教授（含同等专业技能）3人，副高及以上教师占40%，讲师5人，初级1人。具有硕士及以上学位教师10人，占比100%。

六、教学条件

（一）教学设备与实验室

专业经过近5年的建设，建成了云计算与大数据、联合创新实验室，实验室面积达420平方米，投入资金达600多万元。同时依托软件测试技术实验室、软件工程综合实验室、计算机组网实验室、Linux服务架构实训室等实验室完成教学。

图1 云计算与大数据实验室挂牌 图2 云计算与大数据中心服务器

图3 联合创新大数据实验室 图4 大数据Tempo实验平台

（二）实习基地

七、其他亮点

本专业人才培养特色是：

1.课程设置与培养内容面向行业、企业人才岗位需求。在充分分析大数据行业岗位群所需能力基础上，对应用类课程进行重新整合，构建

2.以能力培养为核心、模块化的课程体系，根据大数据产生和处理的“采集--预处理--存储（关系或非关系型）--计算--分析及可视化--挖掘--应用开发”的学科知识结构，除了设置计算机、数据科学和信息管理与信息系统等学科的基础知识与基本技能性课程，同时设置能提升大数据工程项目的系统集成能力、应用软件设计和开发能力的实践性课程，旨在培养不同能力层次、应用于大数据不同岗位需求的应用型人才。

3.进行校企合作，构建了个性化、分层次人才培养体系（实践教学、拓展类课程）。专业从“以学生为中心，尊重学生个性发展”的思路出发；优化专业建设及培养思路，满足不同层次和兴趣需求的学生需要。校企合作培养模式，从不同层面培养更多大数据产业急需的专业技术人才。