广州应用科技学院
数据科学与大数据技术专业2023版本科人才培养方案
专业代码：080910T 专业类：计算机类 学科门类：工学
一、专业简介和特色
专业简介：数据科学与大数据技术专业是广州应用科技学院计算机学院对接先进制造业产业集群新一代信息技术行业，作为计算机专业集群建设的支撑专业，于 2022年开始招生，现有在校生规模93人。本专业基于计算机科学与技术一级学科办学，是我校发展潜力巨大的新型工科专业。
专业特色：本专业以创业型产业学院为载体，充分利用AI大模型、云计算等先进技术，依托知识管理平台、团队项目开发平台、人生导航系统等，实施“人机协作、行思合一”理念下的智慧教育，构建应用大数据技术开发所需的软硬件、云计算及项目管理环境，鼓励和支持师生创新创业，实现产业、专业、学生的学业、创业、就业及教师事业的深度融合，培养理想信念坚定、职业素养良好、知识应用熟练、项目能力突出、勇于创新创业、德智体美劳全面发展的高素质大数据应用型专门人才。
二、职业面向
专业集群名称及其地位
| 计算机类支撑专业
| 对接产业集群
| 先进制造业产业集群
|
对应相关行业（代码）
| 互联网和相关服务64 、软件和信息技术服务业65
|
对应职业类别（代码）
| 信息和通信工程技术人员2-02-10、软件和信息技术服务人员4-04-05、其他信息运输、软件和信息技术服务人员4-04-99
|
对应的工作岗位（群）
| 大数据工程师、大数据开发工程师、大数据研发工程师、大数据架构师、大数据分析师、大数据挖掘师、大数据算法师等和大数据运维工程师
|
对应职业（执业）资格
| 计算机技术与软件专业技术资格
|
三、培养目标
本专业立足粤港澳大湾区，服务先进制造业产业集群的新一代信息技术行业，培养具有深厚家国情怀、社会责任感、良好职业道德、科学与人文素养和较强团队合作精神，具有扎实的自然科学、工程科学基础和数据科学与大数据技术专业领域基础知识，而且理论基础扎实，实践能力突出，熟知开展大数据和人工智能领域技术工作的方法和流程，能够在信息产业行业中从事系统设计和大数据平台的搭建（大数据系统架构师），利用大数据进行数据安全的分析和应用（大数据系统分析师），行业数据的收集整理和研究预测（数据分析师）等工作，还可以从事IT类企业内的大数据技术、大数据研究、数据管理、数据挖掘、应用开发等工作，具有创新精神的德智体美劳全面发展的高素质工程技术应用型专门人才。
本专业所培养的学生毕业五年后在社会与专业领域预期达到以下目标：
目标1.职业素养与规范：心怀国之大者，具备公民意识和人文素养，在职业生涯中爱岗敬业，遵守工程师的职业道德，承担应有的社会责任。
目标2.工程与社会：能够正确理解和评价大数据工程问题解决方案和大数据工程实践对社会、安全、法律、文化及环境与可持续发展的影响，具备建设可持续发展社会的责任感。
目标3.知识与思维：能应用哲学、数学、科学和工程等方面知识及知识库对现实问题进行分析、思考和表述，掌握逻辑思维、实证思维、计算思维、系统思维和工程思维方法。
目标4.专业能力：具有优秀的工程实践能力和创新意识，能够解决大数据应用与实施领域的复杂工程问题，能够在大数据项目中应用人工智能、虚拟现实、云计算、物联网、区块链等新技术及工具，胜任各应用领域中软件分析、设计、开发、测试、软件项目管理及技术支持等工作。
目标5. 团队合作与管理：具备良好的团队合作、沟通交流能力和项目管理能力，具备一定的国际化视野和跨文化沟通交流能力。
目标6. 职业发展：具备可持续发展理念及终身学习能力，能适应科技发展和技术变革，不断拓展自身的知识领域、提升创新创业和幸福能力，能够分析、评价应用软件系统对用户、社会、文化及环境与可持续发展的影响。
四、毕业要求
根据社会需求和新技术发展要求，结合学校的办学理念，本专业所培养学生应达到以下 12 条毕业要求：
（一）素质要求
毕业要求1.职业素养与规范：具有人文社会科学素养、社会责任感，能够在工程实践中理解并遵守工程职业道德和规范，履行责任。
指标点1.1 人文与社会科学素养：通过思政、人文、社科、体质训练、艺术类课程的学习，了解中国国情，树立正确的价值观，能正确认识个人与社会的关系。
指标点1.2 职业规范：理解工程技术的社会价值以及工程师的社会责任，遵守工程职业道德和规范，自觉履行职责。
毕业要求2.工程与社会：能够基于工程相关背景知识进行合理分析，评价大数据应用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。
指标点2.1 工程认知：了解大数据发展动态、文化背景和适应环境的变化、技术的进步，正确认识大数据与社会发展的相互关系，熟悉本专业在生产、设计、研究与开发等方面的方针、政策。
指标点2.2 社会责任：能够评价大数据技术领域工程实践与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。
毕业要求3.环境和可持续发展：能够理解和评价针对复杂工程问题的工程实践对环境、社会可持续发展的影响。
指标点3.1 工程环境：知晓环境保护和社会可持续发展的内涵和现实意义，能够了解大数据及相关领域的方针、政策和法律法规，能够正确认识大数据技术领域工程实践与环境和社会可持续发展之间的关系。
指标点3.2 可持续发展：能够合理分析大数据实践活动所涉及的环境、经济、管理与社会因素，正确评价大数据实践对环境、社会可持续发展的影响。
指标点 3.3身心发展：具有可持续发展理念，拥有健康的体魄、心理和健全的人格，掌握基本运动知识并养成良好的行为习惯。
（二）知识要求
毕业要求4.工程知识：能够将数学、自然科学、工程基础和大数据专业知识用于解决大数据应用与实施领域的复杂工程问题。
指标点4.1学科基础：掌握数学及自然科学知识，并能将其应用于大数据应用问题的恰当表述，为大数据应用问题进行数学建模并求解打下基础。
指标点4.2 专业基础：掌握从事大数据领域所需的数据采集技术、云计算与数据中心、机器学习与模式识别、数据挖掘、数据建模、数据分析和数据可视化等工程基础知识，能用于大数据工程问题的建模、原理推导和功能分析。
指标点4.3 核心知识：掌握从事大数据领域所需的分析、设计和模型优化等专业知识，能用于大数据工程问题的设计、功能实现和优化研究。
毕业要求5.问题分析：能够应用数学、自然科学和工程科学的基本原理，识别、表达、并通过文献研究分析软件开发与实施行业复杂工程问题，以获得有效结论。
指标点5.1 信息识别：应用数学、自然科学和大数据知识，对软件的功能需求和非功能需求进行识别。
指标点5.2 问题界定：应用自然科学与工程专业知识及计算机模拟等表达业务流程，并进行提炼、定义和建模。
指标点5.3 问题研究：通过文献研究寻求合解决问题的多个可能，并结合具体实践分析和评价得出有效结论。
（三）能力要求
毕业要求6.设计/开发解决方案：能够设计针对大数据应用领域复杂工程问题的解决方案，设计满足特定需求的系统、单元（部件）或工艺流程，并能够在设计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。
指标点6.1 构思：掌握大数据存储、大数据建模等基本知识，掌握特定需求的系统、模块的设计、开发流程，能针对设计要求开展调研，开展产品需求分析，明确设计目标。
指标点6.2 设计：能将自然科学、工程科学的基本原理，以及多种技术手段，综合应用于特定需求的大数据工程系统、单元（部件）进行设计，在设计中体现多学科交叉融合的创新意识。
指标点6.3 开发：能够根据大数据系统需求，考虑涉及到的社会、健康、安全、法律、文化以及环境等现实约束条件，设计针对复杂工程问题的解决方案，并评价和分析方案的可行性。
毕业要求7.研究：能够基于科学原理并采用科学方法对大数据应用领域复杂工程问题进行研究，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的结论。
指标点7.1 实验操作：能够综合运用所学科学原理和大数据专业知识，通过文献研究、调研、分析等方法，针对所要解决的大数据应用领域复杂工程问题，设计可行的实验方案。
指标点7.2 数据采集：选用或搭建合适的实验环境，安全地开展实验，正确采集实验数据。
指标点7.3 实验分析：能够对实验结果进行分析和解释，并通过综合判断得到合理有效的结论。
毕业要求8.使用现代工具：能够针对大数据应用与实施领域的复杂工程问题，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，包括对复杂流程问题的数据分析、模拟和可视化，并能够理解其局限性。
指标点8.1 工具认知：学会使用现代工程工具和信息技术工具（包括AI大模型），理解这些工具用于软件过程的局限性。
指标点8.2 工具运用：具有利用现代信息检索技术和工具查询、检索本专业文献、资料及相关工具的能力，掌握大数据专业重要资料与信息的来源及获取方法。能够针对大数据应用领域的复杂工程问题，选择与使用恰当的技术手段、现代工程工具和资源进行数据建模、预测与模型优化。
毕业要求9.项目管理：理解并掌握工程管理原理与经济决策方法，并能在多学科环境中应用。
指标点9.1 管理认知：理解和掌握工程管理和经济决策基本知识和方法，了解大数据应用及产品的成本构成，理解其中涉及的工程管理与经济决策问题。
指标点9.2 管理能力：在多学科背景下设计开发大数据应用项目的解决方案过程中，运用工程管理与经济决策方法。
（四）发展要求
毕业要求10.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。
指标点10.1 团队认知：能够理解多学科背景下的团队中每个角色的定位与责任，具有团队合作意识。
指标点10.2 团队合作：能够胜任个体、团队成员的角色任务，能在多学科结合的团队中进行成员间共享信息、善于倾听，合作共事，在需要的时候能胜任团队管理者的角色，组织成员开展工作。
毕业要求11.沟通：能够就大数据应用与实施中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。
指标点11.1 专业沟通：有良好的口头和文字表达能力，能够进行有效沟通。在撰写报告和设计文稿中体现大数据专业知识，能够明确表达观点，并能够就相关问题陈述发言、清晰表达、交流与沟通。
指标点11.2 跨文化沟通：具备外语应用能力，了解不同文化的特点，能够在跨文化背景下进行沟通和交流，了解专业领域的国际发展趋势，具有一定的国际视野。
毕业要求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 终身学习意识：了解自主学习的必要性，具有自主学习和终身学习的意识，理解终身学习对个人持续发展及幸福人生的重要性，能够阅读和理解大数据专业文献，主动学习专业知识和技术。
指标点12.2 终身学习能力：能够追踪本专业学科前言、发展动态，具有不断学习和适应软件技术快速发展的终身学习能力。
五、毕业要求对培养目标的支撑关系矩阵
毕业要求与培养目标支撑关系矩阵表（表1）
培养目标
毕业要求
| 目标1
职业素养与规范
| 目标2
工程与社会
| 目标3
知识与思维
| 目标4
专业能力
| 目标5
团队合作与管理
| 目标6
职业发展
|
毕业要求1
职业与素养规范
| √
|
|
|
|
|
|
毕业要求2
工程与社会
| √
| √
| √
| √
|
|
|
毕业要求3
环境与可持续发展
| √
| √
|
| √
|
| √
|
毕业要求4
工程知识
|
| √
| √
| √
|
|
|
毕业要求5
问题分析
|
|
| √
| √
|
|
|
毕业要求6
设计/开发解决方案
|
|
| √
| √
|
|
|
毕业要求7
研究
|
|
| √
| √
|
|
|
毕业要求8
使用现代工具
|
|
|
| √
|
|
|
毕业要求9
项目管理
|
|
|
|
| √
|
|
毕业要求10
个人和团队
|
|
|
|
| √
|
|
毕业要求11
沟通
|
|
|
|
| √
|
|
毕业要求12
终身学习
|
|
|
|
|
| √
|
六、学制、修业年限与毕业规定
本专业基本学制4年，修业年限3～8年；学生修满本方案规定的 163学分，第二课堂 10学分,达到培养目标要求和大学生体质健康标准的，准予毕业；符合学位授予规定条件的，授予工学学士学位。
七、主干学科与专业核心课程
（一）主干学科
数学、计算机科学与技术、智能科学与技术
（二）专业核心课程
数据结构与算法， 程序设计与实践，数据库系统原理与应用，网络爬虫技术，数据分析与可视化，自然语言处理，数据挖掘，大数据案例建模。
八、课程体系结构及学时、学分比例
（一）课内教学学时、学分统计表（表2）
其中：学分为总学分，学时为课内学时。
类别
|
课程类型与性质
学 期
| 一1
| 一2
| 二1
| 二2
| 三1
| 三2
| 四1
| 四2
| 合计
| 占比
|
学
分
| 通识教育
平台课程
| 通识教育必修课程
| 11.5
| 11.5
| 12
| 7
|
| 1
|
|
| 43
| 26.38%
|
通识教育选修课程
|
| 2
| 3
| 2
| 1
| 1
|
|
| 9
| 5.52%
|
专业教育
平台课程
| 学科基础必修课程
| 5
| 4
| 9
| 11
| 4
| 1
|
|
| 34
| 20.86%
|
学科基础选修课程
|
| 3
|
|
|
| 2
|
|
| 5
| 3.07%
|
专业必修课程
| 8
| 5
| 4
| 6
| 7
| 6
| 7
| 6
| 49
| 30.06%
|
专业选修课程
|
|
|
|
| 5
| 5
| 2
|
| 12
| 7.36%
|
个性发展
平台课程
| 数据分析方向个性发展选修课
| 据专业特点/毕业要
求灵活设置2-3个方向模块课程
| 3
| 2
|
|
| 5
| 3.07%
|
数据处理方向个性发展选修课
|
特色发展类选修课
| 3
| 3
|
|
| 6
| 3.68%
|
总计
| 24.5
| 25.5
| 28
| 26
| 23
| 21
| 9
| 6
| 163
| 100%
|
学
时
| 通识教育
平台课程
| 通识教育必修课程
| 216
| 212
| 212
| 148
|
| 16
|
|
| 804
| 34.84%
|
通识教育选修课程
|
| 32
| 48
| 32
| 16
| 16
|
|
| 144
| 6.24%
|
专业教育
平台课程
| 学科基础必修课程
| 80
| 64
| 144
| 176
| 64
| 16
|
|
| 544
| 23.57%
|
学科基础选修课程
|
| 48
|
|
|
| 32
|
|
| 80
| 3.47%
|
专业必修课程
| 96
| 48
| 48
| 48
| 96
| 64
|
|
| 400
| 17.33%
|
专业选修课程
|
|
|
|
| 80
| 80
|
|
| 160
| 6.93%
|
个性发展
平台课程
| 数据分析方向个性发展选修课
| 据专业特点/毕业要
求灵活设置2-3个方向模块课程
| 48
| 32
|
|
| 80
| 3.47%
|
数据处理方向个性发展选修课
|
特色发展类选修课
| 32
| 64
|
|
| 96
| 4.16%
|
总计
| 392
| 404
| 452
| 404
| 336
| 320
|
|
| 2308
| 100.00%
|
（二）必修课、选修课学分比例（表3）
课程性质
| 课程类别
| 学分数
| 占毕业总学分的比例（%）
|
必修课
| 通识教育必修课程
| 43
| 26.38%
|
学科基础必修课程
| 34
| 20.86%
|
专业必修课程
| 25
| 15.34%
|
集中实践教学必修课程
| 22
| 13.50%
|
合计
|
| 124
| 76.07%
|
选修课
| 通识教育选修课程
| 9
| 5.52%
|
学科基础选修课程
| 5
| 3.07%
|
专业选修课程
| 12
| 7.36%
|
数据分析方向个性发展选修课
| 5
| 3.68%
|
数据处理方向个性发展选修课
|
特色发展类个性发展选修课
| 6
| 3.68%
|
集中实践教学选修课程
| 2
| 1.23%
|
合计
|
| 39
| 23.93%
|
统计说明：
（1）必修课学分数：统计专业培养计划要求的必修课的毕业最低学分数。
（2）选修课学分数：统计专业培养计划要求的各类选修课的毕业最低学分数。
（3）集中实践教学学分数：由学校集中统设和各专业结合专业教育课程自主设置的必修和选修实践课程学分组成；统计专业培养计划要求的集中实践教学及企业实践教学环节最低学分要求。
（三）实践教学学时学分统计表（表4）
表4-1 校内实践教学环节学时学分统计表
课程类别
| 课程
编码
| 课程名称
| 性质
| 学
分
| 学时
| 开课
学期
| 实践类别
|
课程 设计
| 实
验
| 实
训
| 实
习
|
校内 实 践
教 学 环 节
| 基础
实践
| 10102109
| 劳动教育
| 必修
| 1
| 32
| 1-6
|
|
| √
|
|
10322109
| 创新思维与实践
| 必修
| 1
| 16
| 2
|
|
| √
|
|
10102111
| 思想政治综合实践
| 必修
| 2
| 32
| 4
|
|
| √
|
|
合计
|
| 4
| 80
|
|
|
|
|
|
表4-2 集中性实践教学环节学分统计表
课程类别
| 课程
编码
| 课程名称
| 性质
| 学
分
| 周
数
| 开课
学期
| 实践类别
|
课程 设计
| 实
验
| 实
训
| 实
习
|
集 中 性 实 践
教 学 环 节
| 基础
实践
| --
| 入学教育
| 必修
| 0
| 0.5
| 1
|
|
| √
|
|
10102108
| 军事技能
| 必修
| 2
| 2
| 1
|
|
| √
|
|
专业
实践
| 10093253
| Java程序设计课程设计
| 必修
| 1
| 2
| 2
| √
|
|
|
|
10093254
| 数据结构与算法课程设计
| 必修
| 1
| 2
| 4
| √
|
|
|
|
10093255
| 机器学习课程设计
| 必修
| 1
| 2
| 5
| √
|
|
|
|
10093256
| 专业综合项目实训
| 必修
| 2
| 4
| 6
|
|
| √
|
|
企业
实践
| 10362323
| 企业生产实习
| 必修
| 4
| 8
| 7
|
|
|
| √
|
10362321
| 企业现场调研
| 必修
| 1
| 2
| 7
|
|
|
| √
|
10362322
| 职业素质教育
| 必修
| 2
| 4
| 7
|
|
|
| √
|
10362326
| 校企双元课程
| 选修
| 2
| 4
| 7
|
|
| √
|
|
10362325
| 职业拓展课程
| 选修
| 7
|
|
| √
|
|
10362324
| 毕业论文(设计)
| 必修
| 6
| 12
| 8
|
|
| √
|
|
合计
|
| 22
| 42.5
|
|
|
|
|
|
统计说明：
（1）集中实践教学学分由学校集中统设和各专业结合专业教育课程自主设置的必修和选修实践课程学分组成。
（2）独立设课实验（实践）学时数、学分数：统计专业培养计划所规定的实验实践教学活动（即独立设置的实验、实践）的毕业最低总学时、总学分数。
（3）实践教学学时/学分数：统计专业培养计划所规定的校内集中实践教学、企业实践活动的毕业最低总学时和总学分数。
（4）4-1是以学时为单位计算的实践课程填写，课程类别可根据实际删减。4-2是以周为单位计算的实践课程填写。课程名称根据实际学时计算单位落到4-1或4-2。
九、全学程各学期教学周数分配表（表5）
学年
| 学期
| 总周数
| 教学周数分布
| 考试
| 军训及
入学教育
| 机动
|
课堂
教学
| 校内实践教学
| 企业实践教学
| 毕业设计
（论文）
|
一
| 1
| 20
| 15.5
|
|
|
| 1
| 2.5
| 1
|
2
| 20
| 16
| 2
|
|
| 1
|
| 1
|
二
| 3
| 20
| 18
|
|
|
| 1
|
| 1
|
4
| 20
| 16
| 2
|
|
| 1
|
| 1
|
三
| 5
| 20
| 16
| 2
|
|
| 1
|
| 1
|
6
| 20
| 14
| 4
|
|
| 1
|
| 1
|
四
| 7
| 18
|
|
| 18
|
|
|
|
|
8
| 12
|
|
|
| 12
|
|
|
|
合计
| 150
| 95.5
| 10
| 18
| 12
| 6
| 2.5
| 6
|
