数据科学与大数据技术--专业建设规划方案

数据科学与大数据技术----专业建设规划

方案

一、总体目标

本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。

（一）人才培养目标

本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。

（二）课程体系与学科建设

作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。

在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。

（三）学科队伍建设

由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设：

（1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面；

（2）精通处理大数据分析的人才；

（3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。

大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求，以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。为了适应专业建设的需要，必须实行内培外引的人才培养策略，将青年教师派驻企业学习是一种增强师资队伍实力比较快捷的方式，4年内你派出20余人次国内外高校、大数据企业进行短期进修培训和挂职锻炼，引进大数据相关专业教师4人（硕士研究生及以上，计算机、大数据等相关专业）。另外，还可以通过引进企业工程师作为学校兼职教师，充实教师队伍，4年内拟引进企业大数据工程师4人。

（四）实践平台与科学研究建设

数据科学实践性极强，其工程素养需要在适当的实践平台上强化。相关院校应根据其人才培养目标，结合自身软硬件条件，建设适当的数据科学与大数据技术实践平台。通过企业引进实验实训平台，用以保障正常教学环节和教师的科学研究。

（五）服务地方建设

根据鸡西地方的特色产业，结合黑龙江省对大数据人才的需求，凝练具有鸡西地方特色的大数据人才培养体系，初步定为大数据+绿色农业服务，从而实现鸡西地区对大数据人才的需求，助力鸡西地方经济的发展。

二、分年度目标

1.2018 年

（1）初步确定人才培养目标，完成人才培养方案的设计；

（2）拟派6人次到国内外高校、企业、行业进行短期的学习培训，充实和完善师资队伍；

（3）引进大数据专业教师1人；

（4）规划设计大数据实验室需求；

2.2019 年

（1）修订、完善课程体系建设；

（2）拟派4人次到国内外高校、企业、行业进行短期的学习培训、挂职锻炼，充实和完善师资队伍，拟派1人次参加大数据相关的国际学术会议；

（3）引进大数据专业教师1人；

（4）完成大数据实验室的总体建设，调试实验室内的各项设备，保障专业课程与实训课程的开出，为教师搭建实验平台；

3.2020 年

（1）根据教学运行，进一步修订与完善课程体系建设；

（2）拟派4人次到国内外高校、企业、行业进行短期的学习培训、挂职锻炼，充实和完善师资队伍，逐步开展学术交流活动，拟派2人次参加大数据相关的国际会议；

（3）引进大数据专业教师1人；

（4）逐步开展校企合作建设，外出考察能够开展合作的大数据企业，寻求为学生提供实习、实训的大数据相关企业；

（5）确定教师的科学研究方向；

4.2021 年

（1）进一步完善和搭建学生实习实训平台，开展分布式并行大数据计算平台、Hadoop 的大数据分析与挖掘平台建设；

（2）引进大数据专业教师1人；

（3）拟派4人次到国内外高校、企业、行业进行短期的学习培训、挂职锻炼，充实和完善师资队伍，逐步开展学术交流活动，拟派2人次参加大数据相关的国际会议；

（4）逐步开展科学研究；

大数据处理平台构架设计说明书

大数据处理平台及可视化架构设计说明书 版本：1.0 变更记录

目录 1 1. 文档介绍 (3) 1.1文档目的 (3) 1.2文档范围 (3) 1.3读者对象 (3) 1.4参考文献 (3) 1.5术语与缩写解释 (3) 2系统概述 (4) 3设计约束 (5) 4设计策略 (6) 5系统总体结构 (7) 5.1大数据集成分析平台系统架构设计 (7) 5.2可视化平台系统架构设计 (11) 6其它 (14) 6.1数据库设计 (14) 6.2系统管理 (14) 6.3日志管理 (14)

1 1. 文档介绍 1.1 文档目的 设计大数据集成分析平台，主要功能是多种数据库及文件数据；访问；采集；解析，清洗，ETL，同时可以编写模型支持后台统计分析算法。 设计数据可视化平台，应用于大数据的可视化和互动操作。 为此，根据“先进实用、稳定可靠”的原则设计本大数据处理平台及可视化平台。 1.2 文档范围 大数据的处理，包括ETL、分析、可视化、使用。 1.3 读者对象 管理人员、开发人员 1.4 参考文献 1.5 术语与缩写解释

2 系统概述 大数据集成分析平台,分为9个层次，主要功能是对多种数据库及网页等数据进行访采集、解析，清洗，整合、ETL，同时编写模型支持后台统计分析算法，提供可信的数据。 设计数据可视化平台 ,分为3个层次，在大数据集成分析平台的基础上实现大实现数据的可视化和互动操作。

3 设计约束 1.系统必须遵循国家软件开发的标准。 2.系统用java开发，采用开源的中间件。 3.系统必须稳定可靠，性能高，满足每天千万次的访问。 4.保证数据的成功抽取、转换、分析，实现高可信和高可用。

大数据库建设技术方案设计

农村集体建设用地使用权、宅基地使用权确权项 目数据库建设技术方案

一、地籍数据库建设 （一）、成果数据库建设的内容 农村地籍调查成果数据库建设是在农村集体建设用地和宅基地使用权地籍调查的基础上，按照相关数据库标准的要求，建立集空间信息和属性信息为一体的土地调查成果数据库。 农村集体建设用地和宅基地使用权数据库内容： 1、农村地籍数据库包括地籍区、地籍子区、土地权属、土地利用、基础地理等数据。 2、土地权属数据包括宗地的权属、位置、界址、面积等空间和属性信息； 3、土地利用数据包括行政区（含行政村）图斑的权属、地类、面积、界线等； 4、基础地理信息数据包括数学基础、境界、测量控制点、居民地、交通、水系、地理名称等。 （二）成果数据库建设要求 1、严格遵循数据库标准 农村集体建设用地和宅基地使用地籍调查数据库建设以《城镇地籍数据库标准》为基础，结合《宗地代码编制规则（试行）》等新的技术规范和要求，对相关要素属性结构表进行扩展，以满足农村地籍调查成果管理要求。 2、坐标系统

数据库建设采用的坐标系统为山西省全省及区域地籍测量控制及服务体系定制的独立坐标系统。 3、面积计算 农村集体建设用地和宅基地使用权宗地面积按高斯－克吕格投影面面积计算。 4、数据库逻辑结构 农村集体建设用地和宅基地使用权调查数据库由空间数据库和非空间数据库组成。空间数据由矢量数据和栅格数据组成，主要包括：基础地理数据、居民地数据、土地权属数据等。非空间数据由权属信息调查数据组成。农村集体建设用地和宅基地使用权调查数据库逻辑结构见图1。 空间数据库 农村集 体建设 用地和 宅基地 使用权 非空间数据库 扫描文件 调查表格 权属资料 其他数据 土地权属数据 居民地数据 基础地理数据 图1 农村集体建设用地和宅基地使用权调查数据库逻辑结构图

林子雨大数据技术原理及应用第四章课后作业答案

大数据技术原理与应用第四章课后作业 黎狸 1.试述在Hadoop体系架构中HBase与其他组成部分的相互关系。 HBase利用Hadoop MapReduce来处理HBase中的海量数据，实现高性能计算；利用Zookeeper作为协同服务，实现稳定服务和失败恢复；使用HDFS作为高可靠的底层存储，利用廉价集群提供海量数据存储能力; Sqoop为HBase的底层数据导入功能，Pig 和Hive为HBase提供了高层语言支持，HBase是BigTable的开源实现。 2.请阐述HBase和BigTable的底层技术的对应关系。 3.请阐述HBase和传统关系数据库的区别。 4.HBase有哪些类型的访问接口？ HBase提供了Native Java API , HBase Shell , Thrift Gateway , REST GateWay , Pig , Hive 等访问接口。 5.请以实例说明HBase数据模型。

6.分别解释HBase中行键、列键和时间戳的概念。 ①行键标识行。行键可以是任意字符串，行键保存为字节数组。 ②列族。HBase的基本的访问控制单元，需在表创建时就定义好。 ③时间戳。每个单元格都保存着同一份数据的多个版本，这些版本采用时间戳进行索 引。 7.请举个实例来阐述HBase的概念视图和物理视图的不同。 8.试述HBase各功能组件及其作用。 ①库函数：链接到每个客户端； ②一个Master主服务器：主服务器Master主要负责表和Region的管理工作； ③③许多个Region服务器：Region服务器是HBase中最核心的模块，负责存储和 维护分配给自己的Region，并响应用户的读写请求

数据科学与大数据技术 专业建设规划方案

数据科学与大数据技术----专业建设规划 方案 一、总体目标 本专业旨在培养具有良好的数学基础和逻辑思维能力，具备较高的信息素养，掌握计算机学科、大数据科学和信息技术的基本理论、方法与技能，受到系统的科学研究训练，具备一定的大数据科学研究能力及数据工程师岗位的基本能力与素质，掌握大数据工程项目的规划、应用和科学管理决策方法，具有大数据工程项目设计、研发和实施能力的高级复合、应用型卓越人才。毕业生能在国家各级财经政务部门、信息产业、工商企业、金融机构、科研院所等从事大数据分析、挖掘、处理、服务、应用和研究工作，亦可从事各行业大数据系统集成、设计开发、管理维护等各方面的工作，也适合去高等院校和科研院所的相关交叉学科继续深造，攻读硕士学位。 （一）人才培养目标 本专业围绕以培养面向大数据工程与信息技术行业的工程应用型人才为中心，突出“校企合作”的办学特色，强化工程应用实践，兼顾交叉学科专业基础知识，注重培养创新意识和创新实践能力，培养从事大数据项目设计开发、数据挖掘与分析、大数据综合应用的高级复合、创新型卓越人才。 （二）课程体系与学科建设 作为一个新专业，首先，需要考虑是否符合市场需求，要进行深入调研，了解地区对于大数据技术人才是否有一定的需求；其次，需要了解大数据技术岗位需要何种技能，把大数据技术人才需要掌握的技能弄清楚，列出岗位技能清单，将技能清单转化为课程清单，明确了大数据技术专业的人才培养定位和目标，细化了人才培养课程体系。 在教学过程中，不断凝练专业特色和发展方向，本专业在数据科学与大数据研究的基础上，通过数据分析与数据挖掘，逐步开展人工智能与数据推荐等领域的研究。 （三）学科队伍建设 由于大数据涵盖内容广泛，因此需要如下三类关键人才队伍建设： （1）实现大数据的技术支持人才，他们具有很强的编程能力，尤其表现在搭建数据存储、管理以及处理的平台方面； （2）精通处理大数据分析的人才； （3）大数据技术的应用类人才，以适应高校培养高素质人才的需要。 大数据技术需要复合型人才，不仅要具备扎实的基础知识，更需要有充足的实践经验。唯有如此，我们通过典型的算法展示、算法实现结合数据分析的应用场景与案例对学生进行数据分析方面的综合训练，从而实现专业实验教学由理论到应用、涵盖原理验证、综合应用及全方位实验的体系。因此，学校应根据不同类型的人才特点，结合现代企业对大数据人才的需求，以就业为导向，开展全方位立体式（专业拓展模块——技能考证模块——集中实践模块）大数据专业实践教学体系，培养理论与技能并重的大数据高素质人才。与此同时，还要开展职业技能考证培训，如数据挖掘工程师、数据分析工程师、大数据系统运维工程师等。为了适应专业建设的需要，必须实行内培外引的人才培养策略，将青年教师派驻企业学习是一种增强师资队伍实力比较快捷的方式，4年内你派出20余人次国内外高校、大数据企业进行短期进修培训和挂职锻炼，引进大数据相关专业教师4人（硕士研究生及以上，计算机、大数据等相关专业）。另外，还可以通过引进企业工程师作为学校兼职教师，充实教师队伍，4年内拟引进企业大数据工程师4人。 （四）实践平台与科学研究建设

数据科学与大数据技术专业解读与就业分析 高考政策数据救专业解析

数据科学院大数据技术专业解读与就业分析 什么是大数据？ 进入互联网时代，中国的网民人数已超7亿，大数据的应用涉及到生活的方方面面。 例如，你在网站上买书，商家就会根据你的喜好和其他购书者的评价给你推荐另外的书籍；手机定位数据和交通数据可以帮助城市规划；甚至用户的搜索习惯和股市都有很大关系。 在谈到大数据的时候，人们往往知道的就是数据很大，但大数据≠大的数据。对外经济贸易大学信息学院副院长华迎教授介绍：“现在的大数据包括来自于多种渠道的多类数据，其中主要来源网络数据。数据分析不是新的，一直都有，但是为什么叫大数据呢？主要是因为网络数据的格式、体量、价值，都超出了传统数据的规模。对这些海量信息的采集、存储、分析、整合、控制而得到的数据就是大数据。大数据技术的意义不在于掌握庞大的数据信息，而在于对这些数据进行专业化处理，通过‘加工’实现数据的‘增值’，更好地辅助决策。”数据科学与大数据技术专业 本科专业中和大数据相对应的是“数据科学与大数据技术”专业，它是2015年教育部公布的新增专业。2016年3月公布的《高校本科专业备案和审批结果》中，北京大学、对外经济贸易大学和中南大学3所高校首批获批开设“数据科学与大数据技术”专业。随后 第二年又有32所高校获批“数据科学与大数据技术”专业。两次获批的名单中显示，该专业学制为四年，大部分为工学。 “数据科学与大数据技术是个交叉性很强的专业，很难说完全归属于哪个独立的学科。所以，不同的学校有的是信息学院申报，有的是计算机学院牵头申报，有的设在统计学院，还有的在经管学院。像北京大学这个专业是放在理学下，授予理学学位。大多数是设在工学计算机门类下，授予的是工学学位。”华迎教授说：“数据科学很早就存在，是个比较经典

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 2018年，我校数据科学与大数据专业将首次招生，招生规模预计为60人左右。该专业依托湖北大学与中科曙光共建的“大数据学院”，借助双方共同投入2000万构建的大数据专业实验室，与中科曙光联合开展人才培养。旨在培养具有大数据思维、运用大数据思维及分析应用技术、具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。本专业学生毕业后，能在统计部门、税务海关、公司企业以及金融保险机构等企事业单位从事大数据分析、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，或继续攻读本学科及其相关学科的硕士学位研究生。 专业代码：080907 一、培养目标 本专业培养具有良好职业道德，具备系统的数学、人文与专业素养，较全面掌握数据科学专业方向所需的基本理论、基本方法和基本技术，具有较强的数据采集、存储、处理、分析与展示的基本能力，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、以及良好外语运用能力。能在国家机关和企事业单位从事经济、金融、贸易、商务等行业从事大数据研究、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，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新的应用型数据科学人才。 二、毕业要求 本专业培养掌握大数据科学与技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。 毕业生在知识、能力和素质等方面应达到如下具体要求： 1.工程知识：能够将数学、自然科学、数据科学与大数据技术基础知识用于解决复杂工程科学技术问题。 2. 问题分析：具有解决数据科学与大数据技术领域复杂工程问题所需的专业知识，具备对复杂工程项目问题进行科学识别和提炼、定义和表达、技术分析和测试及运维管理的能

常见的大数据平台架构设计思路【最新版】

常见的大数据平台架构设计思路 近年来，随着IT技术与大数据、机器学习、算法方向的不断发展，越来越多的企业都意识到了数据存在的价值，将数据作为自身宝贵的资产进行管理，利用大数据和机器学习能力去挖掘、识别、利用数据资产。如果缺乏有效的数据整体架构设计或者部分能力缺失，会导致业务层难以直接利用大数据大数据，大数据和业务产生了巨大的鸿沟，这道鸿沟的出现导致企业在使用大数据的过程中出现数据不可知、需求难实现、数据难共享等一系列问题，本文介绍了一些数据平台设计思路来帮助业务减少数据开发中的痛点和难点。 本文主要包括以下几个章节: 本文第一部分介绍一下大数据基础组件和相关知识。第二部分会介绍lambda架构和kappa架构。第三部分会介绍lambda和kappa架构模式下的一般大数据架构第四部分介绍裸露的数据架构体系下数据端到端难点以及痛点。第五部分介绍优秀的大数据架构整体设计从第五部分以后都是在介绍通过各种数据平台和组件将这些大数据组件结合起来打造一套高效、易用的数据平台来提高业务系统效能，让业务开发不在畏惧复杂的数据开发组件，无需关注底层实现，

只需要会使用SQL就可以完成一站式开发，完成数据回流，让大数据不再是数据工程师才有的技能。 一、大数据技术栈 大数据整体流程涉及很多模块，每一个模块都比较复杂，下图列出这些模块和组件以及他们的功能特性，后续会有专题去详细介绍相关模块领域知识，例如数据采集、数据传输、实时计算、离线计算、大数据储存等相关模块。 二、lambda架构和kappa架构 目前基本上所有的大数据架构都是基于lambda和kappa 架构，不同公司在这两个架构模式上设计出符合该公司的数据体系架构。lambda 架构使开发人员能够构建大规模分布式数据处理系统。它具有很好的灵活性和可扩展性，也对硬件故障和人为失误有很好的容错性，关于lambda架构可以在网上搜到很多相关文章。而kappa架构解决了lambda架构存在的两套数据加工体系，从而带来的各种成本问题，这也是目前流批一体化研究方向，很多企业已经开始使用这种更为先进的架构。 Lambda架构

数据科学与大数据技术专业人才培养方案

数据科学与大数据技术专业人才培养方案 （2018级） 一、专业基本情况 专业名称：数据科学与大数据技术专业代码：0080910T 学科门类：工学专业类：计算机类 二、业务培养目标 数据科学与大数据技术专业培养能服务于社会主义现代化建设需要的德、智、体、美全面发展，“基础厚、口径宽、能力强、素质高”的专门技术人才。所培养的人才应具有构建大数据平台和大数据分析处理方面的基础理论知识和技术综合应用能力，能从事大数据信息系统分析设计、开发和管理维护工作。 三、业务培养要求 数据科学与大数据技术专业，旨在培养具有大数据思维、运用大数据思维及分析应用技术的大数据人才。掌握计算机理论和大数据处理技术，从大数据应用的三个主要层面（即数据管理、系统开发、海量数据分析与挖掘）系统地培养学生掌握大数据应用中的各种典型问题的解决办法，学生将受到科学实验和科学思维的基本训练，使学生具有良好的科学素养，实际提升学生解决实际问题的能力，具有将领域知识与大数据技术融合、创新的能力，能够从事大数据研究和开发应用的人才。结合林业行业和其他行业的大数据应用典型案例，培养学生具有一定的林业和其他行业应用的大数据应用能力和背景。 四、毕业生应获得的知识和能力 1、具有坚实的自然科学基础，较好的人文、艺术、外语和社会科学基础知识。 2、具有数据科学与大数据技术专业的宽厚的理论知识和技术基础，主要包括构建大数据平台和大数据分析处理方面的基础理论知识和技术综合应用能力等。 3、具有创新意识和独立获取知识的能力。 4、通过本专业领域的工程实践训练，具有较强的分析问题、解决问题的能力及实践技能，具有从事与本专业有关的研究、设计、开发及组织管理的能力。 5、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。 五、主干学科 数据科学与大数据技术、计算机科学与技术 六、主要课程 Python程序设计、高等数学、线性代数、概率论与数理统计、应用物理、算法设计与分析、数据科学导论、计算机网络原理、离散数学、操作系统与Linux应用、数据结构、数据库原理及应用、非关系数据库技术、数据采集与网络爬虫、大数据与云计算平台技术、大数据挖掘与分析技术、机器学习、林业大数据应用实践、深度学习及其应用、Web程序设计、数据可视化技术等。 七、学制与授予学位 学制：四年 授予学位：工学学士

2020最新数据科学与大数据技术专业大学排名

2020数据科学与大数据技术专业大学排名 数据科学与大数据技术专业介绍 数据科学与大数据技术，是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年，课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。 开设概况： 2016年2月16日，教育部发布《教育部关于公布2015年度普通高等学校本科专业备案和审批结果的通知》（教高函〔2016〕2号），公布“2015年度普通高等学校本科专业备案和审批结果”的“新增审批本科专业名单”有新专业“数据科学与大数据技术”。 培养目标： 本专业旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。具体包括：掌握计算机科学、大数据科学与信息技术的基本理论、方法和技能，受到系统的科学研究训练，具备一定的大数据科学研究能力与数据工程实施的基本能力，掌握大数据工程项目的规划、应用、管理及决策方法，具有大数据工程项目设计、研发和实施能力的复合型、应用型卓越人才。 主要课程： 课程教学体系涵盖了大数据的发现、处理、运算、应用等核心理论与技术，具体课程包括：大数据概论、大数据存储与管理、大数据挖掘、机器学习、人工智能基础、Python程序设计、统计学习、神经网络与深度学习方法、多媒体信息处理、数据可视化技术、智能计算技术、分布式与并行计算、云计算与数据安全、数据库原理及应用、算法设计与分析、高级语言程序设计、优化理论与方法等。 就业方向 分析类岗位： 分析类工程师。使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。 算法工程师。大数据方向，和专业工程师一起从系统应用的角度,利用数据挖掘/统计学习的理论和方法解决实际问题；人工智能方向，根据人工智能产品

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、培养目标 本专业旨在培养思想品德好、专业素质高、实践能力强，掌握数据科学专业方向所需的基础理论和方法，具有经济、金融等相关行业知识背景，具备较强的数据收集、数据处理和数据分析的技术和能力的国际化应用型数据科学人才。 学生毕业后，能在国家机关和企事业单位从事经济、金融、贸易、商务等行业的大数据分析，能利用数据科学方法开展商务流通大数据应用、金融大数据应用，能开发基于大数据的新产品和新业务，推动大数据在相关行业的应用创新。 二、培养规格及标准 ⒈知识结构 本专业学生应具备以下几方面的知识： (1)通识教育知识：思想政治理论课、大学英语、大学语文、体育、哲学与社会、文学与艺术、科学与创新、数学思维与经济分析、文化历史与国际视野等； (2)基础知识：数据科学导论、数学分析、线性代数A、概率论A、数理统计、Python程序设计、计算机系统基础、C++程序设计、数据结构、数据库原理与设计等； (3)专业知识：大数据探索性分析、最优化方法、数据挖掘与机器学习、计算统计、应用回归分析、应用时间序列分析、应用多元统计分析、分布式计算、人工智能、自然语言处理、深度学习、文本挖掘、算法导论等； (4)相关专业知识：微观经济学、宏观经济学、计量经济学、国际金融、国际贸易、商务大数据案例分析、金融数据风险建模、运筹学、管理学、博弈论等； 具体课程设置详见本专业指导性教学计划。 ⒉能力 通过培养，学生应具备以下几方面的能力： (1)具有扎实的数据分析的理论基础和大数据技术，培养比较系统的大数据分析思维； (2)掌握数据科学的基本理论、基本方法和基本技术，具有大数据采集和数据挖掘的技术，具备解决涉及大数据问题的能力； (3)掌握系统的经济、金融等方面的行业知识，具有运用数据科学的理论、方法和技术分析相关领域实际问题的能力； (4)掌握英语，听、说、读、写、译能力均达到较高水平。具有较强的英语口语和书面交流能力，熟练运用专业英语能力。能阅读数据科学和大数据方面的专业外文文献，掌握中外文资料查询、文献检索及运用现代信息技术获取相关信息的基本方法，具有较强的自学能力和初步科研能力；

数据科学与大数据技术专业培养方案

信息学院 数据科学与大数据技术专业培养方案 一、培养目标 本专业旨在培养德智体美全面发展，具备坚实的计算机专业基础知识，有较强的数理统计分析能力，掌握丰富的数据分析方法和工具，熟悉常见的大数据分析平台和环境，具有实践创新能力，能够从事经济、金融、管理、物流、商务等领域的数据分析工作，面向行业、产业需求培养应用型、复合型、国际化的综合素质人才。 二、专业要求 1.掌握计算机专业的基本理论和方法。 2.掌握经济贸易和金融管理的基本理论和方法。 3.具有扎实的数理统计与分析的基础。 4.具备较强的数据分析和数据建模的能力。 5.熟悉常见的大数据分析平台和环境，并具备较强的开发能力。 6.熟练掌握一门外语，在听、说、读、写、译等方面均达到较高水平。 三、学分要求 学生毕业所应取得的最低总学分为173学分，其中包括课程学分和实践教学学分。 1.课程学分为145学分

2.暑期学校课程 要求修读不少于2门暑期学校课程。 ⑴学生必须完成学校要求的实践教学环节，取得相应学分。 ⑵实践教学环节学时学分计算规则：社会实践50学时计1学分；专业实习30学时计1学分；毕业论文20学时计1学分。 ⑶学生在教师的指导下，完成毕业论文并通过论文答辩。 四、公共基础课程选修要求（专业入门课程） 五、主要课程1 1《对外经济贸易大学学士学位授予办法》学士学位授予条件要求主要课程平均积点达到2.0.

六、授予学位工学学士 七、考核 学生成绩考核严格按照《对外经济贸易大学本科生学分制管理办法》、《对外经济贸易大学本科生学籍管理办法》及《对外经济贸易大学学生成绩管理办法》的有关规定执行。 八、数据科学与大数据技术专业教学计划

数据科学与大数据技术

数据科学与大数据技术 ——专业前身（管理科学）2017年江西省普通高校本科专业综合评价排名第一本专业面向工业大数据、商业大数据、金融大数据、政府政务大数据与智慧城市大数据等不同行业，培养学生具备扎实的数学与计算机科学基础、基于统计与优化的数据分析与建模能力、基于专业化行业知识的数据应用解决方案设计能力，未来能够立足工商企业、金融机构、政府部门等不同行业、具备较强可塑性的数据分析与管理决策人才。培养目标分为两个层次：（1）面向特定行业需求，从事数据采集、分析和建模工作，进而提供管理决策支持的数据分析师；（2）面向不同行业需求和数据现状，从事个性化的数据应用解决方案设计与实施工作，进而实现业务资源优化配置的数据科学家。毕业时颁发数据科学与大数据技术本科毕业证书，符合学位授予条件的，授予理学学士学位。 计算机科学与技术（财经大数据管理） —2016年江西省普通高校本科专业综合评价排名第二 本专业依托学校财经学科优势，强化学科交叉，采用“厚基础、重工程、深融通、精方向”的培养模式，培养既熟练掌握计算机软件与硬件、程序设计与算法、数据库与数据挖掘、系统分析与集成等方面的专业知识和能力，又熟悉财经领域的组织与运营模式、理解财经领域业务流程及业务逻辑，能胜任在银行、证券、保险等财经领域从事数据分析与解读、数据挖掘、产品运营策划与咨询、数据可视化、大数据管理、大数据系统和金融信息系统的开发、维护、决策支持等工作，具有“信、敏、廉、毅”素质的卓越工程应用型人才。毕业时颁发计算机科学与技术（财经大数据管理）本科毕业证书，符合学位授予条件的，授予工学学士学位。 信息管理与信息系统（金融智能）专业 ——2017年江西省普通高校本科专业综合评价排名第一 通过修读信息管理与信息系统、金融和人工智能相关课程，培养具有先进

北京市政务大数据平台顶层设计框架及应用方案

北京市政务大数据平台顶层设计框架及应用方案 本文摘自穆勇在中关村大数据产业联盟上所做的演讲。 演讲全文： 今天很荣幸有这样一个机会，和大家交流探讨大数据在政务领域的应用问题，我看到群里有很多十分熟悉的朋友，所以交流起来也会比较轻松。有什么问题欢迎大家提出，如果我讲的不对的地方，请不客气批评。 一、大数据在政务领域应用的概述 说起大数据技术的应用，首先是在互联网行业起步并逐步拓展到电信、金融、工业等多个领域，产生了巨大的社会价值和产业空间，现正拓展到政务领域。 （一）大数据技术在互联网行业的成功应用，那些地方是值得我们关注的 第一，应该是思维观念和运作方式的变化，所谓的互联网思维，其核心理念包括： 体外互动：邮件、电话、信件互动---服务导引 服务外包：购买服务---简单服务 让渡社会：众包---自助服务 边界开放：数据开放---创造服务 第二，是其技术演进，针对数据处理的技术 首先是传统数据分析处理阶段，该阶段是面向结构化数据，非结构化处理效率低；硬件成本高；平台兼容性差。其次是基于云计算的大数据处理阶段，该阶段总体有了很大的改进和提升，主要体现在：具备结构化/非结构化混合分析的能力；基

于消费级硬件，不依赖高性能、高可靠性硬件，从而保障系统性能和可靠性；平台兼容性好、扩展性高；进而业界又提出去IOE的思路。 第三，是数据挖掘分析技术 画像技术以及各类数据融合、分析、挖掘、预测等。 这些都是政务领域需要学习与借鉴的。为此，我认为：大数据在政务领域应用即包括用新的思维、模式与技术来解决电子政务需求，也包括了政务大数据新的应用。对于第一个方面比较容易理解，对于第二个方面需要对政务大数据给出定义。有些人认为政府没有大数据，只有传统的小数据或中数据。这个问题我们将在下一节专门中进行讨论。 政务领域是大数据应用崭新的领域，它将极大的改变政府的管理模式，有利于节约政府投资、提高政府决策能力、提升公共服务和社会管理能力，开展大数据在政务领域的应用是大势所趋，势在必行。同时，政务大数据本身也不同于其他领域或行业的数据，其复杂程度和需求的多样化比互联网行业大的多，也难的多。 （二）政务大数据的定义及特点 按照政府管理的数据来源和种类，可以分为下三类： 第一类业务数据：业务办理过程中采集和产生的数据。 第二类民意社情数据：对社会企业个人对象进行统计调查获得的数据。 第三类环境数据：通过物理设备采集获得的气象、环境、影像等数据。 在以前的电子政务建设阶段，政务信息资源开发利用更多的是集中在前两种类型和结构化数据上，而对第三类数据，特别是实时的、非结构化、半结构化数据的开发利用相对较少。随着政府业务在互联网、移动互联网、物联网等领域广泛和深入的应用，第三类数据的数据量和价值都在迅速增长，相关数据处理技术也逐步成熟。便于区别不妨把包含第三类数据的政务信息资源叫做是政务大数据。

大数据平台建设方案

大数据平台建设方案 （项目需求与技术方案） 一、项目背景 “十三五”期间，随着我国现代信息技术的蓬勃发展，信息化建设模式发生根本性转变,一场以云计算、大数据、物联网、移动应用等技术为核心的“新IT”浪潮风起云涌，信息化应用进入一个“新常态”。***（某政府部门）为积极应对“互联网+”和大数据时代的机遇和挑战，适应全省经济社会发展与改革要求，大数据平台应运而生。 大数据平台整合省社会经济发展资源，打造集数据采集、数据处理、监测管理、预测预警、应急指挥、可视化平台于一体的大数据平台，以信息化提升数据化管理与服务能力，及时准确掌握社会经济发展情况，做到“用数据说话、用数据管理、用数据决策、用数据创新”，牢牢把握社会经济发展主动权和话语权。 二、建设目标 大数据平台是顺应目前信息化技术水平发展、服务政府职能改革的架构平台。它的主要目标是强化经济运行监测分析，实现企业信用社会化监督，建立规范化共建共享投资项目管理体系，推进政务数据共享和业务协同，为决策提供及时、准确、可靠的信息依据，提高政务工作的前瞻性和针对性，加大宏观调控力度，促进经济持续健康发

展。 1、制定统一信息资源管理规范，拓宽数据获取渠道，整合业务信息系统数据、企业单位数据和互联网抓取数据，构建汇聚式一体化数据库，为平台打下坚实稳固的数据基础。 2、梳理各相关系统数据资源的关联性，编制数据资源目录，建立信息资源交换管理标准体系，在业务可行性的基础上，实现数据信息共享，推进信息公开，建立跨部门跨领域经济形势分析制度。 3、在大数据分析监测基础上，为政府把握经济发展趋势、预见经济发展潜在问题、辅助经济决策提供基础支撑。 三、建设原则 大数据平台以信息资源整合为重点，以大数据应用为核心，坚持“统筹规划、分步实施，整合资源、协同共享，突出重点、注重实效，深化应用、创新驱动”的原则，全面提升信息化建设水平，促进全省经济持续健康发展。

《数据科学与大数据通识导论》题库及答案-2019年温州市工程技术系列专业技术人员继续教育

1.数据科学的三大支柱与五大要素是什么？ 答：数据科学的三大主要支柱为： Datalogy (数据学)：对应数据管理 (Data management) Analytics (分析学)：对应统计方法 (Statistical method) Algorithmics (算法学)：对应算法方法 (Algorithmic method) 数据科学的五大要素： A-SATA模型 分析思维 (Analytical Thinking) 统计模型 (Statistical Model) 算法计算 (Algorithmic Computing) 数据技术 (Data Technology) 综合应用 (Application) 2.如何辨证看待“大数据”中的“大”和“数据”的关系？ 字面理解 Large、vast和big都可以用于形容大小 Big更强调的是相对大小的大，是抽象意义上的大 大数据是抽象的大，是思维方式上的转变 量变带来质变，思维方式，方法论都应该和以往不同 计算机并不能很好解决人工智能中的诸多问题，利用大数据突破性解决了，其核心问题变成了数据问题。 3.怎么理解科学的范式？今天如何利用这些科学范式？ 科学的范式指的是常规科学所赖以运作的理论基础和实践规范，是从事某一科学的科学家群体所共同遵从的世界观和行为方式。 第一范式：经验科学 第二范式：理论科学 第三范式：计算科学 第四范式：数据密集型科学 今天，是数据科学，统一于理论、实验和模拟 4.从人类整个文明的尺度上看，IT和DT对人类的发展有些什么样的影响和冲击？ 以控制为出发点的IT时代正在走向激活生产力为目的的DT（Data Technology）数据时代。大数据驱动的DT时代 由数据驱动的世界观 大数据重新定义商业新模式 大数据重新定义研发新路径 大数据重新定义企业新思维 5.大数据时代的思维方式有哪些？ “大数据时代”和“智能时代”告诉我们： 数据思维：讲故事→数据说话 总体思维：样本数据→全局数据 容错思维：精确性→混杂性、不确定性 相关思维：因果关系→相关关系 智能思维：人→人机协同（人 + 人工智能） 6.请列举出六大典型思维方式； 直线思维、逆向思维、跳跃思维、归纳思维、并行思维、科学思维

大数据、数据科学和数据分析的定义

大数据、数据科学和数据分析的定义与应用 数据无处不在。现有的数字数据量正在快速增长，每两年翻一番，并改变我们的生活方式。一个由福布斯的文章指出，数据的增长速度比以往更快。到2020年，地球上每个人每秒将创建约1.7兆字节的新信息，这使得至少了解该领域的基础知识极为重要。毕竟，这是我们未来的所在。 以下我们将根据数据科学，大数据和数据分析的用途，用途，成为该领域专业人士所需的技能以及每个领域的薪资前景来区分数据科学，大数据和数据分析。 首先让我们开始理解这些概念是什么。 一、数据科学 在处理非结构化和结构化数据时，数据科学是一个涉及与数据清理，准备和分析相关的所有领域的领域。 数据科学是统计，数学，编程，解决问题，以巧妙的方式捕获数据，以不同的方式看待事物的能力以及清理，准备和对齐数据的活动的结合。 简而言之，它是尝试从数据中提取见解和信息时使用的技术的总括。 二、大数据 大数据是指无法用现有的传统应用程序有效处理的庞大数据量。大数据的处理始于未聚合的原始数据，通常是不可能将其存储在单台计算机的内存中的。 用来描述庞大数据量的流行语，无论是非结构化还是结构化的大数据，每天都会淹没企业。大数据是一种可以用来分析洞察力的东西，这些洞察力可以导致更好的决策和战略业务转移。

Gartner给出的大数据定义是：“大数据是高容量，高速或多变的信息资产，它们需要经济高效的创新信息处理方式，以增强洞察力，决策能力和过程自动化。” 三、数据分析 数据分析是检查原始数据以得出该信息的科学。 数据分析涉及应用算法或机械过程来得出见解，例如，遍历多个数据集以寻找彼此之间有意义的关联。 它被用于多个行业，以允许组织和公司做出更好的决策以及验证和反证现有的理论或模型。数据分析的重点在于推理，这是仅根据研究人员已经知道的结论得出结论的过程。四、数据科学的应用 （1）互联网搜索 搜索引擎利用数据科学算法在几秒钟内为搜索查询提供最佳结果。 （2）数位广告 整个数字营销频谱都使用数据科学算法-从显示横幅到数字广告牌。这是数字广告获得的点击率高于传统广告的平均原因。 （3）推荐系统 推荐系统不仅使从数十亿可用产品中查找相关产品变得容易，而且还增加了用户体验。 许多公司使用此系统根据用户的需求和信息的相关性来推广他们的产品和建议。这些建议基于用户以前的搜索结果。 五、大数据的应用 （1）金融服务大数据 信用卡公司，零售银行，私人财富管理咨询公司，保险公司，风险基金和机构投资银行将大数据用于其金融服务。它们之间的共同问题是存在于多个不

数据科学与大数据技术专业分析与报考建议

数据科学与大数据技术专业分析与报考建议大数据专业是很多学生和家长关注的热门专业，但大数据专业具体学什么、毕业主要做什么、适合什么学生报考， 很多学生和家长还是不太清楚。为便于学生和家长对数据科 学与大数据技术专业有更深入的了解，本文重点对这个专业 进行分析解读并提出专业报考建议。 1、认识大数据和大数据专业 先和大家说说什么是大数据?行业内普遍认可的是符合IBM提出的5V特点，即Volume(大量)、Velocity(高速)、 Variety(多样)、Value(低价值密度)、Veracity(真实性)的才 是大数据。对于我们一般非专业人来说，我们可以认为数据 量特别大、数据类别特别复杂的数据集就是大数据。 大数据有什么用途呢，用一个经典的“啤酒和尿布”的故事给大家解释一下。美国零售业巨头沃尔玛分析销售数据 时，发现了一个令人难以理解的现象：“啤酒”与“尿布” 两件看上去毫无关系的商品，会经常出现在同一个购物篮中。 经过调查分析发现，年轻的爸爸们在购买婴儿尿片时，常常 会顺便搭配几瓶啤酒来犒劳自己，商场于是尝试将啤酒和尿

布摆在一起，没想到这个举措居然使尿布和啤酒的销量都大幅增加了，这就是利用了大数据进行分析得出的结论。 大数据技术已经在我们的日常生产、生活、学习中得到了广泛应用，例如利用车辆定位数据分析道路拥堵情况，利用大量的医疗数据预测流行流行性感冒或者疫情趋势，互联网企业利用大数据技术对客户进行画像、精准营销……阿里巴巴创始人马云曾经说过，企业最宝贵的资源就是数据。 数据科学与大数据技术专业是工学门类计算机类下面的特设专业，专业代码080910T，自2016年在国内重点大学陆续开设，本科学制4年。数据科学与大数据技术专业主要培养具备扎实的数学与计算机基础、数据分析与建模能力、数据应用解决方案能力，能够在计算机、互联网以及大数据相关产业从事科学研究、数据分析、技术应用、技术管理与咨询等工作的专门技术人才。

2018版数据科学与大数据技术专业培养方案

2018版数据科学与大数据技术专业培养方案 专业简介： 2018年，我校数据科学与大数据专业将首次招生，招生规模预计为60人左右。该专业依托湖北大学与中科曙光共建的“大数据学院”，借助双方共同投入2000万构建的大数据专业实验室，与中科曙光联合开展人才培养。旨在培养具有大数据思维、运用大数据思维及分析应用技术、具有将领域知识与计算机技术和大数据技术融合、创新的能力，能够从事大数据研究和开发应用的高层次人才。本专业学生毕业后，能在统计部门、税务海关、公司企业以及金融保险机构等企事业单位从事从事大数据分析、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，或继续攻读本学科及其相关学科的硕士学位研究生。 专业代码：080907 一、培养目标 本专业培养具有良好职业道德，具备系统的数学、人文与专业素养，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，具有数据采集、存储、处理、分析与展示的基本能力，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、以及良好外语运用能力，能从事大数据研究、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的应用型创新人才。 二、毕业要求 通过本科阶段学习，毕业生应达到如下的毕业要求（能力）： 1、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，其中人文社科包括文学、外语、哲学、政治学、社会学、管理学、经济学、心理学等方面的常识或基本知识。 （2）自然科学知识：具有从事专业相关的项目工作所需的数学、物理等基础知识。 （3）学科基础知识：具有扎实的计算机基础知识、信息处理方法，统计分析，软件开发等相关学科的基本理论和基本知识。 （4）专业知识：熟悉大数据技术领域的基本理论和基本知识，熟练掌握分布式数据库

气象大数据技术架构思路

气象大数据应用技术架构 设计思路 二〇一五年五月

文档信息 客户单位: 内部技术机密心项目: 文档：.docx 版本：0.9(150521) 发布日期: 未发布 修订历史

目录 文档信息 (ii) 修订历史 (ii) 1 引言 (1) 2 气象行业大数据分类 (2) 2.1 概述 (2) 2.2 从分类大数据到选择大数据解决方案 (3) 2.3 依据大数据类型对业务问题进行分类 (5) 2.4 使用大数据类型对大数据特征进行分类 (6) 2.5 依据大数据类型对气象信息进行处理..................................... 错误！未定义书签。 3 大数据平台架构..................................................................................... 错误！未定义书签。 3.1 大数据解决方案的逻辑构成 (9) 3.1.1 大数据来源..................................................................... 错误！未定义书签。 3.1.2 数据改动和存储层 (10) 3.1.3 大数据分析层 (10) 3.1.4 大数据应用层 (10) 3.2 大数据解决方案的组件构成 (11) 3.2.1 横向层 (11) 3.2.2 垂直层 (16) 4 大数据平台组成..................................................................................... 错误！未定义书签。 4.1 概述 (19) 4.2 原子模式 (19) 4.2.1 数据使用组件 (20) 4.2.2 数据处理组件 (22) 4.2.3 数据访问组件 (24) 4.2.4 数据存储组件 (28) 4.3 复合模式 (29) 4.3.1 存储和探索复合组件 (30) 4.3.2 专业分析和预测分析组件 (30) 4.3.3 OLAP在线分析 (31) 4.3.4 原子模式和符合模式的映射 (32) 4.4 解决方案模式（模拟应用场景） (35) 5 技术架构实现选择产品 (35) 5.1 概述 (35) 5.2 技术架构的关键问题 (35) 5.3 分布式存储与分布式应用 (35) 5.4 服务平台的硬件架构与调整 (37) 5.5 数据库与数据仓库 (37) 5.6 NOSQL数据库 (37) 5.7 数据集成工具 (37) 5.8 数据分析软件 (37) 5.9 Web应用以及Web开发的关键问题 (37) 6 我们的研发策略 (37)

数据科学与大数据技术专业指导性培养方案

数据科学与大数据技术专业指导性培养方案 部门：计算机与信息学院 部门负责人：汪军 专业负责人：陶皖 审核：凤权 校长：王绍武 制订日期：年月 一、培养目标 （）学校培养目标：培养德智体美劳全面发展，具有社会责任感、创新精神、创业意识和实践能力的高素质应用型人才。 （）专业培养目标：满足数据科学与大数据应用的复合型人才需求，培养具有数学、统计、计算机基础知识与基本技能，掌握数据科学与大数据的基本理论和基本知识，熟练掌握大数据采集、存储、处理与分析、传输与应用等相关技术，具备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，能从事各行业大数据分析、处理、服务、开发和利用工作，大数据系统集成与管理维护等各方面工作，亦可从事大数据研究、咨询、教育培训工作的高素质应用型人才。 二、基本要求 、热爱社会主义祖国，拥护中国共产党的领导，树立正确的人生观、世界观和价值观，具有良好的思想品德、社会公德和职业道德。 、掌握专业所需的基础科学理论知识，掌握本专业扎实的专业基础理论及必要的专业知识，具有本专业所必需的基本技能，具有良好的业务素养。 、掌握科学的思维方法，具有创新能力和较强实践能力，具有较强的终身学习能力、获取及处理信息能力。 、具有良好的心理素质和适应能力，掌握科学锻炼身体的基本技能，受到必要的军事训练，达到国家规定的大学生体育和军事训练合格标准。 、具有团队合作精神，良好的科学精神和职业道德。 、必须达到本培养计划规定的总学分要求和各类学分要求。

三、业务毕业要求 本专业培养掌握大数据科学与技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。 毕业生在知识、能力和素质等方面应达到如下具体要求： 1、工程知识：能够将数学、自然科学、数据科学与大数据技术基础知识用于解决复杂工程科学技术问题。 问题分析：具有解决数据科学与大数据技术领域复杂工程问题所需的专业知识，具备对复杂工程项目问题进行科学识别和提炼、定义和表达、技术分析和测试及运维管理的能力，以解决复杂工程项目问题。 设计开发解决方案：能够设计大数据开发和大数据分析领域的复杂工程问题的解决方案，设计和开发满足特定需求的系统，包括硬件和软件，并能够在设计环节中体现创新意识。 研究：能够基于数据科学原理，采用工程方法对复杂工程问题进行研究，包括需求分析、系统设计、编程实现、测试和维护，从而解决问题并进行评价。 使用现代工具：能够针对数据科学与大数据技术领域复杂工程问题，选择与使用恰当的编程语言、开发平台、开发工具以及各种辅助的质量保证、建模工具等，来解决工程中的问题，并能够理解其局限性，了解数据科学领域的前沿理论与发展现状和趋势。 工程与社会，环境与可持续发展：在解决数据科学与大数据技术领域复杂项目工程问题的同时，能够综合考虑安全与健康、经济、环境、文化、社会等制约因素，遵守法律法规与相关标准，理解和评价工程实践对其影响和应承担的责任，并能够理解和评价这些复杂项目工程实践对环境及社会可持续发展的影响。 职业规划：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软件行业的职业道德和规范，履行责任。 8、个人和团队：具有团队合作和在多学科背景环境中发挥个人作用的能力。 沟通：具有在数据科学与大数据技术领域复杂项目工程活动中与他人和社会进行有效沟通的能力，包括能够理解和撰写效果良好的项目报告和设计文档，进行有效的陈述发言；具有一定的国际视野和跨文化交流的能力。 10、项目管理：理解并掌握复杂项目工程的管理和经济决策方面的基本知识与方法，并能够应用于工程实践中。 11、终身学习：具有自主学习和终身学习的意识，具有不断学习和适应计算机技术快速发展的能力。