Big Data Management and Applications
学科门类:管理学 专业代码:120108T
一、培养目标
本专业培养具有家国情怀、科学精神,具备德智体美劳全面发展,掌握扎实的经济管理理论、数理基础和数据科学与大数据技术知识基础,面向数字经济和数据产业发展战略需求,培养学生具有创新精神和国际视野,掌握大数据管理与创新应用的专业理论、知识、方法和技能,立足山东、面向全国、服务行业,能够胜任政府部门、金融机构、科研院所以及企事业等单位的大数据系统设计与开发、大数据分析处理与应用等工作的应用复合型高级专门人才。
本专业应达到以下培养目标:
培养目标 1(高尚道德品质):具有国家情怀和以人为本的意识,具备职业操守和社会责任感。
培养目标2(扎实基础知识):具备数理基础、金融理论知识基础和计算机专业知识,掌握数据科学与大数据技术应用技能,适应数字经济和数据产业发展需要。
培养目标3(过硬综合能力):具备大数据思维和技能,适应在企事业单位及政府部门从事具有大数据系统设计开发、大数据分析处理与管理应用以及数据驱动商务决策方面的工作。
培养目标4(组织管理能力):具有团队意识,具备人际沟通能力和组织管理能力,能适应多元化的企业文化。
培养目标5(持续自我提升):具有自学能力和创新能力,具有独立获取知识、分析和解决大数据管理与应用方面具体场景的能力,富有开拓创新创业精神和国际视野。
二、培养要求
学生通过学习和培养,系统掌握数学、统计学、计算机科学、数据科学、经济学与管理学基础理论,熟练掌握数据建模与决策分析的相关技术、方法和工具,具备运用大数据技术和软件工具,为企事业及政府部门,特别是财金领域相关部门,进行数据分析、量化管理和辅助决策,熟悉大数据管理技术与方法,善于利用大数据进行智能定量分析与应用。有较宽的知识面和较强的实际工作能力,并有终身学习的能力。
1.培养要求
根据上述培养目标,本专业毕业生必须满足如下9条培养要求:
培养要求1(品德修养):具有坚定正确的政治方向、良好的思想品德和健全的人格,热爱祖国,热爱人民,拥护中国共产党领导;具有科学精神、人文修养、专业素养、社会责任感和积极的人生态度,积极参与社会实践,能够传承中华优秀传统文化,了解国情社情民情,践行社会主义核心价值观。
培养要求2(学科知识):具有系统扎实的基础知识、跨学科知识、大数据专业知识和专业技能;了解大数据专业及相关学科的历史、现状和前沿动态,掌握大数据的研究思路和研究方法,了解国内相关政策法规和惯例。
培养要求3(应用能力):具有跨领域知识融通能力,能够综合运用相关知识和技能,分析和解决大数据或相关领域复杂问题,提出相应对策或方案,并对对策和方案的政策依据、社会环境和可能的社会影响进行分析。
培养要求4(创新能力):具有逻辑思维能力、批判精神和反思意识,能够运用大数据的研究思路和方法组织和开展调查和研究,能发现、辨析、总结、评价大数据及相关领域的现象和问题,形成个人判断、见解或对策,具有管理决策和运行管理能力,具有创新创业意识和能力。
培养要求5(信息能力):能够运用各类信息技术和工具获取和分析相关信息,能够使用相关软件和网上办公系统;能够使用相关模型进行分析和判断;能够使用信息技术解决大数据领域的实际问题。
培养要求6(沟通表达):能够就大数据领域的复杂问题与业界同行及社会公众进行有效沟通和交流,能够使用准确规范的语言文字,逻辑清晰地表达观点,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令,能够在跨文化背景下进行沟通和交流。
培养要求7(团队合作):具有策划、组织、协调和管理能力,能够与团队成员和谐相处,协作完成复杂任务,能够在大数据相关领域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。
培养要求8(国际视野):具有国际视野,理解和尊重世界文化的差异性和多样性,了解国际动态,关注大数据领域的全球重大问题,具有开展国际交流与合作的能力,能够传播中华优秀文化和中国智慧。
培养要求9(学习发展):具有自我规划、自我管理、自主学习和终身学习的意识,具有适应大数据发展的能力,能够通过不断学习适应社会和个人高层次、可持续发展的需要。
2.培养要求的分解
上述培养要求又分解为如下表所示的分指标点。
培养要求指标点分解
通用标准的培养要求 |
分解指标点 |
培养要求1(品德修养):具有坚定正确的政治方向、良好的思想品德和健全的人格,热爱祖国,热爱人民,拥护中国共产党领导;具有科学精神、人文修养、专业素养、社会责任感和积极的人生态度,积极参与社会实践,能够传承中华优秀传统文化,了解国情社情民情,践行社会主义核心价值观。 |
指标点1-1:具有坚定正确的政治方向,具备思想道德和健全的人格,热爱祖国和人民,拥护中国共产党的领导,坚定四个自信。 |
指标点1-2:有正确价值观,理解个人与社会的关系,具有科学精神、人文和专业素养、社会责任感和积极的人生态度,参与社会实践,能够传承中华优秀传统文化。 |
指标点1-3:了解中国国情和相关的形势、政策,践行社会主义核心价值观,能够用马克思主义的立场、观点、方法认识和分析事物,并运用于大数据及相关领域实践。 |
培养要求2(学科知识):具有系统扎实的基础知识、跨学科知识、大数据专业知识和专业技能;了解大数据专业及相关学科的历史、现状和前沿动态,掌握大数据的研究思路和研究方法,了解国内相关政策法规和惯例。 |
指标点2-1:能够运用自然科学、社会科学和人文学科等基础知识、跨学科知识、大数据专业知识和专业技能,用于大数据领域复杂问题的表述、推演与分析。 |
指标点2-2:掌握大数据管理的相关知识与技能,了解大数据专业及相关学科的历史、现状和前沿动态,掌握大数据的研究思路和研究方法,具有大数据运营和商务数据分析能力。 |
指标点2-3:掌握软件开发等信息技术知识与技能,了解大数据及相关领域的发展动态、政策法规和惯例,具有大数据系统规划与开发、系统测试、系统维护等能力。 |
培养要求3(应用能力):具有跨领域知识融通能力,能够综合运用相关知识和技能,分析和解决大数据或相关领域复杂问题,提出相应对策或方案,并对对策和方案的政策依据、社会环境和可能的社会影响进行分析。 |
指标点3-1:具有大数据运营管理能力,能够综合运用跨领域知识和技能,依据政策、环境和社会影响分析和解决大数据及相关领域复杂问题。 |
指标点3-2:具有大数据系统规划与开发能力,能够根据具体应用环境提出相应的对策和实现方案。 |
指标点3-3:具有商务数据分析能力,能够综合运用相关知识和技能对大数据相关领域复杂问题的对策和方案的政策依据、社会环境和可能的社会影响进行分析。 |
培养要求4(创新能力):具有逻辑思维能力、批判精神和反思意识,能够运用大数据的研究思路和方法组织和开展调查和研究,能发现、辨析、总结、评价大数据及相关领域的现象和问题,形成个人判断、见解或对策,具有管理决策和运行管理能力,具有创新创业意识和能力。 |
指标点4-1:掌握辩证唯物主义的相关理论,能够运用马克思主义立场、观点、方法认识和分析事物,具有逻辑辩证思维意识和批判精神和反思意识。 |
指标点4-2:能够应用大数据的研究思路和方法开展调查研究,发现和分析相关领域问题,并形成个人的判断、见解或对策。 |
指标点4-3:具有创新创业能力、组织管理和运营能力。 |
培养要求5(信息能力):能够运用各类信息技术和工具获取和分析相关信息,能够使用相关软件和网上办公系统;能够使用相关模型进行分析和判断;能够使用信息技术解决大数据领域的实际问题。 |
指标点5-1:了解计算机相关办公软件及大数据常用的现代设备、方法和工具,掌握大数据系统开发过程中所使用的原理、工具和方法,并选择使用。 |
指标点5-2:掌握大数据采集和分析的主流软件和工具,能够应用相关工具进行数据信息收集、处理和分析和判断。 |
指标点5-3:能够针对具体的大数据相关问题,选用满足特定需求的信息技术工具进行设计和处理,根据数据分析结果提出支持企业相关决策的方案和建议。 |
培养要求6(沟通表达):能够就大数据领域的复杂问题与业界同行及社会公众进行有效沟通和交流,能够使用准确规范的语言文字,逻辑清晰地表达观点,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令,能够在跨文化背景下进行沟通和交流。 |
指标点6-1:具有语言表达和文字组织能力,能够就大数据领域复杂问题的设计方案、研究方法、技术路线等问题与同行及社会公众进行有效沟通和交流。 |
指标点6-2:具有国际沟通和商务交流能力,能运用中英文专业知识进行意见传递和自我表达。 |
指标点6-3:具有外语读写和翻译能力,能够阅读和翻译外文专业文献,规范书写外文资料,具备按照标准(国际、国家、行业或企业标准)撰写专业报告、技术文档、跨文化背景下进行沟通和交流。 |
培养要求7(团队合作):具有策划、组织、协调和管理能力,能够与团队成员和谐相处,协作完成复杂任务,能够在大数据相关领域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7-1:能够理解他人需求与意愿,具有团队合作意识与能力,能够在大数据系统实践中主动与多学科组成的团队成员有效沟通,能够与团队成员和谐相处,协作完成各项工作。 |
指标点7-2:能够在多学科组成的团队中,能够以个体独立开展工作,或以团队成员、负责人的角色组织、协调和指挥团队开展工作。 |
培养要求8(国际视野):具有国际视野,理解和尊重世界文化的差异性和多样性,了解国际动态,关注大数据领域的全球重大问题,具有开展国际交流与合作的能力,能够传播中华优秀文化和中国智慧。 |
指标点8-1:具有国际视野,能正确理解、合理分析国内外大数据发展的差异性和多样性。 |
指标点8-2:了解相关国际动态,关注大数据领域的全球重大问题及国家发展趋势。 |
指标点8-3:具有开展国际交流与合作的能力,能够传播中华优秀文化和中国智慧。 |
培养要求9(学习发展):具有自我规划、自我管理、自主学习和终身学习的意识,具有适应大数据发展的能力,能够通过不断学习适应社会和个人高层次、可持续发展的需要。 |
指标点9-1:具有自我规划、管理和终生学习的能力和意识。 |
指标点9-2:在社会和大数据发展的大背景下,能够认识到自主学习和终身学习的重要性,自觉跟踪大数据领域学科前沿。 |
指标点9-3:具备自主学习大数据学科知识和大数据领域发展趋势的意识与能力,具有不断总结归纳并提出问题的能力。 |
3.培养要求对培养目标的支撑
“培养目标——培养要求”关联度矩阵(下表P只是举例)
培养目标 培养要求 |
培养目标1 |
培养目标2 |
培养目标3 |
培养目标4 |
培养目标5 |
培养要求1 |
P |
|
|
|
|
培养要求2 |
|
P |
|
|
|
培养要求3 |
|
P |
P |
|
|
培养要求4 |
|
P |
P |
|
P |
培养要求5 |
|
P |
P |
|
P |
培养要求6 |
|
|
|
P |
|
培养要求7 |
|
|
|
P |
|
培养要求8 |
|
|
|
P |
P |
培养要求9 |
|
|
|
|
P |
三、专业培养特色
本专业秉承山东财经大学办学特色,结合管理科学与工程学院信息技术优势,基于大数据行业实际工作能力的需求设置培养方案,从而形成“厚基础、重交叉、强实践”的专业特色。专业开设大数据管理与决策和大数据系统开发技术两个培养方向,在大数据管理与应用课程体系中增加数学和统计学知识的比重,强化人才理论基础和建模能力。构建“圣泉书院+科研项目+专业竞赛”的创新能力培养体系,强化人才的创新能力。
四、主干学科与核心课程
主干学科:管理科学与工程
核心课程:Python程序设计基础、大数据技术基础、管理统计学、大数据智能分析理论与方法、大数据管理方法与应用、数据结构与算法、大数据计量经济分析、大数据预测分析技术、分布式计算框架及应用、人工智能与机器学习、神经网络与深度学习、量化投资分析实验、社会化网络分析、文本分析与挖掘等。
五、修业年限
本科基本修业年限为4年。根据学校学分制管理规定,实行3-6年弹性学制,学生可提前1年或延长2年毕业。
六、毕业学分标准
本专业要求学生修满教学计划中规定的课程总学分155学分和各模块应修学分,方准毕业,其中:
1. 通识教育课程67学分,其中,通识必修课47学分,通识选择性必修课10学分,通识选修课10学分且需修满每个模块要求的最低学分。
2. 专业教育课程56学分,其中,专业基础课21学分,专业必修课程18学分,专业选修课需最低选修17学分。
3. 独立实践课程32学分,其中,实践必修23学分,专业实践选修课需最低选修6学分,创新创业实践选修课3学分。
七、学位授予
按要求完成学业,达到毕业学分要求,并符合学士学位授予条件者,授予管理学学士学位。
八、课程体系及学分学时分配
课程按内容分为通识教育课程模块、专业教育课程模块和独立实践课程模块。课程按性质分为必修课、选修课两类,其中必修课包括通识必修课、专业基础课、专业必修课和实践必修课,选修课包括通识选择性必修课、通识选修课、专业选修课和实践选修课。总学分155分,其中必修课109分,占总学分的70%;选修课46分,占总学分的30%;实践教学49分,占总学分的32%。
课程体系框架及学分学时统计表
课程类别 |
课程总学分 |
课程总学时 |
学时类型 |
学期、周数、周学时分配 |
理论 |
实践 |
一 |
二 |
三 |
四 |
五 |
六 |
七 |
八 |
14 |
17 |
17 |
17 |
17 |
17 |
17 |
17 |
通识课 |
通识必修课 |
47 |
867 |
785 |
82 |
|
|
|
|
|
|
|
|
通识选择性必修课 |
10 |
187 |
187 |
|
|
|
|
|
|
|
|
|
通识选修课 |
10 |
170 |
170 |
|
|
|
|
|
|
|
|
|
小计 |
67 |
1224 |
1142 |
82 |
|
|
|
|
|
|
|
|
专业课 |
专业基础课 |
21 |
365 |
302 |
63 |
|
|
|
|
|
|
|
|
专业必修课 |
18 |
306 |
204 |
102 |
|
|
|
|
|
|
|
|
专业选修课 |
17 |
289 |
267 |
22 |
|
|
|
|
|
|
|
|
小计 |
56 |
960 |
773 |
187 |
|
|
|
|
|
|
|
|
独立实践课 |
实践必修 |
23 |
198 |
|
198 |
|
|
|
|
|
|
|
|
专业实践选修 |
6 |
102 |
|
102 |
|
|
|
|
|
|
|
|
创新创业实践选修 |
3 |
|
|
|
|
|
|
|
|
|
|
|
合计 |
155 |
2484 |
1915 |
569 |
|
|
|
|
|
|
|
|
实践教学学分分配及比例
课内实践学分 |
独立实践课学分 |
实践学分合计 |
占总学分的比例 |
17 |
32 |
49 |
32% |
课内实践学分=通识课课内实践学分+专业课课内实践学分
九、教学计划进程表
大数据管理与应用专业教学计划进程表(通识课平台)
课程类别 |
课程代码 |
课程名称 |
课程总学分 |
课程总学时 |
学时类型 |
周学时 |
开课学期 |
先修课程 |
理论 |
实践 |
通识必修课 |
思想政治理论课 |
11200011 |
形势与政策Current Situation and Policy |
2 |
64 |
64 |
|
|
1-8 |
|
11200111 |
思想道德与法治Ideology and Morality and Rule of Law |
3 |
51 |
51 |
|
3 |
|
|
11200131 |
中国近现代史纲要Outline of Modern Chinese History |
3 |
51 |
51 |
|
3 |
|
|
11200161 |
毛泽东思想和中国特色社会主义理论体系概论Introduction to Mao Zedong Thought and Theoretical System of Socialism with Chinese Characteristics |
3 |
51 |
51 |
|
3 |
|
思想道德与法治/中国近现代史纲要 |
11200101 |
马克思主义基本原理Principles of Marxism |
3 |
51 |
51 |
|
3 |
|
思想道德与法治/中国近现代史纲要 |
11200151 |
习近平新时代中国特色社会主义思想概论Introduction to Xi Jinping Thought on Socialism with Chinese Characteristics for A New Era |
3 |
51 |
51 |
|
3 |
与《毛泽东思想和中国特色社会主义理论体系概论》一致 |
思想道德与法治/中国近现代史纲要 |
创新创业课 |
06200191 |
大学生成长与发展指导Ⅰ(新生研讨课)Course for College Students' Growth and Development Ⅰ(Freshman Seminar) |
1 |
14 |
14 |
|
1 |
1 |
|
26200011 |
大学生成长与发展指导Ⅱ(创新、创业与就业能力培养)Course for College Students' Growth and Development Ⅱ |
2 |
34 |
17 |
17 |
1+1 |
2 |
大学生成长与发展指导Ⅰ |
26200021 |
大学生成长与发展指导Ⅲ(职业体验与创新创业实践)Course for College Students' Growth and DevelopmentⅢ |
1 |
17 |
|
17 |
1 |
3 |
大学生成长与发展指导Ⅱ |
公共基础课 |
94200022 |
军事理论Military Theories |
2 |
34 |
34 |
|
2 |
1 |
|
15200861 |
大学英语ⅠCollege English Ⅰ |
2 |
42 |
28 |
14 |
2+1 |
1 |
|
15200561 |
大学英语ⅡCollege English Ⅱ |
3 |
51 |
34 |
17 |
2+1 |
2 |
大学英语Ⅰ |
15200891 |
大学英语ⅢCollege English Ⅲ |
2 |
51 |
34 |
17 |
2+1 |
3 |
大学英语Ⅱ |
16200011 |
高等数学ⅠCalculus I |
5 |
84 |
84 |
|
4 |
1 |
|
16200021 |
高等数学ⅡCalculusⅡ |
4 |
68 |
68 |
|
4 |
2 |
高等数学Ⅰ
|
16200031 |
线性代数Linear Algebra |
3 |
51 |
51 |
|
3 |
2 |
|
16200041 |
概率论与数理统计Probability Theory and Mathematical Statistics |
4 |
68 |
68 |
|
4 |
3 |
高等数学Ⅰ、Ⅱ
|
10200061 |
大学生心理健康教育College Students' Mental Health Education |
1 |
34 |
34 |
|
1 |
|
|
小计 |
47 |
867 |
785 |
82 |
|
|
|
通识选择性必修课 |
思想政治理论课模块 |
1 |
17 |
17 |
|
|
|
|
体育课模块 |
4 |
68 |
68 |
|
|
|
|
中国传统文化模块 |
4 |
68 |
68 |
|
|
|
|
劳动与安全教育模块 |
1 |
34 |
34 |
|
|
|
|
小计 |
10 |
187 |
187 |
|
|
|
|
通识选修 课 |
财经特色类 |
≥3 |
51 |
|
|
|
|
|
人文艺术类(含公共艺术) |
≥3 |
51 |
|
|
|
|
|
自然科学类 |
≥2 |
34 |
|
|
|
|
|
跨专业课程 |
|
|
|
|
|
|
|
小计 |
10 |
170 |
170 |
|
|
|
|
大数据管理与应用专业教学计划进程表(专业课平台)
课程类别 |
课程代码 |
课程名称 |
课程总学分 |
课程总学时 |
学时类型 |
周学时 |
开课学期 |
先修课程 |
理论 |
实践 |
专业基础课 |
08200011 |
会计学Accounting |
3 |
42 |
36 |
6 |
3 |
1 |
|
01200011 |
微观经济学Micro-economics |
3 |
51 |
49 |
2 |
3 |
2 |
高等数学Ⅰ |
07200011 |
管理学Management |
3 |
51 |
47 |
4 |
3 |
2 |
|
06302851 |
Java程序设计基础Essentials of Java Programming |
3 |
51 |
34 |
17 |
2+1 |
2 |
管理科学中的计算机应用 |
06302861 |
管理统计学Management Statistics |
2.5 |
51 |
34 |
17 |
2+1 |
4 |
概率论与数理统计 |
06300031 |
管理信息系统Management Information System |
3 |
51 |
51 |
|
3 |
4 |
管理学
|
06300041 |
管理运筹学Management Operational Research |
3.5 |
68 |
51 |
17 |
3+1 |
5 |
高等数学Ⅰ、高等数学Ⅱ、线性代数、概率论与数理统计 |
小 计 |
22 |
21 |
365 |
302 |
63 |
|
|
大数据管理与应用专业教学计划进程表(专业课平台)
课程类别 |
课程代码 |
课程名称 |
课程总学分 |
课程总学时 |
学时类型 |
周学时 |
开课学期 |
先修课程 |
理论 |
实践 |
专业必修课 |
06302751 |
Python程序设计基础Fundamentals of Python Programming |
3 |
51 |
34 |
17 |
2+1 |
3 |
|
06302881 |
数据库原理及应用Database Principles & Applications |
3 |
51 |
34 |
17 |
2+1 |
3 |
|
06302871 |
数据结构Data Structure |
3 |
51 |
34 |
17 |
2+1 |
4 |
Python程序设计基础 |
06302981 |
大数据分布式平台基础Foundation of Big Data Distributed Platform |
3 |
51 |
34 |
17 |
2+1 |
4 |
Java程序设计基础 |
06302991 |
机器学习Machine Learning |
3 |
51 |
34 |
17 |
2+1 |
5 |
管理统计学、Python程序设计基础、数据结构 |
06303001 |
量化金融方法Quantitative Finance Method |
3 |
51 |
34 |
17 |
2+1 |
6 |
Python程序设计基础 |
小 计 |
18 |
306 |
204 |
102 |
18 |
|
|
大数据管理与应用专业教学计划进程表(专业课平台)
课程类别 |
培养方向 |
课程代码 |
课程名称 |
课程总学分 |
课程总学时 |
学时类型 |
周学时 |
开课学期 |
先修课程 |
理论 |
实践 |
专业选修课 最低选修17学分 |
大数据技术方向 |
06303083 |
神经网络与深度学习Neural Networks and Deep Learning |
3 |
51 |
34 |
17 |
2+1 |
5 |
|
06303143 |
数据挖掘Data Mining |
3 |
51 |
34 |
17 |
2+1 |
5 |
Python程序设计基础 |
06303153 |
推荐系统案例分析Case Analysis of Recommendation System |
2 |
34 |
34 |
|
2 |
5 |
Python程序设计基础 |
06302983 |
文本分析与挖掘Text Analysis and Mining |
2 |
34 |
34 |
|
2 |
6 |
Python程序设计基础,机器学习 |
06303193 |
人工智能Artificial intelligence |
3 |
51 |
34 |
17 |
2+1 |
6 |
|
大数据应用方向 |
06302873 |
信息经济学Information Economics |
2 |
34 |
34 |
|
2 |
5 |
|
06303183 |
金融风险管理Financial Risk Management |
2 |
34 |
34 |
|
2 |
5 |
|
06303073 |
多元统计分析Multivariate Statistical Analysis |
2 |
34 |
17 |
17 |
1+1 |
5 |
管理统计学 |
06303093 |
数据可视化技术Data Visualization Techniques |
2 |
34 |
17 |
17 |
1+1 |
6 |
Python程序设计基础 |
06300405 |
管理预测与决策Forecasting and Decision |
3 |
51 |
51 |
|
3 |
6 |
|
自选 |
01200023 |
宏观经济学Macro-economics |
3 |
51 |
51 |
|
3 |
3 |
微观经济学 |
06301483 |
互联网金融框架与实践Internet Financial Framework & Practice |
2 |
34 |
34 |
|
2 |
3 |
|
03200073 |
金融学Finance |
2 |
34 |
34 |
|
2 |
4 |
|
06303133 |
公司金融管理Cooperate Finance |
2 |
34 |
34 |
|
2 |
4 |
|
06303023 |
生产运营管理Production and OperationManagement |
2 |
34 |
34 |
|
2 |
4 |
|
06302853 |
战略管理Strategic Management |
2 |
34 |
34 |
|
2 |
5 |
|
06302873 |
信息经济学Information Economics |
2 |
34 |
34 |
|
2 |
6 |
|
|
小 计 |
17 |
289 |
267 |
22 |
|
|
|
专业选修课的“小计”一行中,“学期、周数、周学时分配”栏所列数字是建议学生各学期修读的学时,学生可根据自身情况予以调整。
大数据管理与应用专业教学计划进程表(独立实践课平台)
课程类别 |
课程代码 |
课程名称 |
学分 |
总学时 |
开课起止周/周数 |
周学时 |
开课学期 |
先修课程 |
基础实践(必修) |
06200052 |
军事技能Military Skills |
2 |
|
2-3 |
√ |
1 |
|
06300892 |
管理科学中的计算机应用ComputerApplicationsin Management Science |
1 |
28 |
4-17 |
2 |
1 |
|
06200022 |
名著阅读Classics Reading |
1 |
|
|
√ |
1-8 |
|
专业实践 |
单独开设专业实践课 |
必修 |
06301062 |
大数据采集与可视化实验Big Data Acquisition and Visualization Experiment |
2 |
34 |
1-17 |
2 |
4 |
Python程序设计基础 |
06301212 |
Python大数据分析实验Big Data Analysis Experiment with Python |
2 |
34 |
1-17 |
2 |
5 |
Python程序设计基础、大数据采集与可视化实验 |
06301082 |
神经网络与深度学习Neural Networks and Deep Learning |
2 |
34 |
1-17 |
2 |
6 |
Python程序设计基础、机器学习 |
06301092 |
大数据决策综合实验Big Data-Based Decision-makingExperiment |
2 |
34 |
1-17 |
2 |
7 |
Python程序设计基础、Python大数据分析实验 |
必修实践课小计 |
8 |
136 |
|
8 |
|
|
选修 最低选修6学分 |
06301102 |
社会化网络分析实验Social Network Analysis Experiment |
2 |
34 |
1-17 |
2 |
6 |
Python程序设计基础、大数据采集与可视化实验、机器学习
|
06301312 |
大数据存储管理实验Big Data Storage Management Experiment |
2 |
34 |
1-17 |
2 |
5 |
大数据分布式平台基础 |
06301122 |
金融大数据分析实验Financial Big Data Analysis Experiment |
2 |
34 |
1-17 |
2 |
6 |
Python程序设计基础、Python大数据分析实验
|
06301132 |
R语言数据分析实验Data Analysis Experiment with R |
2 |
34 |
1-17 |
2 |
5 |
|
06301142 |
统计计量经济实验Statistical Econometrics Experiment |
2 |
34 |
1-17 |
2 |
6 |
管理统计学 |
06301152 |
SPSS数据分析Data Analysis with SPSS |
2 |
34 |
1-17 |
2 |
5 |
管理统计学 |
选修实践课小计 |
6 |
102 |
|
|
|
|
实习与论文(必修) |
06202401 |
科学思维训练(数智思维训练)Scientific Thought Training(Digital and Intelligent Thought Training) |
1 |
|
|
√ |
6 |
|
06300032 |
毕业实习Graduation Practice |
3 |
|
6周 |
√ |
|
|
06300042 |
毕业论文(设计)Thesis (Project) |
4 |
|
12 |
√ |
7-8 |
|
思政及劳动实践(必修) |
92200062 |
思想政治实践与社会实践Ideological and Political Practice and Social Practice |
1 |
|
|
√ |
5 |
|
92200102 |
劳动与社会实践Labor and Social Practice |
1 |
|
|
√ |
7 |
|
创新创业实践 |
必修 |
26200072 |
大学生创新创业模拟实训The Innovation and Entrepreneurship Simulation Training for College Students |
1 |
34 |
|
|
3/4 |
|
选修 |
92200052 |
第二课堂实践创新活动(最低选修3学分)Extracurricular Practice and Innovation Activities |
3 |
|
|
√ |
6 |
|
合 计 |
32 |
300 |
|
|
|
|
十、大数据管理与应用专业开设课程与培养目标的支撑矩阵 |
|
|
课程类别 |
课程名称 |
培养目标1思想道德 |
培养目标2基础知识 |
培养目标3综合能力 |
培养目标4组织管理 |
培养目标5自我提升 |
通识必修课 |
形势与政策、思想道德与法治、中国近现代史纲要、毛泽东思想和中国特色社会主义理论体系概论、马克思主义基本原理、习近平新时代中国特色社会主义思想概论 |
H |
L |
L |
M |
L |
大学生成长与发展指导 |
H |
L |
L |
L |
H |
军事理论 |
H |
L |
L |
H |
L |
高等数学Ⅰ、高等数学Ⅱ、线性代数、概率论与数理统计 |
L |
H |
M |
L |
L |
大学英语 |
L |
L |
L |
H |
L |
大学生心理健康教育 |
H |
L |
L |
L |
L |
通识选择性必修课 |
思想政治理论课模块、体育课模块、中国传统文化模块、劳动与安全教育模块 |
H |
L |
L |
H |
L |
通识选修课 |
财经特色类、人文艺术类、自然科学类、跨专业课程 |
L |
L |
L |
M |
H |
课程类别 |
课程名称 |
培养目标1思想道德 |
培养目标2基础知识 |
培养目标3综合能力 |
培养目标4组织管理 |
培养目标5自我提升 |
专业基础课 |
会计学 |
M |
H |
M |
L |
L |
微观经济学 |
M |
H |
M |
L |
L |
管理学 |
M |
H |
M |
L |
L |
Java程序设计基础 |
M |
H |
M |
L |
L |
管理统计学 |
M |
H |
M |
L |
L |
管理信息系统 |
M |
H |
M |
L |
L |
管理运筹学 |
M |
H |
M |
L |
L |
专业必修课 |
Python程序设计基础 |
M |
H |
H |
L |
L |
数据库原理及应用 |
M |
H |
H |
L |
L |
数据结构 |
M |
H |
H |
L |
L |
大数据分布式平台基础 |
M |
H |
H |
L |
L |
机器学习 |
M |
H |
H |
L |
L |
量化金融方法 |
M |
H |
H |
L |
L |
专业选修课 |
神经网络与深度学习 |
M |
H |
H |
L |
L |
数据挖掘 |
M |
H |
H |
L |
L |
推荐系统案例分析 |
M |
H |
H |
L |
L |
文本分析与挖掘 |
M |
H |
H |
L |
L |
人工智能 |
M |
H |
H |
L |
L |
信息经济学 |
M |
H |
H |
L |
L |
金融风险管理 |
M |
H |
H |
L |
L |
多元统计分析 |
M |
H |
H |
L |
L |
数据可视化技术 |
M |
H |
H |
L |
L |
管理预测与决策 |
M |
H |
H |
L |
L |
宏观经济学 |
M |
H |
H |
L |
L |
互联网金融框架与实践 |
M |
H |
H |
L |
L |
金融学 |
M |
H |
H |
L |
L |
公司金融管理 |
M |
H |
H |
L |
L |
生产运营管理 |
M |
H |
H |
L |
L |
战略管理 |
M |
H |
H |
L |
L |
信息经济学 |
M |
H |
H |
H |
L |
独立实践课 |
军事技能 |
M |
M |
H |
H |
L |
读书活动 |
M |
M |
H |
L |
H |
管理科学中的计算机应用 |
M |
H |
H |
L |
L |
科学思维训练(数智思维训练) |
M |
M |
H |
L |
H |
毕业实习 |
M |
M |
H |
L |
H |
毕业论文 |
M |
M |
H |
L |
H |
思政及劳动实践实践 |
M |
M |
H |
H |
L |
创新创业实践 |
M |
M |
H |
M |
H |
大数据采集与可视化实验 |
M |
M |
H |
H |
H |
Python大数据分析实验 |
M |
M |
H |
H |
H |
神经网络与深度学习 |
M |
M |
H |
H |
H |
大数据决策综合实验 |
M |
M |
H |
H |
H |
社会化网络分析实验 |
M |
M |
H |
H |
H |
大数据存储管理实验 |
M |
M |
H |
H |
H |
金融大数据分析实验 |
M |
M |
H |
H |
H |
R语言数据分析实验 |
M |
M |
H |
H |
H |
统计计量经济实验 |
M |
M |
H |
H |
H |
SPSS数据分析 |
M |
M |
H |
H |
H |
开设课程与培养目标的支撑权重矩阵表注:
矩阵关系是为了说明每项人才培养目标由哪些课程实现,每门课程实现了哪些人才培养目标。格式及要求具体如下:
(1)表格中的培养目标1、2、3等须对应着专业培养方案里“一、培养目标”中的各条目,且序号内容要一致。
(2)通识必修课、通识选修课、独立实践课(除单独开设专业实践课),已统一在模板中写明课程名称,各专业可直接使用,并在对应的培养要求条目下填写。但专业方案中没有的或名称不一样的以上课程,各专业需做增删。
(3)培养目标与课程设置的支撑分别用“H(高支撑)、M(中支撑)、L(低支撑)”表示。
十一、大数据管理与应用专业课程体系与培养要求任务矩阵 |
课程类别 |
课程名称 |
培养要求1 |
培养要求2 |
培养要求3 |
培养要求4 |
培养要求5 |
培养要求6 |
培养要求7 |
培养要求8 |
培养要求9 |
1-1 |
1-2 |
1-3 |
2-1 |
2-2 |
2-3 |
3-1 |
3-2 |
3-3 |
4-1 |
4-2 |
4-3 |
5-1 |
5-2 |
5-3 |
6-1 |
6-2 |
6-3 |
7-1 |
7-2 |
8-1 |
8-2 |
8-3 |
9-1 |
9-2 |
9-3 |
通识必修课 |
形势与政策、思想道德与法治、中国近现代史纲要、毛泽东思想和中国特色社会主义理论体系概论、马克思主义基本原理、习近平新时代中国特色社会主义思想概论 |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
大学生成长与发展指导 |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
军事理论 |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
高等数学Ⅰ、高等数学Ⅱ、线性代数、概率论与数理统计 |
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
大学英语 |
P |
P |
P |
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
P |
|
|
P |
P |
P |
|
|
|
大学生心理健康教育 |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
通识选择性必修课 |
思想政治理论课模块、体育课模块、中国传统文化模块、劳动与安全教育模块 |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
P |
通识选修课 |
财经特色类、人文艺术类、自然科学类、跨专业课程 |
P |
P |
P |
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
P |
课程类别 |
课程名称 |
培养要求1 |
培养要求2 |
培养要求3 |
培养要求4 |
培养要求5 |
培养要求6 |
培养要求7 |
培养要求8 |
培养要求9 |
1-1 |
1-2 |
1-3 |
2-1 |
2-2 |
2-3 |
3-1 |
3-2 |
3-3 |
4-1 |
4-2 |
4-3 |
5-1 |
5-2 |
5-3 |
6-1 |
6-2 |
6-3 |
7-1 |
7-2 |
8-1 |
8-2 |
8-3 |
9-1 |
9-2 |
9-3 |
专业基础课 |
会计学 |
|
|
|
|
P |
P |
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
|
微观经济学 |
|
|
|
|
P |
P |
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
管理学 |
|
|
|
P |
P |
P |
P |
P |
P |
|
|
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
Java程序设计基础 |
|
|
|
P |
P |
P |
|
P |
P |
|
|
|
|
P |
P |
|
|
|
|
|
|
|
|
|
|
|
管理统计学 |
|
|
|
|
P |
P |
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
|
管理信息系统 |
|
|
|
|
P |
P |
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
管理运筹学 |
|
|
|
P |
P |
P |
P |
P |
P |
|
|
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
专业必修课 |
Python程序设计基础 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
P |
|
|
P |
|
|
|
P |
P |
P |
|
|
P |
P |
P |
数据库原理及应用 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
数据结构 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
大数据分布式平台基础 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
机器学习 |
|
|
|
P |
P |
P |
|
|
P |
|
|
P |
|
|
P |
P |
P |
P |
P |
P |
|
|
|
|
|
|
量化金融方法 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
专业选修课 |
神经网络与深度学习 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
|
|
数据挖掘 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
|
|
推荐系统案例分析 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
|
|
文本分析与挖掘 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
|
|
人工智能 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
|
|
|
P |
P |
|
|
|
|
|
|
信息经济学 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
金融风险管理 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
多元统计分析 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
数据可视化技术 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
管理预测与决策 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
宏观经济学 |
|
|
|
P |
P |
P |
|
|
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
互联网金融框架与实践 |
|
|
|
P |
P |
P |
|
|
P |
|
|
P |
|
|
P |
P |
P |
P |
|
|
|
|
|
|
|
|
金融学 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
P |
|
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
公司金融管理 |
|
|
|
P |
P |
P |
|
|
P |
|
|
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
生产运营管理 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
战略管理 |
|
|
|
P |
P |
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
信息经济学 |
|
|
|
P |
P |
P |
|
|
P |
|
|
|
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
独立实践课 |
军事技能 |
|
|
P |
P |
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
读书活动 |
|
|
P |
P |
P |
P |
P |
P |
P |
P |
P |
P |
|
|
|
|
|
|
|
P |
|
|
P |
|
|
|
管理科学中的计算机应用 |
P |
|
P |
P |
P |
|
|
P |
P |
|
|
|
P |
P |
|
|
|
|
|
|
|
|
P |
P |
P |
|
科学思维训练(数智思维训练) |
|
|
P |
P |
P |
|
|
P |
P |
P |
P |
P |
|
|
|
|
|
|
|
|
P |
P |
P |
|
P |
|
毕业实习 |
|
|
P |
P |
P |
|
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
毕业论文 |
|
|
P |
P |
P |
|
|
P |
P |
P |
P |
P |
|
P |
|
|
|
|
|
|
P |
P |
P |
|
P |
|
思政及劳动实践实践 |
|
|
P |
P |
P |
|
P |
|
|
|
|
|
|
|
|
|
|
|
|
|
P |
P |
|
|
|
|
创新创业实践 |
|
|
P |
P |
P |
|
P |
|
|
|
|
P |
P |
P |
|
|
|
|
|
|
P |
P |
|
|
|
|
大数据采集与可视化实验 |
|
|
|
|
|
P |
P |
|
P |
|
|
|
P |
P |
P |
|
P |
P |
P |
|
|
|
|
|
|
|
Python大数据分析实验 |
|
|
|
|
|
P |
P |
P |
P |
P |
|
|
P |
P |
P |
P |
P |
P |
P |
|
P |
|
|
P |
P |
|
神经网络与深度学习 |
|
|
|
|
|
P |
P |
P |
|
P |
|
|
P |
P |
|
|
P |
P |
P |
|
|
|
|
P |
P |
|
大数据决策综合实验 |
|
|
|
P |
|
P |
P |
P |
P |
P |
|
P |
P |
P |
P |
|
P |
P |
P |
P |
P |
|
|
P |
P |
|
社会化网络分析实验 |
|
|
|
|
|
|
P |
P |
|
P |
|
|
|
P |
P |
|
|
P |
|
|
|
|
|
P |
P |
|
大数据存储管理实验 |
|
|
|
P |
P |
P |
|
P |
|
P |
P |
|
P |
P |
P |
|
P |
P |
P |
|
|
|
|
P |
|
|
金融大数据分析实验 |
|
|
|
P |
P |
P |
P |
P |
|
P |
P |
P |
|
P |
P |
P |
P |
P |
P |
P |
|
|
|
|
|
|
R语言数据分析实验 |
|
|
|
P |
P |
P |
|
|
P |
|
P |
|
P |
|
|
|
P |
P |
P |
|
|
|
P |
P |
P |
|
统计计量经济实验 |
|
|
|
P |
P |
P |
|
|
P |
|
|
P |
P |
|
|
|
P |
P |
P |
|
|
|
P |
P |
P |
|
SPSS数据分析 |
|
|
|
P |
P |
P |
|
|
P |
P |
|
|
P |
|
|
|
P |
P |
P |
|
|
|
P |
P |
P |
|
课程体系与培养要求任务矩阵表注:
矩阵关系是为了说明每项人才培养要求由哪些课程实现,每门课程实现了哪些人才培养要求。格式及要求具体如下:
(1)表格中的培养要求1、2、3等及分解指标点须对应着专业培养方案里“二、培养要求”中的各条目,且序号内容要一致。
(2)通识必修课、通识选修课、独立实践课(除单独开设专业实践课),已统一在模板中写明课程名称,各专业可直接使用,并在对应的培养要求条目下填写。但专业方案中没有的或名称不一样的以上课程,各专业需做增删。
(3)逐门课程(即逐行)研究,看其能支撑哪些培养要求(各列标题栏),在相应单元格中加“P”
十一、名著阅读推荐书目
1.伊恩·艾瑞斯,《大数据思维与决策》,人民邮电出版社,2014。
2.杨轶莘,《大数据时代下的统计学》,电子工业出版社,2015。
3.韩家炜(Han,J.)等,[译]范明,《数据挖掘:概念与技术》,机械工业出版社,2012。
4.威滕,弗兰克,霍尔,[译]李川,《数据挖掘:实用机器学习工具与技术》,机械工业出版社,2014。
5.王星,《大数据分析:方法与应用》,清华大学出版社,2015。
6.Anand Rajaraman,Jeffrey David Ullma,《大数据:互联网大规模数据挖掘与分布式处理》,人民邮电出版社,2012。
7.赵刚,《大数据:技术与应用实践指南》,电子工业出版社,2013。
8.黄宜华,《深入理解大数据:大数据处理与编程实践》,机械工业出版社,2014。