数据科学与大数据技术创新实践班以改革创新为动力，以社会需求为导向，以培养拔尖创新人才为目标，致力于培养具有良好思想素质、扎实的专业基础和良好的动手能力的创新型大数据专业人才。
一、 修业年限
学制2-3年，最低结业学分为12学分，授予“数据科学与大数据技术创新实践班”结业证书。
二、 培养目标
1. 培养学生具有良好的思想道德修养和良好的职业道德精神，培养学生的自主学习能力、批判思维能力和交流能力。
2. 使学生具备扎实的数理统计基础和数据科学理论知识，掌握大数据的采集、分析、处理和可视化等相关技术，具备利用数据科学理论和大数据技术解决复杂工程问题的能力。
3. 培养学生具备一定的数据澳门威斯尼斯wns888能力以及数据科学家岗位的基本素养，使学生具备良好的创新意识和创新实践能力。
三、 培养规格及要求
数据科学与大数据技术创新实践班采用项目驱动、专题讲座、学术交流和个性化培养等相结合的教学模式，夯实学生的数据科学理论基础，提升学生的大数据技术水平，培养学生在图像、自然语言处理等领域的创新实践能力。
学生结业后获得以下几个方面的知识和能力：
1. 具备良好的思想素质和职业道德修养，具有较强的团队协作能力和创新能力。
2. 具备良好的数理统计基础和数据科学理论基础，熟练掌握数据科学和大数据技术专业的核心知识和技术。
3. 能够利用数据科学理论和大数据技术等专业知识解决实际工程问题。
四、 班级教学计划
序号 | 主干课程名称 | 总学分 | 总学时 | 理论学时 | 实践学时 | 开课学期 |
1 | 数据科学程序设计 | 3 | 48 | 24 | 24 | 1 |
2 | 大数据技术 | 3 | 48 | 24 | 24 | 2 |
3 | 机器学习与深度学习 | 3 | 48 | 24 | 24 | 3 |
4 | 大数据实践与应用 | 3 | 48 | 0 | 48 | 4 |
5 | 数据科学前沿技术 | 2 | 32 | 32 | 0 | 1-4 |
五、 主干课程教学安排
数据科学与大数据技术创新实践班主干课程教学内容与学时安排如下：
1. 数据科学程序设计
课程 名称 | 数据科学程序设计 | 负责教师 | 张鹏 | 职称/学位 | 讲师/博士 |
|
教 学 目 标 | 1. 掌握Python程序设计基础和面向对象程设计等相关知识。 2. 掌握Python数据采集和数据分析方法及相关技术。 3. 掌握Python数据可视化方法和技术。 |
|
教 学 进 度 安 排 | 学时安排 | 教学内容（章节）及学时安排 |
|
12学时 | 第1单元 Python程序设计基础（12学时） |
8学时 | 第2单元 面向对象程序设计（8学时） |
6学时 | 第3单元 Numpy和Scipy计算模块（6学时） |
12学时 | 第4单元 Pandas数据分析（12学时） |
6学时 | 第5单元 Python网络爬虫（6学时） |
4学时 | 第6单元 Python数据可视化（4学时） |
| |
2. 大数据技术
课程 名称 | 大数据技术 | 负责教师 | 张鹏 | 职称/学位 | 讲师/博士 |
|
教 学 目 标 | 1.掌握Linux操作系统的基本命令，熟练使用Linux操作系统。 2.掌握分布式存储系统HDFS、分布式数据库HBase、分布式计算框架MapReduce和Spark等相关技术原理。 3. 掌握利用Hadoop生态进行大数据系统的开发技术。 |
|
教 学 进 度 安 排 | 学时安排 | 教学内容（章节）及学时安排 |
|
4学时 | 第1单元 Linux操作系统应用（4学时） |
6学时 | 第2单元 分布式存储系统（6学时） |
6学时 | 第3单元 分布式数据库（6学时） |
12学时 | 第4单元 分布式计算框架（12学时） |
20学时 | 第5单元 大数据系统设计与开发（20学时） |
| |
3. 机器学习与深度学习
课程 名称 | 机器学习与深度学习 | 负责教师 | 马新 | 职称/学位 | 副教授/博士 |
|
教 学 目 标 | 1.掌握监督学习的基本原理，包括线性回归模型、支持向量机、决策树等。 2.掌握无监督学习的基本原理，包括基于划分和层次聚类、以及基于密度的聚类等算法。 3.掌握深度学习的基本原理，包括神经网络、卷积神经网络、循环神经网络等。 |
|
教 学 进 度 安 排 | 学时安排 | 教学内容（章节）及学时安排 |
|
12学时 | 第1单元 监督学习（12学时） |
8学时 | 第2单元 无监督学习（8学时） |
4学时 | 第3单元 神经网络（6学时） |
12学时 | 第4单元 深度学习（12学时） |
12学时 | 第5单元 机器学习与深度学习的应用与实践（12学时） |
4. 大数据实践与应用
课程 名称 | 大数据实践与应用 | 负责教师 | 张高勋 | 职称/学位 | 副教授/博士 |
|
教 学 目 标 | 1. 掌握时间序列分析和处理的基本原理和方法，掌握机器学习、深度学习、大数据技术等在时间序列分析和处理的方法。 2. 掌握数据科学和大数据技术在金融、环保、能源等领域的数据分析和处理方法。 |
|
教 学 进 度 安 排 | 学时安排 | 教学内容（章节）及学时安排 |
|
12学时 | 第1单元 时间序列分析和处理（12学时） |
18学时 | 第2单元 基于机器学习的量化交易（8学时） |
10学时 | 第3单元 基于深度学习的环境数据分析与处理（6学时） |
8学时 | 第4单元 基于机器学习的能源数据分析与处理（12学时） |
| |
| |
5. 数据科学前沿技术
课程 名称 | 数据科学前沿技术 | 负责教师 | 周雷 | 职称/学位 | 讲师/博士 |
|
教 学 目 标 | 1. 了解监督学习、无监督学习、强化学习等相关前沿技术。 2. 了解卷积神经网络、循环神经网络、图神经网络等相关前沿技术和研究动态。 3. 了解数据科学和大数据技术在医疗、金融等行业的应用成果和最新动态。 |
|
教 学 进 度 安 排 | 学时安排 | 教学内容（章节）及学时安排 |
|
每学期至少举行3次学术报告或技术交流。 | 主要内容包括监督学习、无监督学习、强化学习、深度学习等相关的最新研究成果，以及数据科学和大数据技术在医疗、金融等行业的应用成果和最新动态。 |
六、 考核标准
数据科学与大数据技术创新实践班学员满足必要条件，并满足选择条件中一条，即可获得由西南科技大学教务处颁发的数据科学与大数据技术创新实践班结业证书。
1. 必要条件
根据课程要求完成课程学习任务。
2. 选择条件
（1）获得《西南科技大学学生第二课堂竞赛分级目录》中的A类、B类或C类学科竞赛省级三等奖1项及以上；
（2）公开发布核心及以上论文1篇，可用于结业的论文包括核心、EI、SCI、SSCI、CSSCI等；
（3）作为项目主持人申请1项项目，包括西南科技大学创新基金、西南科技大学精准扶贫创新基金、大学生创新创业训练计划等项目。
七、 其他说明
1. 本方案适用于2023年进入数据科学与大数据技术创新实践班的学员。
2. 参与本创新班的学员除了要修完主干课程学分，还需参加本学科相关竞赛、参与相关科研项目或发表相关学术论文。
