一、专业简介

数据科学与大数据技术，常被誉为“智能时代的望远镜”和“数据金矿的炼金术士”。它不生产数据，而是教会我们如何从纷繁芜杂、浩如烟海的信息中，萃取洞察、预测未来、驱动决策。这是一门以统计学为魂、计算机为骨、应用领域为血肉的新工科，核心在于让沉默的数据“开口说话”。

1. 学什么？——数据全生命周期的“开采与炼化”

专业构建了从“原料”到“成品”的完整能力链：

数理基石：深入学习概率统计、线性代数、最优化理论，这是洞悉随机现象和设计算法的底层大脑。

计算工具：精通Python/R编程，掌握Hadoop/Spark等分布式系统以及数据库与数据仓库技术，以此驾驭海量数据洪流。

价值提炼：掌握机器学习、深度学习、数据可视化及自然语言处理，学习如何对用户画像、预测趋势、构建推荐系统。

整个学习过程极为强调“数学直觉+编程落地+业务理解”的三位一体，统计学是灵魂，编程是双手。

2. 做什么？——无处不“决策”的数字化军师

在一切皆可数据化的今天，几乎所有依赖理性判断的行业都在渴求数据人才：

互联网与科技：进入大厂从事推荐算法、广告变现、用户增长分析，是业务增长的核心引擎。

金融与商务：在银行、保险、投行构建量化交易、风险控制与反欺诈模型，数字里藏着真金白银。

实体经济与政务：参与智慧城市交通仿真、新药研发基因分析、零售供应链智能补货，用数据重塑传统产业的运行逻辑。

前沿交叉：为AI大模型提供高质量的数据治理，或投身自动驾驶的场景感知与分析，成为人工智能落地的“燃料工程师”。

3. 适合谁？——给选择者的参考画像

如果学生对“用数字讲故事”着迷，享受从杂乱中抽丝剥茧、挖掘隐秘关联的侦探般快感，且不抵触大量时间清洗脏数据、理清业务逻辑的繁琐过程，数据科学会带来极强的智力满足。它适合数学基础好、逻辑严谨，同时又有敏锐商业嗅觉和较强沟通叙事能力的学生。需要提醒的是，这并非一个“只学炫酷算法”的专业，容易沦为只会调参的“调包侠”；真正的高度取决于能否把技术转化为业务价值，非常考验解决开放问题的主动性和抗挫折力。

4. 前景如何？

在数据已被列为第五大生产要素的今天，无论是生成式AI爆发对高质量数据的饥渴，还是各行业从“经验驱动”到“决策智能”的转型，都让这个专业持续站在风口。职业路径十分灵活，可纵深为顶尖的算法专家或数据架构师，也可横向延伸至数据产品经理与商业分析。

二、发展历程

2018年，开设“数据科学与大数据技术”专业

三、培养目标

数据科学与大数据技术专业培养学生德才兼备，具有协同精神与创新意识，成为适应广东经济和社会发展的大数据相关领域的技术和管理人才。培养目标包含以下五个子目标：

1.道德修养：培养学生具有健全人格、正确价值观、良好职业素养及社会责任感；

2.技术研究与应用：培养学生掌握扎实的理论基础知识，具备数据采集、大数据管理和分析的基本知识，具有对大数据工程领域的复杂工程问题进行分析、设计与开发的专业能力；

3.合作交流：培养学生具有组织与实施大数据相关领域工程项目的团队合作和管理能力；

4.学习创新：培养学生具有自主学习的能力、终身学习的追求与创新意识，能够适应技术、经济与社会的持续发展；

5.服务社会：培养的学生具有机器学习、自动控制技术及信息技术相结合的知识体系，能够成为从事大数据相关产品与系统的研究、开发、生产、集成和运行管理工作的复合型应用型卓越工程师，也可继续攻读相关领域的硕士、博士学位。

四、毕业要求

经过四年的系统学习，本专业学生在毕业时应达成以下毕业要求：

1.工程知识：能够将数学、自然科学、计算、工程基础和专业知识用于解决大数据复杂工程问题。

2.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数据科学复杂工程问题，综合考虑可持续发展的要求，以获得有效结论。

3.设计/开发解决方案：能够设计针对大数据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，体现创新性，并从健康、安全与环境、全生命周期成本与净零碳要求、法律与伦理、社会与文化等角度考虑可行性。

4.研究：能够基于科学原理并采用科学方法对大数据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。

5.使用现代工具：能够针对复杂工程问题，开发、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，包括对复杂工程问题的预测与模拟，并能够理解其局限性。

6.工程与可持续发展：在解决复杂工程问题时，能够基于工程相关背景知识，分析和评价工程实践对健康、安全、环境、法律以及经济和社会可持续发展的影响，并理解应承担的责任。

7.工程伦理和职业规范：有工程报国、为民造福的意识，具有人文社会科学素养和社会责任感，能够理解和践行工程伦理，在工程实践中遵守工程职业道德、规范和相关法律，履行责任。

8.个人和团队：能够在多样化、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。

9.沟通：能够就大数据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。能够在跨文化背景下进行沟通和交流，理解、尊重语言和文化差异。

10.项目管理：理解并掌握与工程项目相关的管理原理与经济决策方法，并能够在多学科环境中应用。

11.终身学习：具有自主学习、终身学习和批判性思维的意识和能力，能够理解广泛的技术变革对工程和社会的影响，适应新技术变革。