应用型高校数据科学方向课程体系探索

周少华 王玉学

摘 要 随着大数据时代的发展，数据产业进入黄金期，导致数据科学人才稀缺，人才市场迫切需要高等学培养出适应社会发展的大数据处理分析人员，制定据科学专业人才的培养模式，培养出具有数据思维和数据分析能力的大数据人才。本文以东北石油大学数学与统计学院应用统计学专业开设数据科学方向为研究对象，在课程群的构建、人才培养模式的修订、教学方法改革等方面做出优化整合和改革实践。为同类院校数据科学方向课程建设和人才培养提供参考。

关键词 大数据 数据科学 应用统计学 课程体系

中图分类号：G424文献标识码：A

1概述

1.1什么是数据科学

数据科学（Data Science）缘起于计算机科学领域，1960年由彼得·诺尔提出， 2000年前后发展成为为一门学科。数据科学主要以统计学、机器学习、数据可视化以及领域知识为理论基础，研究内容主要包括数据预处理、数据计算和数据管理。数据学研究的工作过程是首先从自然界中获得一个数据集;对该数据集进行勘探发现整体特性;进行数据研究分析或者进行数据实验;发现数据规律;将数据进行感知化等等。

1.2国家政策及社会需求

近几年我国大数据产业成为国家战略。2015年8月31日，国务院发布《促进大数据行动纲要》;2017年7月8日，国务院发布《新一代人工智能发展规划》; 2018年3月17日，国务院办公厅印发《科学数据管理办法》。2018年3月29日，中国电子技术标准化研究院主编的《大数据标准化白皮书（2018版）》正式发布。各省市成立“大数据管理局”，高校和科研部门成立“大数据研究机构”。当前全球呈现数据科学人才紧缺局面，麦肯锡全球研究所报告显示，至2018年美国面临14万至19万的数据分析专业技术人才以及150万数据科学人才的巨大缺口。中国信息通信研究院发布的《中国大数据发展调查报告（2018）》称，2017年中国大数据产业总体规模为47010亿元人民币，同比增长30%;2017年大数据核心产业规模为236亿元人民币，增速达到40.5%，预计2018-2020年增速将保持在30%以上。

1.3学校培养任务

大数据时代的到来不仅需要数据处理分析的相关技术，同时也需要大数据分析处理等相关人才，未来对于具备大数据管理和分析能力的人员需求将逐年增长。在此背景下，为了满足大数据技术相关人才的需要，教育部从2015年设置了数据科学与大数据技术专业，东北石油大学数学与统计学院应用统计学专业适应时代要求，跟进国家教育方针步伐，进行教学改革，调整培养方案，根据自身特点开设数据科学方向。充分发挥其数学的优势，结合专业背景和社会实际需求，为未来的大数据市场培养能熟练掌握大数据技能并擅长数据分析与挖掘高精尖人才。

2人才培养目标

培养德智体美劳全面发展，具有大庆精神和铁人精神特质，专业基础扎实，实践能力强，具有创新精神和国际视野的高素质应用型人才。为了适应科学技术发展和现代化建设需要的，本着OBE（Outcomes-based Education）理念，培养具有良好数学素养，掌握现代统计学的基本理论和方法，能够熟练运用计算机进行数据分析处理，能在社会、经济、金融、保险、IT以及政府机关等部门从事数据分析、风险决策、信息管理等工作的应用型统计专业人才。

3课程体系

科学合理的课程体系是培养优秀的数据科学方向人才的重要保障。根据教育部做出的关于大学“创新创业”教育教学改革总体部署，在大数据时代背景下，东北石油大学应用统计学专业坚持“强基础、重实践、高就业”的办学指导思想，在课程设置方面参考了大量的数据科学相关岗位的主要要求，明确相应岗位人员应具备哪些技能。加強数学基础理论教学，注重学生实际动手技能教学，提高学生就业率。着力培养一批熟练掌握大数据挖掘与分析理论算法且实际操作能力强的数据分析工程师。

数据科学是数学、统计学、计算机科学等多学科融合的一门学科，其核心是统计学，所培养出的学生能够具有更扎实的理论基础，学生能够对数据分析的各种算法有更深刻的理解，也能使学生对算法进行不断改进和创新。我们对原有的应用统计学专业培养方案进行了修改，增设了数据科学模块。数据科学方向的应用统计学专业的课程设置分为五个部分：

通识教育类课程：思想政治类课程、军事理论、大学生职业生涯发展与规划、大学生就业指导、大学生心理健康、创业基础、体育、大学英语、大学计算机基础。

学科基础类课程：数学分析、高等代数、常微分方程、数学模型、最优化方法、数值分析、实变函数、专业外语。

统计学类课程：概率论、数理统计、随机过程、多元统计分析、时间序列分析、回归分析、统计学导论、抽样调查、非参数统计。

数据科学类课程：Python程序设计、R程序设计、MySQL数据库、数据挖掘、大数据技术及其应用、数据挖掘案例分析、深度学习原理及应用。

实践类课程：军事技能训练、思政课实践、Python程序实践、R程序实践、数据科学课程设计、数据科学专业技能实践、应用统计学专业毕业设计。

4教学模式、实践教学、考核方式

4.1教学模式

目前我国应用统计学专业的人才培养模式主要是应用型人才的培养，我们的理念是“强基础、重实践、高就业”。理论教学和实践教学之间实现定向衔接，实践教学符合社会对人才素养的要求。理论教学采取“半讨论式”授课方式，翻转课堂，传帮带等形式，让学生增强学习的目的和兴趣;实验教学采取随堂实验教学，案例实验教学等形式，将学生将课堂上掌握的理论与解决实际问题的实际能力有效结合起来。目前我校实践教学采取研发程序、算法应用、参加竞赛、报考各类证书等，从各个方面增强学生的动手实操能力。将一些性质相近或相关的课程组成的结构合理，层次清晰，相互衔接，相互配合，相互支持的课程群，建立基础类课程群（数学分析、高等代数、解析几何、概率论与数理统计）、统计类课程群（多元统计分析、回归分析、时间序列分析、抽样调查、非参数统计）、实验类课程群（Python程序设计、R语言程序设计、Java程序设计、数据挖掘案例课）。

4.2实践教学

在大数据背景下，实践教学的意义远远要大于理论教学，实践教学要以学生动手能力培养为重点。本专业的实践教学分为四种模式：（1）统一实践：校内集中实习（数据科学课程设计、数据科学专业技能实践）、校外实习基地实习。（2）特长实践：针对优秀学生指导制作网站、小游戏程序等成果性实践。（3）数据挖掘中心：带领学生参与老师的科研项目。（4）参加竞赛和考取资格证书：数据挖掘竞赛、市场调查大赛、数据分析师证书。通过实践最终使得毕业生既有深厚的数据科学理论基础，又具有实战能力能够为企业接收。

4.3考核方式

改变现有的以期末考试、平时出勤和作业成绩为一体的课程考核体系。重点加强以考核学生能力为主，多角度全方面的实践教学考核方法，实现培养过程的全跟踪考核。考核方式分为四大块：期末卷面成绩，期中测试成绩，单元在线测试成绩，平时成绩。其中平时成绩又包括：出勤成绩，作业成绩，课堂表现成绩。每一项成绩各占有一定比率，根据不同学科，比率有所调整。实践教学采用上机实操与案例分析报告相结合的形式，上机实操学生用Python或R实现数据分析任务，考核学生算法的理解和软件实现能力;对统计分析结果形成分析报告。

5结语

数据科学是一个符合国家战略规划的新兴交叉型学科方向，高校在制定专业人才培养方案时，应以行业需求为导向、充分发挥数学优势，与计算机技术相结合，培养新型的社会人才。本文根据市场调研、社会需求及学生发展状况，修订培养方案，优化课程体系，改进教学模式，丰富实践教学方法，调整考核方式，实现了专业培养目标与大数据时代数据分析人才需求相吻合的教学体系。从我校应用统计学专业学生的教学效果来看，我们对应用统计学专业课程体系进行的改革在人才培养方面已经取得了一些显著的效果，提高了就业广度和就业率，寄望在后续课程教学中能不断探索和完善。

基金项目：黑龙江省教育科学规划青年专项课题，“工程教育专业认证背景下石油工程专业高等数学课程教学改革的研究与实践”项目编号：GBD1317020;黑龙江省高等教育教学改革项目，“数据科学方向人才培养改革与创新研究”项目编号：SJGY20180071。

作者简介：周少华，（1982-6），男，汉，黑龙江七台河，硕士研究生，东北石油大学，副教授，数据科学教学及应用研究。

参考文献

[1] 刘淳安.大数据时代信息与计算科学专业课程体系优化改革与实践[J].高教学刊，2016（21）：70-74.

[2] 宋晖，刘晓强，杜明，王洪亚.大学计算机基础类数据科学课程的探索与实践[J].计算机教育，2019（09）：88-91.

[3] 崔晨，姚力.公安院校数据科学与大数据技术课程体系建设研究[J].Computer Era，2018（06）：88-93.

[4] 刘风华，苏有慧.面向大数据的信息与计算科学专业课程体系研究[J].科技创新导报，2016（24）：131-133.

[5] 王国仁，金福生，刘驰，王树良，苏有慧.面向国际化的数据科学与大数据专业课程体系建设[J].中国大学教学，2018（12）：43-51.

[6] 李拴保，祁慧敏.数据科学与大数据技术专业课程体系探索[J].河南财政税务高等专科学校学报，2018（05）：81-83.

[7] 霍福华.数据科学与大数据技术专业课程体系研究[J].河北软件职业技术学院学报，2019（03）：52-54.

[8] 李莎莎，周竞文，唐晉韬，王挺.数据科学与大数据人才专业课程体系分析[J].计算机工程与科学，2018（01）：109-113.