数据科学与大数据技术专业的课程设置探究

马秀莉，武丽芬，晋珺

（晋中学院 数学系，山西晋中 030619）

“十二五”以来，我国大数据技术与产业得到了快速的发展[1]，因此，对高校人才培养提出了更高的要求[2]。“十三五”规划纲要提出：“要把大数据作为基础性战略资源，全面实施促进大数据发展行动，加快推动数据资源共享开放和开发应用，助力产业转型升级和社会治理创新。”为满足大数据发展对相关专业人才的需求，教育部于2016 年在本科教育中增设了数据科学与大数据技术专业。晋中学院主动开设此专业，2016 年，该校数据科学与大数据技术专业获准招生，启动大数据技术的本科专业人才培养。然而，由于该专业是新兴专业，其课程设置及人才培养没有经验可以参考，要想推动数据科学与大数据技术专业的发展，培养大数据应用型人才，还需在教学实践中不断探索合理的课程体系设置[3]。

1 数据科学与大数据技术专业人才培养目标

数据科学与大数据技术专业具有典型的跨学科特性。作为交叉型学科，其相关课程涉及数学、统计学、计算机技术、经济管理等多学科内容。面对大数据行业发展的机遇和挑战，晋中学院数学系根据该专业的发展实际，不断探索该专业课程体系设置以及应用型人才培养组织结构，以期满足社会日益增长的大数据应用型人才需求。

晋中学院数学系的基础专业为应用数学，其培养目标是让学生在掌握数学基本理论的基础上具备实践应用的能力。数据科学与大数据技术专业的本质是应用数学、计算机科学与技术等多种学科理论知识和应用技术的交叉和延伸，即在掌握数学理论的基础上通过计算机技术进行应用。为此，在应用型人才培养过程中，依靠数学系的基础设置，大数据专业方向具有非常大的优势。如何科学合理地利用这个优势，将大数据相关理论和技术有机融入应用数学的教学体系，是有效推动数据科学与大数据技术专业发展需要思考的关键问题。

2 数据科学与大数据技术课程设置存在的问题

数据科学与大数据技术专业是多学科交叉融合的复合型专业。因此，构建完善的多学科交叉课程体系，必然需要教师综合分析和考虑各学科之间的关联性以及专业学科的特点，制定科学合理的课程体系。当前的课程设置尽管门类众多，但并未真正实现学科的交叉和融合[4]。如何进一步实现专业教学结构的调整和优化，实现资源共享，依然是需要解决的关键问题。经过近年来的实践与探讨，将该专业课程设置存在的问题归为以下两个方面：

2.1 课程体系缺乏系统性

在专业课程设置上，数据科学与大数据技术是参照《普通高等学校本科专业目录和专业介绍》设置的。与应用数学专业相比，数据科学与大数据技术专业在学习数学分析、高等代数、解析几何等数学课程的基础上增加了Java 程序设计、数据结构、R 语言、Python基础、数字图像处理、统计学、机器学习、金融学、智能控制等应用型课程。课程教学任务由数学系、计算机系以及经济系教师共同承担。由于数据科学与大数据技术专业是新开设的专业，没有可参照的完善的课程体系，学院在专业必修课程与专业选修课程中选择了一些必要的课程以及一些热门的课程，构成了该专业的课程体系。然而，在课程教学中发现，该专业的课程体系设置缺乏一定的系统性，课程之间存在知识重复或关联性低的问题。通过对晋中学院2018 级数据科学与大数据技术专业学生的课程考试成绩进行分析[5-6]，发现数学分析、高等代数与数据结构、Python基础、机器学习具有一定的相关性，与教学实践相符，因为计算机编程中涉及大量的算法，要求具备扎实的数学基础。Java 程序设计、数据结构与后续课程的相关性较强，说明将Java 程序设计和数据结构作为专业基础课的前置课程是合理的。R 语言和Python 基础课程体现出高度的相关性，同作为流行的编程语言，这两种语言具有相似的语法规则，但却有不同的应用特点。然而，在教学计划中，这两门课程均以讲授基本的语法为主，忽略了实践应用的不同特点。大数据技术与数字图像处理这两门课程也与其他课程的相关性较低，因为大数据技术主要介绍大数据的应用场景，数字图像处理主要处理数字图像，与后续课程联系不是特别紧密。另外，该专业还开设了金融学课程，作为大数据科学应用的主要场景，金融学的开设符合社会的需求。然而，在金融学课程的教学中，并未与数学基础课程相联系，也未与应用型课程相联系，使金融学课程成了课程体系中的一门“孤立”的课程。

2.2 理论教学与实践应用脱节，缺乏专业特色

该校设置的数据科学与大数据技术专业课程体系，在大学前三个学期主要以数学基础课程为主，第四学期开始加入与计算机相关的应用型课程。然而，在应用型课程的教学时仍以理论知识的讲授为主，缺乏配套的实践设计环节。在专业选修课的课程设置上，有R 语言、Python 数据分析等课程，并配有一定的上机实验课时，但在具体的教学实施过程中发现，课程实践环节远没有达到教学要求。学生仅能在课堂上了解相关内容的简单应用示例，教师没有足够的课时增加具体问题情景，让学生利用课堂学到的方法解决实际问题。因此，实践课程未能达到实际效果，学生也缺乏学习的积极性。通过对该专业的高年级学生进行考查，发现学生的数学基础知识弱于应用数学专业的学生，同时，计算机操作能力又弱于计算机专业的学生，使得此专业没有凸显专业特色，缺乏就业竞争力。

3 学科建设建议

基于晋中学院数据科学与大数据技术专业的教学实施过程与结果，对该专业的课程设置提出以下几点建议：

3.1 构建完善的多学科交叉课程体系

数据科学与大数据技术专业涵盖的知识面广、涉及课程多，为此，在课程设置时需要教师考虑课程间的关联性和整合性，将各学科知识有效融合。该专业强调扎实的数学能力，在课程的设置中加大了数学相关课程的教学比例，增加了数学建模、数学算法等课程，目的是为后续专业课程的学习奠定坚实的数学基础。然而，为了使基础课程与专业课程更好地衔接，应在基础课程的教学中，补充相应数学算法的具体应用场景，使学生能深入理解数学课程如何应用于专业领域，激发学生的学习兴趣。在设置大数据导论课程时，可同步加入基础课程的知识与专业课程的知识，保证知识点之间的衔接性。在专业课程的设置中，一方面，可以通过增加选修课程比例实现多学科知识的整合和利用，构建多元化学习体系，学生能够根据兴趣设计合理的学习规划，适应社会不同行业的专业要求。另一方面，在提高学生知识储备量的同时，要有选择地开设课程，避免知识重复。例如，对于常用的大数据编程语言Java、C 语言、R 语言、Python 语言，Java 与Python 适用范围更广；在众多的数据库MySQL、Oracle、SQLServer中，MySQL 不仅免费开源，而且提供的接口支持多种语言连接操作，在整个课程体系中衔接性更好。总之，多学科交叉融合并不是简单的叠加，需要基于社会经济和技术发展的要求，探讨如何通过多学科之间的多向交流和相互渗透，更加有效促进多学科的共同发展和新知识的产生[7]。

3.2 强调实践课程的设置

数据科学与大数据技术是典型的交叉应用型学科，以教科书为基础的课堂讲授方式并不完全适用于大数据专业人才的培养。为此，应重视实践课程的设置，让学生在实践中巩固知识，获取解决实际问题的能力[8-10]。目前该专业的教学安排，仅在Matlab、R语言、Python 语言课程中设置了实践课时，且仅占总课时的1/4。按照国家标准，专业课程的实践课时应为64 学时以上，实践课时远没有达到国家标准。基于社会对大数据专业学生程序设计能力的要求，应该在C 语言、数据结构、Java 程序设计、Python 语言、数字图像处理等计算机相关专业课程的课时计划中缩减理论课时，增加实践课时比例。此外，除了计算机相关的专业课程，部分数学基础课程也应该以理论与实践结合的方式进行教学。如概论统计、数学建模是大数据专业的重要基础课程，其内容框架应用性强。对于此类应用型数学基础课程，建议在课堂的讲授中弱化方法的具体推导过程，着重强调数学方法在实践中的应用，通过增加实验课的实用性，提高学生的专业学习兴趣。

数据科学与大数据技术专业虽然是数学、统计学与计算机科学的交叉学科，但在实践教学的课程设置上应该明确区分，使其凸显专业特征。与传统计算机科学专业相比，数据科学与大数据技术专业更加强调数据采集、存储、处理、可视化的数据分析能力，对于场景的要求更高，需要有大量的数据和算力进行支撑。因此，在实践课程的设置上，应该结合学校特点，对接产业需求，通过建立相应的大数据实训平台、人工智能实训平台、金融数据分析实验室等，让学生接触真实的数据源，通过真实的企业案例培养学生对数据进行动态分析和诊断评价的能力[11-12]。

4 结语

随着数字经济的快速发展，数据、物质、能源已成为人类生存发展的三大基础资源。随着对数据的收集、分析和应用相关需求的急速增长，社会对掌握数据分析、数据挖掘、数据可视化、风控与安全等技术的大数据人才的需求不断增加。为此，高校需要改变数据科学与大数据技术专业课程设置，构建典型性、多样性、多维度的课程体系，以满足新时代发展对大数据人才的要求[13]。此外，数据科学与大数据技术专业的实验课程对教学设施的要求越来越高，需要相关部门加大资金投入力度，为高校开展前沿科学研究提供支撑[14]。