2020最新数据科学与大数据技术专业大学排名.pdf

数据科学与大数据技术专业大学排名 数据科学与大数据技术专业是2016年我国高校设置的本科专业，专业代码为080910T，学位授予门类为工学、理学，修业年限为四年。该专业旨在培养社会急需的具备大数据处理及分析能力的高级复合型人才。 培养目标： 1. 掌握计算机科学、大数据科学与信息技术的基本理论、方法和技能 2.受到系统的科学研究训练，具备一定的大数据科学研究能力与数据工程实施的基本能力 3.掌握大数据工程项目的规划、应用、管理及决策方法 4.具有大数据工程项目设计、研发和实施能力的复合型、应用型卓越人才 主要课程： 1. 大数据概论 2. 大数据存储与管理 3. 大数据挖掘 4. 机器学习 5. 人工智能基础 6. Python 程序设计 7. 统计学习 8. 神经网络与深度学习方法 9. 多媒体信息处理 10. 数据可视化技术 11. 智能计算技术 12. 分布式与并行计算 13. 云计算与数据安全 14. 数据库原理及应用 15. 算法设计与分析 16. 高级语言程序设计 17. 优化理论与方法 就业方向分析： 1. 分析类工程师：使用统计模型、数据挖掘、机器学习及其他方法，进行数据清洗、数据分析、构建行业数据分析模型，为客户提供有价值的信息，满足客户需求。 2. 算法工程师：大数据方向，和专业工程师一起从系统应用的角度，利用数据挖掘/统计学习的理论和方法解决实际问题；人工智能方向，根据人工智能产品需求完成技术方案设计及算法设计和核心模块开发，组织解决项目开发过程中的重大技术问题。 3. 研发类岗位： - 架构工程师：负责 Hadoop 集群架构设计开发、搭建、管理、运维、调优，从数据采集到数据加工，从数据清洗到数据抽取，从数据统计到数据分析，实现大数据全产业线上的应用分析设计。 - 开发工程师：基于 Hadoop、Spark 等构建数据分析平台，进行设计、开发分布式计算业务，负责机器学习、深度学习领域的开发工作。 - 运维工程师：负责大数据基础平台的运维，保障平台的稳定可用，参与设计大数据自动化运维、监控、故障处理工具。 4. 管理类岗位： - 产品经理：负责大数据平台产品的设计工作，主导数据产品的功能规划、体验设计，与研发、数据分析、算法团队紧密合作，挖掘数据价值，形成数据产品，包括部分数据可视化的产品设计等。 - 运营经理：根据业务特点，结合业务发展需求，设立数据监控模型，搭建数据分析架构，理解业务方向和战略，为业务战略决策、业务方向提供决策支持，竞争分析及建议。 数据科学与大数据技术专业旨在培养高级复合型人才，具备大数据处理及分析能力，满足社会对高级人才的需求。