應用型高校數據科學方向課程體系探索

周少華 王玉學

摘 要 隨著大數據時代的發展，數據產業進入黃金期，導致數據科學人才稀缺，人才市場迫切需要高等學培養出適應社會發展的大數據處理分析人員，制定據科學專業人才的培養模式，培養出具有數據思維和數據分析能力的大數據人才。本文以東北石油大學數學與統計學院應用統計學專業開設數據科學方向為研究對象，在課程群的構建、人才培養模式的修訂、教學方法改革等方面做出優化整合和改革實踐。為同類院校數據科學方向課程建設和人才培養提供參考。

關鍵詞 大數據 數據科學 應用統計學 課程體系

中圖分類號：G424文獻標識碼：A

1概述

1.1什么是數據科學

數據科學（Data Science）緣起于計算機科學領域，1960年由彼得·諾爾提出， 2000年前后發展成為為一門學科。數據科學主要以統計學、機器學習、數據可視化以及領域知識為理論基礎，研究內容主要包括數據預處理、數據計算和數據管理。數據學研究的工作過程是首先從自然界中獲得一個數據集;對該數據集進行勘探發現整體特性;進行數據研究分析或者進行數據實驗;發現數據規律;將數據進行感知化等等。

1.2國家政策及社會需求

近幾年我國大數據產業成為國家戰略。2015年8月31日，國務院發布《促進大數據行動綱要》;2017年7月8日，國務院發布《新一代人工智能發展規劃》; 2018年3月17日，國務院辦公廳印發《科學數據管理辦法》。2018年3月29日，中國電子技術標準化研究院主編的《大數據標準化白皮書（2018版）》正式發布。各省市成立“大數據管理局”，高校和科研部門成立“大數據研究機構”。當前全球呈現數據科學人才緊缺局面，麥肯錫全球研究所報告顯示，至2018年美國面臨14萬至19萬的數據分析專業技術人才以及150萬數據科學人才的巨大缺口。中國信息通信研究院發布的《中國大數據發展調查報告（2018）》稱，2017年中國大數據產業總體規模為47010億元人民幣，同比增長30%;2017年大數據核心產業規模為236億元人民幣，增速達到40.5%，預計2018-2020年增速將保持在30%以上。

1.3學校培養任務

大數據時代的到來不僅需要數據處理分析的相關技術，同時也需要大數據分析處理等相關人才，未來對于具備大數據管理和分析能力的人員需求將逐年增長。在此背景下，為了滿足大數據技術相關人才的需要，教育部從2015年設置了數據科學與大數據技術專業，東北石油大學數學與統計學院應用統計學專業適應時代要求，跟進國家教育方針步伐，進行教學改革，調整培養方案，根據自身特點開設數據科學方向。充分發揮其數學的優勢，結合專業背景和社會實際需求，為未來的大數據市場培養能熟練掌握大數據技能并擅長數據分析與挖掘高精尖人才。

2人才培養目標

培養德智體美勞全面發展，具有大慶精神和鐵人精神特質，專業基礎扎實，實踐能力強，具有創新精神和國際視野的高素質應用型人才。為了適應科學技術發展和現代化建設需要的，本著OBE（Outcomes-based Education）理念，培養具有良好數學素養，掌握現代統計學的基本理論和方法，能夠熟練運用計算機進行數據分析處理，能在社會、經濟、金融、保險、IT以及政府機關等部門從事數據分析、風險決策、信息管理等工作的應用型統計專業人才。

3課程體系

科學合理的課程體系是培養優秀的數據科學方向人才的重要保障。根據教育部做出的關于大學“創新創業”教育教學改革總體部署，在大數據時代背景下，東北石油大學應用統計學專業堅持“強基礎、重實踐、高就業”的辦學指導思想，在課程設置方面參考了大量的數據科學相關崗位的主要要求，明確相應崗位人員應具備哪些技能。加強數學基礎理論教學，注重學生實際動手技能教學，提高學生就業率。著力培養一批熟練掌握大數據挖掘與分析理論算法且實際操作能力強的數據分析工程師。

數據科學是數學、統計學、計算機科學等多學科融合的一門學科，其核心是統計學，所培養出的學生能夠具有更扎實的理論基礎，學生能夠對數據分析的各種算法有更深刻的理解，也能使學生對算法進行不斷改進和創新。我們對原有的應用統計學專業培養方案進行了修改，增設了數據科學模塊。數據科學方向的應用統計學專業的課程設置分為五個部分：

通識教育類課程：思想政治類課程、軍事理論、大學生職業生涯發展與規劃、大學生就業指導、大學生心理健康、創業基礎、體育、大學英語、大學計算機基礎。

學科基礎類課程：數學分析、高等代數、常微分方程、數學模型、最優化方法、數值分析、實變函數、專業外語。

統計學類課程：概率論、數理統計、隨機過程、多元統計分析、時間序列分析、回歸分析、統計學導論、抽樣調查、非參數統計。

數據科學類課程：Python程序設計、R程序設計、MySQL數據庫、數據挖掘、大數據技術及其應用、數據挖掘案例分析、深度學習原理及應用。

實踐類課程：軍事技能訓練、思政課實踐、Python程序實踐、R程序實踐、數據科學課程設計、數據科學專業技能實踐、應用統計學專業畢業設計。

4教學模式、實踐教學、考核方式

4.1教學模式

目前我國應用統計學專業的人才培養模式主要是應用型人才的培養，我們的理念是“強基礎、重實踐、高就業”。理論教學和實踐教學之間實現定向銜接，實踐教學符合社會對人才素養的要求。理論教學采取“半討論式”授課方式，翻轉課堂，傳幫帶等形式，讓學生增強學習的目的和興趣;實驗教學采取隨堂實驗教學，案例實驗教學等形式，將學生將課堂上掌握的理論與解決實際問題的實際能力有效結合起來。目前我校實踐教學采取研發程序、算法應用、參加競賽、報考各類證書等，從各個方面增強學生的動手實操能力。將一些性質相近或相關的課程組成的結構合理，層次清晰，相互銜接，相互配合，相互支持的課程群，建立基礎類課程群（數學分析、高等代數、解析幾何、概率論與數理統計）、統計類課程群（多元統計分析、回歸分析、時間序列分析、抽樣調查、非參數統計）、實驗類課程群（Python程序設計、R語言程序設計、Java程序設計、數據挖掘案例課）。

4.2實踐教學

在大數據背景下，實踐教學的意義遠遠要大于理論教學，實踐教學要以學生動手能力培養為重點。本專業的實踐教學分為四種模式：（1）統一實踐：校內集中實習（數據科學課程設計、數據科學專業技能實踐）、校外實習基地實習。（2）特長實踐：針對優秀學生指導制作網站、小游戲程序等成果性實踐。（3）數據挖掘中心：帶領學生參與老師的科研項目。（4）參加競賽和考取資格證書：數據挖掘競賽、市場調查大賽、數據分析師證書。通過實踐最終使得畢業生既有深厚的數據科學理論基礎，又具有實戰能力能夠為企業接收。

4.3考核方式

改變現有的以期末考試、平時出勤和作業成績為一體的課程考核體系。重點加強以考核學生能力為主，多角度全方面的實踐教學考核方法，實現培養過程的全跟蹤考核。考核方式分為四大塊：期末卷面成績，期中測試成績，單元在線測試成績，平時成績。其中平時成績又包括：出勤成績，作業成績，課堂表現成績。每一項成績各占有一定比率，根據不同學科，比率有所調整。實踐教學采用上機實操與案例分析報告相結合的形式，上機實操學生用Python或R實現數據分析任務，考核學生算法的理解和軟件實現能力;對統計分析結果形成分析報告。

5結語

數據科學是一個符合國家戰略規劃的新興交叉型學科方向，高校在制定專業人才培養方案時，應以行業需求為導向、充分發揮數學優勢，與計算機技術相結合，培養新型的社會人才。本文根據市場調研、社會需求及學生發展狀況，修訂培養方案，優化課程體系，改進教學模式，豐富實踐教學方法，調整考核方式，實現了專業培養目標與大數據時代數據分析人才需求相吻合的教學體系。從我校應用統計學專業學生的教學效果來看，我們對應用統計學專業課程體系進行的改革在人才培養方面已經取得了一些顯著的效果，提高了就業廣度和就業率，寄望在后續課程教學中能不斷探索和完善。

基金項目：黑龍江省教育科學規劃青年專項課題，“工程教育專業認證背景下石油工程專業高等數學課程教學改革的研究與實踐”項目編號：GBD1317020;黑龍江省高等教育教學改革項目，“數據科學方向人才培養改革與創新研究”項目編號：SJGY20180071。

作者簡介：周少華，（1982-6），男，漢，黑龍江七臺河，碩士研究生，東北石油大學，副教授，數據科學教學及應用研究。

參考文獻

[1] 劉淳安.大數據時代信息與計算科學專業課程體系優化改革與實踐[J].高教學刊，2016（21）：70-74.

[2] 宋暉，劉曉強，杜明，王洪亞.大學計算機基礎類數據科學課程的探索與實踐[J].計算機教育，2019（09）：88-91.

[3] 崔晨，姚力.公安院校數據科學與大數據技術課程體系建設研究[J].Computer Era，2018（06）：88-93.

[4] 劉風華，蘇有慧.面向大數據的信息與計算科學專業課程體系研究[J].科技創新導報，2016（24）：131-133.

[5] 王國仁，金福生，劉馳，王樹良，蘇有慧.面向國際化的數據科學與大數據專業課程體系建設[J].中國大學教學，2018（12）：43-51.

[6] 李拴保，祁慧敏.數據科學與大數據技術專業課程體系探索[J].河南財政稅務高等專科學校學報，2018（05）：81-83.

[7] 霍福華.數據科學與大數據技術專業課程體系研究[J].河北軟件職業技術學院學報，2019（03）：52-54.

[8] 李莎莎，周競文，唐晉韜，王挺.數據科學與大數據人才專業課程體系分析[J].計算機工程與科學，2018（01）：109-113.