大数据分析招生简章
习近平总书记在十九届中共中央政治局第二次集体学习时指出:“大数据是信息化发展的新阶段”,并做出了“推动大数据技术产业创新发展、构建以数据为关键要素的数字经济运用大数据提升国家治理现代化水平、运用大数据促进保障和改善民生、切实保障国家数据安全”的战略部署,为我国构筑大数据时代国家综合竞争新优势指明了方向。大数据正在成为智能智造、智慧城市、智慧医疗、智慧农业等各行业数字转型的重要工具。2022年,大数据产业规模超过1.5万亿,预计2025年将超过3万亿,行业人才缺口大、对口岗位丰富,特别需要既懂行业又懂大数据的复合型人才。
上海工程技术大学大数据分析微专业在数据行业快速发展的背景下,秉承叠加融合培养理念,充分依托数理与统计学院数据计算及应用本科专业、统计学硕士点等教学资源,旨在培养社会急需的具备大数据处理及分析能力的复合型、应用型人才。
一、培养目标
本专业旨在培养社会急需的具备大数据处理及分析能力的复合应用型人才。学生完成本专业课程学习后,应达到的具体目标包括:
1.具有良好的数学基础和数学思维能力,掌握数据科学和统计学的基本理论、方法与技能;
2.具备较强的数据建模、高性能计算、大数据处理以及程序设计能力;
3.具有团队意识、组织协调和项目管理能力,能够在不同职能团队中发挥特定的作用。
二、课程设置
课程类别 | 课程名称 | 学分 | 学时 | 学时分配 | 考核 方式 | 开课学期 | |
理论学时 | 实践学时 | ||||||
专业必修课程 | Python编程基础 | 3 | 48 | 24 | 24 | 考试 | 5 |
多元统计分析 | 2 | 32 | 16 | 16 | 考试 | 5 | |
数据采集与可视化 | 3 | 48 | 16 | 32 | 考查 | 6 | |
数据挖掘与机器学习 | 3 | 48 | 16 | 32 | 考查 | 5 | |
大数据计算 | 3 | 48 | 16 | 32 | 考查 | 6 | |
专业综合设计 | 大数据分析综合设计 | 2 | 32 | 0 | 32 | 设计报告 | 6 |
总计 | 16 |
|
注:本微专业毕业生可参加教育部1+X职业技能等级证书考试,通过考试可获得大数据应用开发(Python)职业技能等级证书。
三、课程介绍
1.《Python编程基础》课程:
本课程属于基础阶段学习,主要基于Windows 10和Python 3.5.2构建Python开发平台,通过大量的实例,由浅入深、循序渐进地阐述Python语言的基础知识,以及使用Python语言的实际开发应用实例。通过课程学习,使学生系统地了解Python语言的概念、特点、开发环境;掌握Python语言的语言基础、数据类型、函数和对象等程序设计语言基础知识;学会构建程序开发平台,使用程序开发语言开发实际应用实例;培养学生养成科学地分析问题和解决问题的思维方式,将程序设计用于解决实际问题的能力,培养学生的创新意识,提高学生的创造力。
主要内容包括:Python程序运行原理,Python IDE、语句、Python程序结构;NumPy科学计算库、pandas统计分析基础等。
2.《多元统计分析》课程:
本课程属于基础阶段学习,本课程的目标是使学生较好地掌握多元统计分析的基本原理和思想方法,初步学会使用多元统计分析方法并结合统计软件进行数据分析处理,特别是将所学知识应用于社会、经济领域中。通过本课程的学习,使学生系统地了解多元统计分析的基本概念和基本原理,掌握一些常用的多元统计思想和统计方法,学会处理常见的多元统计问题。
主要内容包括:多元正态总体的参数估计和检验,判别分析,聚类分析,主成分分析,因子分析、联合分析及对应分析的基本原理和方法。
3.《数据采集与可视化》课程:
本课程属于进阶阶段学习,本课程密切联系社会需求,培养学生数据采集、分析及可视化的能力,拓展学生职业发展空间。通过本课程的学习,使学生理解数据采集、分析及可视化的基本问题和技能,掌握它们的实践方法,为学生今后从事相关领域的研究工作或项目开发工作奠定坚实基础。
主要内容包括:数据采集(网络爬虫概述、静态网页爬取、动态网页爬取),数据清洗(重复值处理、缺失值处理、异常值处理),数据可视化(Matplotlib绘图与可视化、R语言基础绘图操作、文本挖掘可视化、SVG地图染色、D3可视化库的使用、ECharts的作用、Matlab绘图操作)。
4.《数据挖掘与机器学习》课程:
本课程属于进阶阶段学习,是研究计算机模拟人类的学习行为,以获取新的知识或技能的课程。本课程密切联系社会需求,培养学生解决实际问题的能力,拓展学生职业发展空间,在机器学习与人工智能方向播撒星星之火。通过本课程的学习,使学生理解机器学习的基本问题和基本算法,掌握它们的实践方法,为学生今后从事相关领域的研究工作或项目开发工作奠定坚实基础。
主要内容包括机器学习的基础知识及常用算法,如模型评估与选择、线性模型、决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、k近邻学习等。
5.《大数据计算》课程:
本课程属于进阶阶段学习,通过本课程的学习,使学生对大数据的计算框架Hadoop以及Hadoop的生态系统有一个全面的理解,培养学生的系统思维能力,理论与实践相结合的能力,动手能力,提升学生对大数据处理与系统设计,为后续相关专业课程的学习奠定良好的大数据计算基础。
主要内容包括:Hadoop的基础知识、Hadoop分布式文件系统(HDFS)、Hadoop的I/O操作、MapReduce编程基础、Hadoop高级编程、HBase、Hive和Spark。
6.《大数据分析综合设计》课程:
本课程属于实战阶段学习,着重培养学生具备独立设计和实施专业实践技能的能力,旨在培养学生掌握综合运用相关基础知识的创新和实践方法、追求创新的态度和意识、综合运用专业理论和技术手段解决问题的能力,解决过程中能够综合考虑团队、沟通、文献查阅、报告撰写等非技术因素。着重培养学生具备独立设计和实施数据计算专业实践技能的能力,并能够对实验结果进行分析。
综合设计选题内容包含但不限于以下内容:1.基于水色图像的水质识别;2.电子商务网站用户行为分析及服务推荐;3.Python爬虫实践:《流浪地球》豆瓣影评分析;4.市财政收入分析及预测;5.广电大数据营销推荐项目实战;6.航空公司客户价值分析;7.基于文本内容的垃圾短信分类;8.基于卷积神经网络(CNN)的人脸识别系统;9.京东商城美的空调评论数据情感分析;10.大数据岗位人才招聘信息的分析与挖掘。
四、教学团队
王国强,中共党员,理学博士/博士后,教授,硕士生导师,上海市育才奖获得者。现任数理外国语联合党委副书记、数理与统计学院院长。现为高等数学A(上)教学团队负责人,主讲高等数学、概率论与数理统计和最优化方法等本科生课程以及数理统计及工程应用和多元统计分析等研究生课程,建设本科校级精品课程和校级一流课程各1门以及研究生校级精品课程3门。长期从事最优化理论与算法、高维数据统计推断、金融统计与风险管理、统计优化和信用评估等研究,主持在研或完成国家自然科学基金面上项目2项、国家自然科学青年科学基金、中国博士后科学基金特别资助、中国博士后科学基金面上项目、全国统计科学研究一般项目和上海市自然科学基金等重要课题。在JOTA和JOGO等国际期刊发表SCI收录科研论文60余篇,出版学术专著1部。兼任中国商业统计学会理事、中国运筹学会数学规划分会理事、中国运筹学会金融工程与金融风险管理分会理事、上海市运筹学会常务理事和美国《数学评论》评论员等。曾获上海市科学技术进步奖三等奖等。
李路,理学硕士、工学博士,加拿大维多利亚大学高级研究学者,副教授,硕士生导师。现任上海工程技术大学研究生处副处长。研究方向为大数据处理与优化、机器学习、智能计算。主讲高等数学、数学建模、矩阵论等课程。主编《高等数学》、《数学建模与数学实验》、《矩阵论及其应用》等教材。曾获上海市教学成果二等奖,上海市育才奖,上海市普通高校优秀教材奖。发表SCI,EI及中文核心等二十余篇,主持内涵建设项目两项,教科研项目四项,参与国家自然基金四项。指导学生在全国大学生和研究生数学建模中获奖多项,美国大学生数学建模竞赛一等奖一项,指导学生发表论文十余篇,授权发明专利一项,完成上海市大学生创新项目三项。
江开忠,九三社员,理学博士,CCF专业会员,上海工程技术大学统计与数据计算系主任,副教授,硕士生导师。主要研究方向为复杂网络,WEB数据挖掘,智能算法等。参与多项科研课题,曾获多项市级和校级科研和教学成果奖项。长期担任本科生和研究生的现代统计方法、计算方法、程序设计、数据可视化等课程的教学工作。多年担任参加美国数学建模竞赛、全国大学生数学建模竞赛、全国研究生数学建模竞赛、全国市场统计调查大赛等多个大赛的学生教练指导工作。
方涛,副教授,同济大学应用数学系理学博士。现任上海工程技术大学应用数学系主任,大数学分析微专业负责人,数据计算及应用专业教学团队负责人。主要研究方向为复杂系统分析与控制。参编《高等数学》、《数学建模与数学实验》等教材,主讲高等数学、线性代数、数学建模、数据采集与网络爬虫、数据可视化等课程。获2022年上海市自然科学二等奖,在国内外重要学术期刊包括Systems & Control Letters, IEEE Trans. on Neural Networks and Learning Systems, Applied Mathematics and Computation等发表教学科研论文20余篇。指导学生在美国大学生数学建模竞赛中获得一等奖一项,二等奖两项,在全国大学生和研究生数学建模中获奖多项。
罗雅琴,中共党员,讲师,华中科技大学计算机系统结构博士,上海工程技术大学统计与数据计算系教师,主要研究领域为云计算高可用性、大数据挖掘,主讲过《高级语言程序设计》、《数据库原理》、《数据采集与网络爬虫》等多门大数据相关课程,教学经验丰富。曾担任参加美国数学建模竞赛、全国大学生数学建模竞赛、上海大学生计算机能力应用大赛等多个大赛的教练指导工作。
周雷,中共党员,讲师,汕头大学数学系理学硕士。上海工程技术大学数理与统计学院统计与数据计算系专任教师。主要研究方向为动力系统、非线性系统的鲁棒滤波与控制等。主持及参与多项教学及科研项目。长期担任高等数学、概率论与数理统计、线性代数、数学建模、机器学习、数据可视化等课程的教学工作。历年来担任全国大学生数学建模竞赛、全国研究生数学建模竞赛、美国大学生数学建模竞赛等教练指导工作。
冯月华,中共党员,讲师,厦门大学计算数学理学博士,上海工程技术大学应用数学系教师,硕士生导师。主要研究方向为大数据的高性能计算、科学计算,住持国家自然科学基金青年基金项目1项,获2019年全国计算数学优秀青年论文一等奖,主讲研究生课程《矩阵论》,本科生课程《数据清洗与融合》、《分布式系统》、《大数据计算》、《Java程序设计》等多门大数据相关课程,曾担任全国大学生数学建模竞赛的教练指导工作。
庄唯,中共党员,讲师,上海财经大学应用统计学博士,上海工程技术大学统计与数据计算系教师。主要研究方向为应用统计学,本科生课程《多元统计分析》、《概率论》、《数理统计》等多门统计学相关课程,曾担任全国大学生市场调查与分析大赛、美国大学生数学建模竞赛的教练指导工作。
五、上课时间
计划每周一、周三晚18:00-20:00及周五13:00-16:00开课,上课方式以线下授课为主,具体另行通知。
六、招生方向
面向本校学生:学校鼓励学有余力的全日制学生在学好本专业课程的同时,修读微专业。学生完成微专业课程学习,达到微专业培养方案要求,可获得学校颁发的微专业证书,原则上合作单位应同时颁发行业内认可的的微专业证书。
面向社会人士:通过继续教育学院面向社会人士进行招生。
七、报名及咨询
报名条件:选修“大数据分析”微专业的理工科学生,需要先修一年级课程(平均绩点大于等于2.3),且已修微积分(高等数学)、线性代数和概率论课程,以满足“大数据分析”微专业学习要求。研究生也可根据个人兴趣选择修读。
报名办法:微信扫描二维码预报名;并且加入班级QQ群(QQ群号:398172984),在QQ群下载并填写《上海工程技术大学微专业学习告知书》及《上海工程技术大学微专业报名表》[1] 。开班前将《上海工程技术大学微专业学习告知书》及《上海工程技术大学微专业报名表》纸质版提交至上海工程技术大学行政楼1313室熊老师处。
报名咨询:
联系人:方老师 18930373886
2023年大数据分析微专业QQ群:398172984(加群请备注学校+学号+姓名);请各位同学务必加入以上QQ群以便及时获取微专业最新通知及学习资料。
同学们可以关注“上海工程技术大学教务处”、“上海工程技术大学数理与统计学院”公众号,获取更多相关信息。
八、培养方案
同学们可在百度网盘下载《大数据分析培养方案》。
网盘链接:https://pan.baidu.com/s/1n8r1map_FXymg1iXfzqkjA?pwd=j4c8
提取码:j4c8,
网盘二维码: