一、人才培养目标及方向设计

随着数字经济的快速发展，大数据产业已逐渐成为国家和地方经济的支柱产业，社会急需大量高素质的大数据人才。特别是大数据复合型人才，更为缺乏。在这样需求量大，供给量小的情况下，大数据人才具有极其广阔的社会发展前景。

浙江大学城市学院数据科学与大数据技术专业，旨在培养具有良好的大数据思维，能运用数据科学理论、计算机技术和大数据分析方法，在金融、商务和其他相关领域从事大数据的分析、预测和决策等工作的高素质、复合型、应用型的高层次大数据人才。

专业以培养通用性的应用型大数据分析人才为基本任务，以培养基于大数据的金融数据分析与商务挖掘应用型人才为特色。培养学生良好的数据科学素养，较强的针对金融、商务和其他领域大数据进行数据存储与管理、数据分析与挖掘等计算机技术应用能力，以及较好的组织管理、交流沟通、环境适应、团队合作和终身学习的能力，提高其综合竞争力。

结合行业需求和学校办学优势，专业设置了商务大数据分析和金融量化投资两个专业方向：商务大数据分析方向主要结合互联网商务大数据的基本特征，重点培养商务领域的大数据分析人才；金融量化投资方向主要结合互联网金融的发展背景，重点培养金融领域的数据挖掘与量化投资人才。

二、专业培养模式与课程体系

数据科学与大数据技术专业强调应用型、复合型人才培养为目标，实践创新为主线，模块建设为重点，课程改革为基础，产学研结合为特色。将人才培养定位、目标与要求内化到培养方案中。

1.采用“211”的人才培养模式

将四年本科教育划分为三个阶段：两年的基础（含专业基础）课程学习，一年的专业方向课程学习，最后用一整年的时间进行毕业实习和毕业设计，让学生有更多的时间参与实际应用，在实践中提高分析问题和解决问题的能力。

2.多维一体的教学课程体系

课程体系的设计采取“逆推”的方法，以CDIO和OBE的先进教育理念为指导，从各专业方向毕业生应具备和掌握的知识与能力出发，把握好专业方向课和专业基础课的关系，并考虑学生的自我发展能力和职业技能，建立符合应用型人才培养要求的知识体系和课程体系，逐级分解目标，分段实施推进，分类建设课程。

数据科学与大数据技术专业教学实施第一课堂“通识课程—基础课程—专业课程”逐层递进，第二课堂辅助的教学框架。课程体系兼顾市场需求和学科基础，妥善处理好稳定与灵活的关系，具有“核心稳定、模块灵活、复合多样”的特点。 

在理论教学的基础之上，构建了基础实验层、综合设计层、应用创新层三个层次的实践教学体系，主要包括：长学期实验课程、短学期实践教学、毕业实习、毕业设计、科研训练、学科竞赛等，全方位提升学生的实践动手能力。

三、师资力量及教学资源保障

数据科学与大数据技术专业拥有一支教学经验丰富、科研能力突出的专职教师队伍，其中教授4名，副教授10名。10人次入选杭州市“131”人才工程。教师科研成果丰硕，近五年主持国家级科研项目4项，省部级科研项目10项，发表高水平SCI/EI论文40多篇。与Google、ARM、西门子、亚马逊AWS和苹果等大数据行业领军企业建立了良好稳定的合作关系，承担由这些企业支持的教育部产学合作协同育人项目20余项。

本专业作为学科交叉性强的新兴专业，充分融合了计算机科学与技术和统计学等专业办学资源。依托省实验教学示范中心、省工程实验室、市重中之重实验室、大数据与电子服务研究院、杭州市量化投资名师工作室、杭州市数据分析建模名师工作室、金融统计实验室、数学建模实践基地等等教学科研平台，相关专业有多年办学积累，人才培养质量高，在省内有较高的影响力。

专业建有专用大数据实验平台，软件环境包括大数据实验实训平台、大数据实验开发与管理平台、教学管理平台等，涵盖各类常见大数据框架，有效保障专业的实践教学软硬件需求。此外，学校的超算中心为大数据实践的算力和存储提供了充分的软硬件支持和保障。

四、毕业去向

学生毕业后，可在政府机构和企事业单位从事大数据研究、管理、开发与应用等方面的工作，包括政府部门从事大数据政务管理，金融部门从事量化投资、风险评估和管理工作，互联网行业从事商务大数据分析和挖掘等工作。同时，毕业生还可报考数据科学、计算机、统计学等学科的研究生，到国内外高校继续深造。  

五、大数据行业典型就业岗位  

◎数据分析类大数据人才：基础岗位是大数据分析师/数据挖掘工程师，从事行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测的专业人员；在互联网、金融等行业领域中通过运用数据挖掘和大数据技术相关工具，提取、分析、呈现数据，实现数据的商业意义。

◎系统管理研发类大数据人才：基础岗位是大数据系统研发工程师/大数据系统架构师，面向实际行业领域，利用大数据技术进行数据安全生命周期管理、分析和应用。

◎应用开发类大数据人才：基础岗位是大数据应用开发工程师，从事大数据应用平台的搭建以及开发分析应用程序，以创新思维研发各种基于大数据技术的应用程序及行业解决方案。如ETL开发者，从不同的源头抽取数据，进行数据融合后加载到数据仓库，成为联机分析处理、数据挖掘的基础，为提取各类型的应用需要创造数据条件。

（更新于20220609）