面向国际化的数据科学与大数据专业课程体系建设

王国仁 金福生 刘驰 王树良

摘 要：大数据时代，大数据产业进入黄金期，数据成为关键的生产要素，大数据人才稀缺，高等学校迫切需要适应时代的要求探索大数据专业人才的培养模式，培养具有数据思维的大数据人才。根据新工科人才培养的要求，立足北京理工大学数据科学与大数据专业建设，提出了面向基础、面向能力、面向领域、问题驱动、国际化的大数据专业课程体系。

关键词：新工科；数据科学与大数据；国际化；课程体系；数据思维；人才培养

一、数据科学与大数据专业建设的时代需求

大数据产业对全球主要经济体的国民经济起着重要支撑作用。根据华沙经济研究所测算，到2020年大数据将带动欧盟GDP增长1.9%；麦肯锡估计大数据将带动美国GDP增长2%～4%。目前大数据已经逐步应用于各个行业，其产生的外部价值受到了世界各国的重视。世界各国政府纷纷推出了大数据战略，分别从推进数据开放、支持技术创新、打造协作环境等方面多措并举，促进大数据快速发展，例如，美国提出了《大数据发展三步走》策略，英国发布了《英国数据能力发展战略规划》，欧盟发布了《欧盟大数据价值战略研究和创新议程》，等等。我国也提出实施国家大数据战略、加快建设数字中国，明确了五大任务，即构建以数据为关键要素的数字经济、推动大数据技术产业创新发展、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。

大数据产业的快速发展对大数据人才培养提出了新要求。根据《2018年度中国信息技术（ICT）人才生态白皮书》，2017年ICT领域人才需求缺口为765万人，2020年ICT领域人才需求缺口预计为1 246万人；其中2017年大数据领域人才需求缺口126万人，2020年将达到257万人。社会急需能架构系统、会分析数据、懂领域业务的复合型人才[1]，这些人才分别对应大数据系统架构师、大数据算法设计师、领域大数据分析师三种职业。

此外，2017年发布的“复旦共识”“天大行动”“北京指南”吹响了新工科建设的号角。数据科学与大数据专业作为新工科建设的重要组成部分，需要承担起引领新工科建设的责任，截至2018年，3批共计283所高校获批数据科学与大数据专业。

数据科学与大数据專业是一个多学科交叉的综合性专业，它涉及计算机、数学与统计以及各行各业的领域知识。另一方面，国内外的数据科学与大数据专业都刚刚开始建设，没有成熟的案例和经验参考。因此，需要每个学校结合自身优势和专业培养目标，在课程体系、师资队伍、建设模式，以及跨国、跨校、跨学科、产业合作等方面进行探索和实践。

北京理工大学数据科学与大数据专业建设依托校内计算机学院、数学与统计学院和管理学院进行建设，在校外与奥克兰大学合作共建。奥克兰大学负责统计与分析模块，北京理工大学负责系统与数据挖掘模块，立足北京理工大学，充分发挥两校的优势和特点，围绕大数据的全生命周期，即大数据的获取与管理、大数据的存储与处理、大数据的分析与理解、结合领域的大数据应用进行课程体系设计，重点培养学生的数据思维，使学生能够采用IT技术获取、处理、存储、统计分析数据，从中获取知识。

二、数据科学与大数据专业建设初探

教育部设立数据学科的目标是培养具有较强的实践创新能力、跨文化交流能力和跨领域研究能力的高素质复合型人才[2]。围绕上述要求，明确了北京理工大学数据科学与大数据专业人才的培养目标，提出了面向国际化的专业建设模式，构建了面向基础、面向能力、面向领域、问题驱动、国际化的大数据专业课程体系。第一年夯实基础，加强通识教育和统计学知识学习；第二年进行能力提升，强化系统构建和大数据分析能力；第三年领域驱动，理论联系实际，加强实习、创新、创业等实践教学；第四年问题驱动，围绕大数据的整个生命周期，培养学生解决复杂问题的能力。

1.明确人才的培养目标

培养具有国际视野的大数据系统架构师、大数据算法设计师、领域大数据分析师三类人才，需要学生掌握计算机体系结构、网络架构、编程范式、文件系统、分布并行处理、人工智能、机器学习、数理统计、矩阵计算、优化方法、领域知识、大数据全生命周期管理和分析技术等专业知识，能够基于开源系统进行大数据平台搭建，选择合适的模型和算法进行参数设计、计算与优化，理解计算广告、智慧城市、社会计算等领域知识，实现对典型领域大数据的管理和分析。

2.国际化专业建设模式

高等教育国际化、培养具有国际视野、专业知识和跨文化交往能力的人才是学校“双一流”建设和人才培养过程中面临的挑战。北京理工大学与奥克兰大学多年来建立了良好的合作关系。基于两校的合作基础，经友好协商，提出了国际化的数据科学与大数据专业的建设模式。奥克兰大学发挥在统计与分析方面的优势，重点负责数据科学相关课程的建设；北京理工大学发挥在系统与数据挖掘方面的优势，重点负责大数据相关课程的建设。在学生培养过程中，从学位互认逐步过渡到双学位、本硕博贯通培养、专业共建和联合学院建设。

经两校反复沟通交流，按照发挥各自优势、夯实基础模块、逐步深入的方式进行建设，提出了课程、课程组、双学位、贯通培养、专业共建、联合学院的国际化专业建设路线。即，2018年进行专业申报，2019年进行首批招生，2020年进行双学位建设，2021年进行本硕博联合培养，2022年进行国际专业共建，2025年建立“大数据”联合学院。

3.课程体系建设

围绕国家重大战略需求以及数据科学与大数据行业发展趋势，在课程体系规划设计中，需要夯实数学基础，强调通识教育，加强数据科学与大数据理论与技术学习，强化数据科学与大数据技术实践。秉承国际化的专业建设思路，提出了面向基础、面向能力、面向领域、问题驱动、国际化的大数据专业课程体系。

（1）夯实数学基础和关注通识教育。数据思维的核心是统计和归纳，因此本专业在数学与统计学院和奥克兰大学的支持下开设了统计相关课程；为了拓宽学生的视野，培养独立思考能力，为培养高端人才打下基础，设置了通识教育学分，要求学生根据自己的兴趣和爱好选修全校开设的通选课。

（2）面向能力的实践、实习、创新、创业课程。学生的实践、实习、创新、创业课程依托“北京市学生科技创新基地”开展，设置了学生创新、创业实践学分，要求学生根据自己的实际情况参加实践、实习、创新或创业的能力提升工程。建立科技竞赛获奖、申请专利、发表论文置换选修课程学分的制度，以成果导向，鼓励学生学以致用、积极参加能力提升工程。

（3）面向基础的专业必修课程。构建本专业学生必修的两个课程群模块，即统计与分析模块和系统与数据挖掘模块。统计与分析模块包括：统计学导论（Introduction to Statistics）、数据分析（Data analysis）、统计理论（Statistical theory）、数理统计（Mathematical statistics）、统计建模（Statistical modelling）、数据科学实践（Data science practice）、统计计算（Statistical computing）、统计学习（Statistical learning）。系统与数据挖掘模块包括：数据科学与大数据技术导论（Introduction to data science and big data technology）、数据库系统基础（Fundamentals of database systems）、应用算法（Applied Algorithmics）、数据仓库与数据挖掘（Data warehouse and data mining）、大數据新技术专题（Advanced topics on big data technology）、人工智能基础（Fundamentals of artificial intelligence）、大数据处理技术（Big data processing technology）、大数据分析技术（Big data analysis technology）、大数据技术课程设计（Course project of big data technology）、数据可视化与可视分析（Data visualization and visual analysis）。

（4）面向领域的专业选修课程。大数据技术在互联网+、计算广告、位置服务、智慧城市、社会计算等典型领域得到了非常广泛的应用，大数据技术必须与应用领域结合才能发挥出价值。因此，在课程体系中设置了社交网络挖掘、智慧城市、医疗大数据、空间大数据等领域选修课。培养学生在实际的应用背景中分析和发现领域问题，灵活运用大数据的获取、存储、管理、挖掘到可视化的整个生命周期的相关技术，解决领域问题。

（5）问题驱动的毕业设计。为了培养学生综合利用所学知识，独立解决实际问题的能力，同时，兼顾学生的兴趣，实现个性化的人才培养，为学生就业和进一步深造打下坚实的基础，本专业学生的毕业设计题目来源于大数据系统软件国家工程实验室、网络等级保护关键技术国家工程实验室、智能信息技术北京市重点实验室、数字表演与仿真技术北京市重点实验室、软件安全技术北京市重点实验室、信息智能处理与内容安全工信部重点实验室等大数据相关的科研支撑平台，支撑平台为面向问题的毕业设计提供了能力提升环境。

责任教授负责对各实验室提出的毕业设计题目进行审核，审核合格的题目将开放给学生，学生根据自己的兴趣进行选择。

此外，实践是学生掌握课堂知识，进行能力提升的重要手段，每门专业课都设置了一定的课内实践学时，同时在每个小学期分别设置了不同层次的实践课程。本专业依托学院的国家级大学生计算机虚拟仿真实验教学中心、北京市计算机实验教学示范中心、北京市数字媒体技术实验教学示范中心，为学生的课程实践提供理论结合实践的训练环境。

参考文献：

[1] 李翠平. 新工科背景下以数据为中心的计算机专业教学改革[J]. 中国大学教学，2018（7）：22-24.

[2]李国杰. 发展数据学科应在何处发力？[J]. 计算机学会通讯，2018，14（8）：7.

[责任编辑：余大品]