大数据与数据科学课程体系

最近好几个朋友都在问“大数据与数据科学课程体系”的东西,这里依自己的学习经验和相关的资料做个整理,供参考。

一、 大数据与数据科学专业

二、大数据与数据科学培养的主要人才

大数据与数据科学主要培养大数据应用分析师、大数据系统工程师、大数据算法研究员几大类,每个大类下又可以根据具体的岗位职责做一定的细分,大致可以分为如下这些:

1、大数据应用分析师:产品、行业应用、解决方案、数据分析、创新

2、大数据系统工程师:系统、架构、开发、维护、管理

3、大数据算法研究员:算法实现/调优、新理论、新结构/新算法、方向/趋势

三、大数据与数据科学的整体课程体系

数学/统计理论:微积分、线性代数、概率论、数理统计、统计学习

计算科学:计算机系统、编程语言、数据结构、信息系统架构(CS/BS等)

数据系统:分布式理论、Hadoop/Spark生态、数据库/数据仓库

模型分析:机器学习理论、优化建模、模式识别、知识表示/推理、可视化分析

行业应用:商务智能、智能金融、供应链分析、城市规划等

数据伦理:大数据管理与创新、大数据治理与政策

四、大数据与数据科学的主要课程内容

五、 大数据与数据科学的课程选课标准

针对不同的人才培养方向,给学生提供不同的选课标准和方法,大致建议可以按照如下的几个方向选课:

六、 培养方向与课程体系设置讨论

1、大数据:大数据的课程偏向系统工程师以及算法研究员,偏计算机的知识更多,如果结合非结构化数据的处理技术(自然语言、计算视觉、语音等),这块内容更有点偏向人工智能的课程,成果强调的是智能化的产品和设备;

2、数据科学:数据科学的课程更偏向统计、优化,更强调的是一种优化、实验、迭代、分析等建模的思维,同时结合行业应用的深度更强。所以单纯从数据科学这个角度来看,主要的核心主要包括:

数据科学导论(Introductionto Data Science)或数据科学原理(Principles of data science);

数据可视化(DataVisualization)或可视分析学(Visual analytics);

数据产品开发(DataProduct Development);

探索性数据分析(ExploratoryData Analysis,EDA);

大数据分析(BigData Analytics);

试验设计(ExperimentalDesign或Design of Experiment);

优化论(Optimization);

因果分析(Causality);

数据科学综合训练课程(DataScience Capstone)

七、附录

1、清华大数据研究院—数据科学课程体系

2、中国香港中文大学---数据科学课程体系

3、国外典型数据科学专业及其特色课程

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180818A0C49K00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券