您的位置: 首页--> 高等教育--> 专业介绍

数据科学与大数据技术

(本网站如下内容 由人工智能AI软件[deepseek等]生成。)

数据科学与大数据技术:一个专业,三张“面孔”

如果你在志愿表上看到“数据科学与大数据技术”,可能会觉得它和“计算机科学与技术”差不多。但真正进入这个专业后,你会发现一件事:同样叫这个名字,有人学的是数学,有人学的是计算机,有人学的是怎么用数据做决策。

这个专业2016年才正式设立,到今天不过十年。正因为年轻,它还没有形成统一的“标准模板”。不同的学校根据自己的家底和优势,把这个专业办出了完全不同的样子。

这个专业到底在学什么?

先看一个最朴素的描述。有高校的培养方案里写得很直白:这个专业的核心知识领域包括程序设计、数据结构、操作系统、计算机网络、数据库系统、机器学习、数据算法、大数据分析、分布式计算。

拆开来看,其实就三块:

数学与统计——概率论、数理统计、最优化方法、多元统计分析。这些课教你“数据背后的规律怎么找”。

计算机技术——数据结构、操作系统、数据库、编程语言。这些课教你“怎么把数据存起来、算出来”。

大数据与人工智能——机器学习、数据挖掘、分布式计算、数据可视化。这些课教你“怎么从海量数据里挖出有用的东西”。

三块缺一不可。但问题是:每所学校给这三块分配的“权重”,差别很大。

第一张面孔:数学底子厚,走“科学家”路线

代表院校:北京大学(理学学位)、云南大学(理学学位)

有些学校把这个专业放在数学学院或统计学院下面,授予理学学士。这意味着数学和统计课的分量远大于纯编程课。

北京大学的数据科学与大数据技术专业就设在数学院,培养方案里数学类课程占比很高。培养目标是“从事数据建模、数据分析与挖掘算法、大数据系统开发的研究型和技术型人才”。云南大学也把它放在数学与统计学院,重点开展“大数据统计分析与统计技术”方向的课程与研究。

这类路径的逻辑是:数据的本质是数学。 你要理解一个机器学习模型为什么有效、什么条件下会失效,需要的不是调包,而是概率论和最优化理论的功底。

代表课程:数学分析、高等代数、概率论与数理统计、多元统计分析、最优化方法、统计推断。

适合的人:数学不怵,愿意花时间推导公式,未来想做算法研究或读博深造。

第二张面孔:计算机底子厚,走“工程师”路线

代表院校:北京邮电大学、中南大学、上海理工大学(工学学位)

大多数学校走的是这条路。专业设在计算机学院或信息学院,授予工学学士。

北京邮电大学的方案就是一个典型。它“大幅削减了传统计算机专业的‘百科全书’式课程”,转而聚焦基础程序设计、Java语言和Python语言三条线。核心课程包括数据结构、操作系统、计算机网络、数据库原理、机器学习、数据挖掘、分布式计算。

中南大学的培养目标写得更具体:毕业生要“熟练掌握大数据采集、存储、处理与分析、传输与应用等技术”,具备“大数据工程项目的系统集成能力、应用软件设计和开发能力”。上海理工大学的培养计划里,核心课程是操作系统、数据结构、数据库原理、数据采集与集成技术、人工智能原理、机器学习、分布式系统架构。

这类路径的逻辑是:大数据的核心是系统。 数据量到了TB、PB级别,怎么存、怎么算、怎么保证稳定运行,是工程问题,不是数学问题。

代表课程:数据结构、操作系统、计算机网络、数据库原理、分布式系统、Hadoop/Spark、机器学习、数据挖掘。

适合的人:喜欢动手写代码,愿意折腾系统,未来想做数据工程师或大数据开发。

第三张面孔:行业底色重,走“应用”路线

代表院校:对外经济贸易大学、广东财经大学、浙江农林大学(部分理学)

还有一些学校,把数据科学和大数据技术“嫁接”到自己的传统优势学科上。

对外经济贸易大学的这个专业设在信息学院,但“财经是学校传统优势,专业还会偏重经济、金融等相关学科领域的知识”。广东财经大学开设在统计与数学学院,培养目标是“具备财经管理知识背景的高级应用型大数据人才”。浙江农林大学则依托学校的农林特色,开设“农林大数据分析”课程,建有林业感知技术与智能装备重点实验室。

这类路径的逻辑是:数据本身没有价值,数据在具体行业里的应用才有价值。 一个懂金融的数据分析师,比一个只会写SQL的人更有竞争力。

代表课程:除基础课外,增加金融计量、商务智能、行业数据分析、农林大数据等特色课。

适合的人:对某个行业有明确兴趣,愿意把数据技术当作工具去解决行业问题。

一个值得注意的事实

这个专业授予的学位,大部分是工学,但也有不少是理学。

工学学位意味着课程体系按“工程教育”标准设计,强调系统开发、工程实践、项目管理。理学学位意味着更偏理论基础,数学和统计课更重。

有知乎上的讨论说得很实在:“工学的大数据更容易就业,对于理学的大数据需要自身加强编程能力。但只要计算机编程能力上去了,理学的数学基础更好,反而有一定优势。”

所以,看学位类型,比看专业名字更能判断一所学校到底想把你培养成什么样的人。

一句话总结

理学路径:数学打底,目标是理解数据背后的规律,适合想做算法研究的人。

工学路径:系统打底,目标是搭建能处理海量数据的工程系统,适合想做数据工程师的人。

行业路径:行业打底,目标是用数据技术解决具体领域的问题,适合对某个行业有热情的人。

选这个专业之前,先问自己一个问题:你是想理解数据,还是想造处理数据的系统,还是想用数据做决策? 答案不同,适合的学校就不同。


返回前一页   ▲ 返回顶部