(一)、专业核心课 学 时 分 配 课程编号 EM32809 EM32810 EM32811 EM32812 EM32813 EM32814 EM32815 EM32816 课 程 名 称 计量经济学与时间序列分析 金融市场与金融产品 投资交易行为与心理分析 证券、期货与期权交易 Python金融大数据分析 人工智能与机器学习 量化策略开发与程序化交易 金融科技与区块链 合计
学分 总学时 讲课 实验 上机 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 16.0 32 32 32 32 32 32 32 32 256 32 32 32 32 32 32 32 32 256 考核方式 考试 考试 考试 考试 考试 考试 考试 考试 开课 学期 2春 2春 2春 3秋 3秋 3秋 3春 3春 (二)、专业选修课 学 时 分 配 课程编号 EM33805 EM33806 EM33807 EM33808 EM33809 EM33810 EM33811 EM33812 课 程 名 称 C++程序设计 大数据互联网金融 信用管理与信用评级 私募股权与风险投资 公司金融 Stata统计分析与应用 中央银行与货币供给 量化大类资产配置 学分 总学时 讲课 实验 上机 2.0 2.0 2.0 2.0 2.0 2.0 2.0 2.0 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 32 考核方式 考查 考查 考查 考查 考查 考查 考查 考查 开课 学期 2春 2春 2春 3秋 3秋 3秋 3春 3春
9
大数据管理与应用专业（学位）培养方案（辅修）
一、培养目标
商务数据科学专业致力于培养培养知识、能力、素质全面发展，系统掌握经济管理基本理论、方法和技能，具有创新意识、实践能力和国际视野的经济管理创新人才。 毕业生具有以下素养：
1.掌握经济管理类基础知识和相关专业方向的专业知识； 2.具有批判性思维，有较强的适应能力和可持续学习能力； 3.熟练使用量化工具和商业应用软件，具有实践能力和创新意识； 4.具有良好的商务沟通能力； 5.具有正确的商业伦理道德观；
6.熟悉相关领域的国际动态，具有国际视野。 二、培养要求
本专业学生主要学习经济与管理、统计学、计算机科学与技术、数据分析与数据挖掘等方面的基本理论和基本知识，接受科学思维、数据分析及技术工具的基本训练，掌握获取知识、应用知识能和创新等基本技能。
毕业生应具备以下几方面的基础与能力： 1. 能够理解和运用经济与管理基本概念和原理；
2. 能够对经济管理实践中的问题进行分析与归纳，得出科学的结论； 3. 能够运用经济管理相关概念、原理和理论解决管理实践中的具体问题； 4. 能用应用量化工具分析并解决经济管理问题； 5. 能够使用常用的商业应用软件；
6. 能够适应不同的组织环境，有效地进行管理沟通和商务沟通； 7. 能够理解企业道德规范，识别道德与非道德行为； 8. 能够理解企业的社会责任； 9. 具有国际视野和较强的适应能力。 三、主干学科及授予学位
授予学位：管理学学士 四、专业课程
专业课程包括专业核心课、专业选修课、毕业设计三大类。
专业核心课为模块一中的课程，共计16学分；专业选修课从模块二中选择不少于6学分课程；毕业设计6学分。
10
模块一.专业核心课
序课程编号 号 课 程 名 称 学分 推荐考核 选课课程方式 讲课 实验 上机 习题 学期 设计 32 考试 3秋 24 8 考试 3秋 24 8 考试 3秋 32 32 32 24 32 8 8 24 考试 3春 考试 3春 考试 3春 考试 2秋 考试 2春 学 时 分 配 学时 大数据基础设施 2.0 32 1 EM32301 2 EM32104 多元统计分析与R建模 2.0 32 3 EM32305 4 EM32206 5 EM32108 6 EM32208 7 EM31018 8 时间序列分析方法 网络社会媒体营销分析 数据挖掘 文本分析与文本挖掘 商务数据分析 Python程序设计 合计
2.0 32 2.0 32 2.0 32 2.0 32 2.0 32 2.0 32 16.0 336 304 模块二. 专业选修课
序课程编号 号 1 2 3 4 5 6 EM31001 EM31007 课 程 名 称 管理学基础 管理信息系统 学分 2.0 2.5 考核开课学时 讲课 实验 上机 设计 方式 学期 32 40 48 32 24 16 32 32 48 32 24 16 8 考查 考查 考查 考查 考查 考查 秋 秋 春 秋 秋 秋 学 时 分 配 EM31016 运筹学 3.0 EM33201 Ｃ语言程序设计 2.0 EM33202 程序化交易 1.5 EM33208 电子商务服务与运营管理 1.0 7 8 9 10 11
EM33211 EM31015 EM32101 EM33212 经济管理数量分析的matlab实现方法 应用统计 数据库与数据仓库 运筹学优化软件及建模实践 人工智能与机器学习 2.0 3.0 2.0 1.5 2.0 32 48 32 24 32 32 40 32 16 32 8 8 考查 考查 考查 考查 考试 秋 秋 秋 夏 春
11
数据科学与大数据技术专业（学位）培养方案（辅修）
本科就读于非计算机/软件工程大类专业的学生，在修满第一学年主修专业规定的全部课程学分后，按照全校统一时间安排申请修读本辅修专业（学位）。 一、培养目标
（1）熟悉数据科学与大数据技术国内外现状和发展趋势，（2）具备计算思维能力，能够综合运用数据科学与大数据技术专业知识、技能与方法，独立解决与主修专业相关的数据科学与大数据分析问题，（3）具有跨学科能力、团队合作能力和有效的交流能力。 二、培养要求
1、计算机数学基础知识。计算机专业数学基础知识，包括集合论、图论、数理逻辑等。
2、专业基础知识。计算机算法基础、计算机系统基础、大数据算法设计及分析、人工智能与机器学习技术等。
3、计算思维方法：掌握如形式化、模型化、自动化等包括抽象思维与逻辑思维在内的计算思维能力。
4、大数据算法设计与分析能力。一方面，能够运用大数据算法设计与分析的相关知识，针对与大数据相关的复杂工程问题，设计求解问题的算法；另一方面，能准确分析算法的正确性和算法的复杂性。
5、面向大数据应用的程序设计与实现能力。能有效使用程序设计语言，完成大数据应用算法或解决方案的程序设计并在计算机系统上实现。
6、现代工具运用能力。能够针对大数据相关的复杂工程问题，开发、选择与使用恰当的工具类计算系统，预测、模拟或求解问题，并能够理解其局限性。
5、大数据应用系统的分析与评价能力。针对计算相关的复杂工程问题解决方案或系统，能够综合运用所掌握的计算机类相关知识、方法和技术，设计实验，进行分析和评价，并能够提出持续改进的意见和建议。 三、主干学科
计算机科学与技术 四、辅修课程要求
（1）“大学计算机-计算思维导论”、“高级语言程序设计”课程在辅修之前需完成学习并取得相应学分（该学分不含在辅修学分要求内）。在修读“大数据算法”、“大数据智能”、“大数据分析课程设计”课程前，学生需先完成 “概率论与数理统计”、“线性代数”、“高等数学”课程的学习并获得学分。
（2）辅修期间完成下列课程的学习： ? 计算机数学基础 3.0学分 ? 计算机系统基础 4.0学分
? 计算机算法基础 4.0学分（数据结构、算法） ? 大数据算法 3.0学分 ? 大数据系统 3.0学分
12
? 大数据智能 2.0学分 ? 大数据分析课程设计 3.0学分
主修专业与辅修专业（学位）的学分分别计算，不能相互替代，若所选辅修专业（学位）课程与主修专业课程内容重复度较高，由计算机科学与技术学院大类教学委员会指定替代课程。 五、毕业设计（论文）要求
毕业设计（论文）8.0学分。 六、学制、授予辅修学位及结业学分要求
学制：3年。
证书：完成辅修专业培养方案规定的全部课程的学习，取得20学分，并获得主修专业学位者，由学校颁发辅修专业证书；完成辅修专业培养方案规定的全部课程的学习并取得全部22学分，且辅修专业毕业设计（论文）合格，并获得主修专业学位者，由学校颁发辅修学位证书。 七、其他修读
在籍非计算机科学与技术、软件工程、网络空间安全学科的硕士（非计算机及相近专业本科毕业）、博士研究生（本、硕均非计算机及相关专业/学科毕业）可参照本办法申请修读辅修专业（学位）。 八、学年课程进程表
数据科学与大数据技术辅修专业（学位）第一学年教学进程表
开课课程编号 学期 课 程 名 称 学分 考核 备注 课外方式 学时 讲课 实验 上机 习题 辅导 3.0 48 40 8 考查 3.0 48 40 8 4.0 64 48 16 考试 4.0 64 48 16 学 时 分 配 秋季 CS33271M 计算机数学基础 合计 春季 CS33272M 合计 计算机系统基础 数据科学与大数据技术辅修专业（学位）第二学年教学进程表
开课课程编号 学期 秋季 CS33273M 合计 CS33274M 春季 CS33275M 合计 课 程 名 称 计算机算法基础 大数据算法 大数据系统 学分 考核 备注 课外方式 学时 讲课 实验 上机 习题 辅导 4.0 64 40 24 考试 4.0 3.0 3.0 6.0 64 48 48 96 40 32 32 80 24 16 16 32 考试 考试 学 时 分 配
13
数据科学与大数据技术辅修专业（学位）第三学年教学进程表
开课课程编号 学期 课 程 名 称 学分 考核 备注 课外方式 学时 讲课 实验 上机 习题 辅导 2.0 32 32 0 考查 3.0 5.0 48 80 0 32 48 48 考查 学 时 分 配 CS33276M 大数据智能 秋季 CS33277M 大数据分析课程设计 小计 8 10周 CS34999M 毕业设计（论文） 春季 8.0 10周 备注： 毕业设计从秋季学期开始，学分计入春季学期。
14