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