清华大学深圳研究生院自动化学科.pdf

清华大学深圳研究生院自动化学科

清华大学深圳研究生院自动化学科

数据科学与工程培养方案

（适用于2017级全日制工程硕士专业学位研究生）

一、适用领域

数据科学与工程专业硕士学位是应大数据时代产业经济、商务管

理、政府决策、社会运行等模式变革而诞生的新的专业学位。它以信

息科学与技术为基础，以计算机技术、软件工程、控制工程、电子与

通信工程、工业工程、物流工程、交通运输工程、安全工程、机械工

程等为主要适用领域，也可用于公共管理（MPA）、工商管理

（MBA）、教育（MEA）、金融、应用统计、税务、国际商务、保险、

资产评估、警务、应用心理、新闻与传播、出版、文物与博物馆、城

市规划、林业、旅游管理、图书情报专业硕士学位新型交叉人才培养。

二、培养目标

数据科学与工程硕士专业学位是与工程领域任职资格相联系的专

业性学位。全日制工程硕士研究生主要是培养掌握大数据获取、存储、

计算、管理、分析、应用方面坚实的基础理论和宽广的专业知识，具

有较强的解决实际问题的能力、良好的职业素养和发展潜力的高层次

应用型专门人才。毕业生能够在制造企业、金融机构、互联网、电子

商务、现代服务、医疗健康、政府部门、新媒体、智慧城市等相关领

域经济实体、研究院所、政府机构、社会事业部门与团体中，承担数

据管理、运行监控、商务智能分析以及战略决策等；依赖于大数据资

源和平台的技术分析、应用开发或业务管理工作，成为数据分析师、

数据分析架构师乃至数据科学家、首席数据官（CDO，ChiefData

Officer）、商务分析师、战略管理者等。三、毕业要求

数据科学与工程硕士专业学位毕业生应具备概率和数理统计知识，

了解数据分析建模中的常用算法和工具，了解分布式系统和计算机系

统结构的基本知识，能够使用分布式工具如Hadoop进行大数据处理，

并具有定制、改进和重新开发相关大数据分析和处理工具的能力，了

解数据可视化的基本方法和工具，了解制造企业、金融机构、互联网、

电子商务、现代服务、医疗健康、政府部门、新媒体、智慧城市等领

域的基本知识，并至少在其中一个领域完成了完整的数据分析项目实

践。

四、培养方式及学习年限

全日制工程硕士研究生采取全脱产的培养方式，课程学习主要在

校内完成，论文答辩须在校内完成。学习年限一般为2-3年。

专业实践是专业学位研究生培养的重要环节，高质量的专业实践

是培养高层次应用型人才的重要保证。在学期间，研究生必须完成专

业实践不少于3学分。专业实践一般应在学校认可的实习单位、实践

基地或工程/试验现场完成。

论文研究工作一般应与专业实践相结合。鼓励校内外双导师共同

指导。以校内导师指导为主，校外导师参与实践过程、项目研究、课

程与论文等多个环节的指导工作。在修完学位要求学分的一半后，可

申请论文选题，论文研究工作时间一般不少于1年。

五、学分要求

攻读全日制工程硕士专业学位的研究生，需获得学位要求学分不

少于26学分。具体如下：

1．全校公共必修课程3学分

2．大数据方向公共必修课程8学分

3．学科专业要求课程不少于9学分

4、学术与职业素养课程不少于2学分

4．必修环节不少于4学分

六、课程设置

（一）全校公共必修课程（3学分）

自然辩证法概论1学分（考试）

英语（第一外国语）2学分（考试）（二）大数据方

向公共必修课程（8学分）

大数据分析（B）3学分（考试）

大数据系统基础（B）3学分（考试）

数据伦理1学分（考查）

大数据科学与应用系列讲座1学分（考查）（三）学

科专业要求课程（≥9学分）

大数据算法基础3学分（考试）

大数据机器学习3学分（考试）

数据可视化3学分（考试）

大数据的采集与智能处理(7025047