數據科學與大數據技術專業學哪些課程

1.屬于交叉學科：以統計學、數學、計算機為三大支撐性學科;生物、醫學、環境科學、經濟學、社會學、管理學為應用拓展性學科。此外還需學習數據采集、分析、處理軟件，學習數學建模軟件及計算機編程語言等，知識結構是二專多能復合的跨界人才(有專業知識、有數據思維)。

2.基礎課程：數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。必修課：離散數學、概率與統計、算法分析與設計、數據計算智能、數據庫系統概論、計算機系統基礎、并行體系結構與編程、非結構化大數據分析。

數據科學與大數據技術專業就業前景

大數據被譽為“21世紀的新石油”，是國家戰略性資產，是21 世紀的“鉆石礦”。麥肯錫全球研究所把大數據看作“下一個創新，競爭和生產力前沿”。2013年被稱為大數據元年。短短幾年，大數據已滲透到社會方方面面。

人工智能是勢不可擋的發展趨勢，大數據技術又是人工智能的重要支撐。大數據科學將成為引領人工智能技術、物聯網應用、計算機科學、數字經濟及商業發展的核心。

數據科學與大數據技術專業報考建議

1、當下企業用人現象：一個專業集群對應一個行業熱點。大數據是交叉學科，走的是“復合型”培養路線，行業內從事相關職能的人專業背景各異。大數據作為人才培養方向在探索中，如果直接從各專業人才中遴選學苗開展碩士研究生階段的教育會更適合一些，直接開設本科階段的教育還相對不夠成熟。

2、人才培養與行業發展存在差距。由于教學大綱更新不會太及時，大數據人才7年畢業(本科四年、碩士研究生三年)后，所學恐怕落后于行業發展。

3、大數據人才的典型勝任特征：善于做需求分析、寫代碼;善于與人溝通，喜歡探索未知;需要根據數據推演、分析、提出解決方案，有數據思維;需要持續保持學習狀態;內性格上能動能靜。

4、不同辦學層次的院校開設此專業，培養模式會有差異。例如，高職類院校學生由于數學基礎相對薄弱，會跟多偏向于工具的使用，如數據清洗、數據存儲以及數據可視化等相關工具的使用;本科院校會傾向于大數據相關基礎知識全面覆蓋性教學，在研究生段則會專攻某一技術領域，比如數據挖掘、數據分析、商業智能、人工智能等。