‘大数据技术与应用’和‘数据科学与大数据技术’有什么区别

一、侧重点不同

‘大数据技术与应用’主要侧重于大数据的存储、处理和分析技术、包括数据挖掘、机器学习、数据仓库、分布式计算等方面的研究，旨在开发大数据相关的应用程序和系统，以满足商业和企业的需求。

‘数据科学与大数据技术’则更加注重数据本身的分析和应用，强调数据探索和建模技术以及数据科学的应用，包括统计学、数学建模、机器学习、人工智能等技术对数据的分析与应用，主要面向对实际问题的解决和业务价值的探索。

二、培养目标不同

‘大数据技术与应用’旨在培养学生系统掌握数据管理及数据挖掘方法，成为具备大数据分析处理、数据仓库管理、大数据平台综合部署、大数据平台应用软件开发和数据产品的可视化展现与分析能力的高级专业大数据技术人才。

‘数据科学与大数据技术’主要培养学生数据科学的基础知识、理论及技术，包括面向大数据应用的数学、统计、计算机等学科基础知识，掌握数据建模、高效分析与处理，统计学推断的基本理论、基本方法和基本技能。了解自然科学和社会科学等应用领域中的大数据，具有较强的专业能力和良好的外语运用能力，能胜任数据分析与挖掘算法研究和大数据系统开发的研究型和技术型人才。

一、数据科学与大数据技术培养模式

1、“专业课+全校性辅修课、创新实验室、校企联合培养”的培养模式

根据湘潭大学为例的地方高校的特点，以及数学学科的特色和优势，针对大数据专业的建设，按照“加强数学基础、强化计算技能、突出专业特色”的思路，吸收科研院所、企事业等合作实务部门的意见，对数据科学与大数据技术专业的教学计划和教学大纲进行制定。在项目建设期间，构建大数据数学基础、大数据计算机基础、大数据应用模块等核心课程群，重点建设几门侧重实践应用能力和创新能力培养的课程。借鉴该校数学与计算科学人才培养方案改革和设立“数学类韶峰班”的成功经验，按“分层+分流、个性化发展”的指导思想，根据人才培养目标，改变传统的专业培养模式对本科生分流，实施“专业课+全校性辅修课、创新实验室、校企联合培养”的新培养模式，从而构建了地方高校数据科学与大数据技术专业的多元化、立体化的人才培养模式。

2、“三段式”和“一体式”的人才培养模式

“三段式”，即“2+1+1”夹层模式，第一阶段为通识教育课程及专业课程培养，该阶段强化通识教育并拓展数学基础，为学生之后的专业课程学习打好良好的基础；第二阶段为数据科学与大数据技术专业课程的学习以及实践应用能力的培养，该阶段主要培养学生的专业基础知识、专业基本技能、项目开发能力以及岗位能力素养，将所学的基本知识应用到实际应用开发以及工作岗位上；第三阶段为实习实训与毕业设计，在该阶段每个学生去企业实习，通过企业实习让学生及早感受企业的工作模式和节奏，体验企业的职业要求，尽早建立职业发展规划，为今后就业做好充足的准备。

实施一体化人才培养模式，实现学生知识能力素养同步提升。实施通识教育、专业教育、实践教育相融合的一体化人才培养方案，设置通识必修类、通识选修类、专业必修类、专业选修类、实践教育必修类（包括实践基础、专业实践、创新创业实践、素质拓展）五大类，共计50余门课程，从各个层面设置了相应的课程。前导课程和后续课程衔接合理，专业基础课、专业核心课、专业选修课有序衔接，基础课、专业课的比例也比较适宜。能够做到以人为本，因材施教，实施柔性化教学，培养高素质复合型、应用型人才。

3、项目化驱动、分方向人才培养模式

项目化驱动人才培养

以真实产业项目为载体，与企业技术专家合作开发项目化课程教学资源，聘任企业专家模块化嵌入担任项目课程的授课讲师。围绕新一代信息技术产业岗位群，在构建专业课程体系的基础上，甄选10个典型产业项目，作为贯穿专业核心课程的依托项目。根据项目开发技术分工和工作过程分解，构建能力递进型培养体系，推动项目驱动式教学的全面实施，包括专业基础课程单元项目、专业核心课程训练模块项目、就业方向课程实战综合项目和实习课程开发企业系统性项目。通过递进循环训练过程，使学生的项目开发能力螺旋进阶，具体实施流程为：

（1）获取项目资源。通过校企合作、教师下企业以及科技服务等渠道，获得企业真实项目案例，结合实际学情特点，裁剪企业项目案例，达到适合课堂教学的尺度。

（2）重构项目案例。编排课程内容，选择切入点将知识、技能融入项目开发过程中。

（3）制定项目实施文档、考核标准，为教师实践奠定基础。

（4）项目实施。在教师引导下，根据教学项目设计情况，指导学生完成项目开发。根据学生学情，分组或单独完成项目。在实施过程中，以学生为主体，教师做好项目答疑和示范工作。

（5）项目评价与反馈。由教师组织学生汇报、演示项目成果，展示学生的学习态度、技能水平以及对技能点的掌握情况。学生再根据教师反馈评价，反思整个项目过程中的表现，并吸取经验教训，查漏补缺。