2023年数据科学与大数据技术微专业招生计划

学院

信息与机电工程学院

微专业名称

数据科学与大数据技术

报名与修读要求

1. 上海师范大学2022级、2023级全日制本科在籍在读本科生，均可以报名参加。

2. 修读微专业的学生，其主修专业应和开设的微专业(数据科学与大数据技术)属于不同的专业学科门类，且主修专业学习成绩优良，学有余力。

开设校区与

招生人数

█奉贤校区     班级数：1个     人数：30人     班均人数：30人/班

上课时间

█周五晚   █周六全天    

学制

2年

总学分

20分

收费标准

2022级：125元/分

2023级：175元/分

预计总学费

2022级：2500元

2023级：3500元

教学目标

本微专业面向师范专业和非师范专业学生，在掌握原有专业知识技能的基础上，提升数据科学素养和能力。本微专业培养具有良好道德修养和科学素养的学生，让学生系统掌握智能科学与技术基本理论、基本技能与方法；培养具有国际视野、跨专业、跨领域的沟通能力，从事数据科学与大数据技术相关研发工作的优秀创新型复合人才；培养学生跨专业跨领域的科学素养及人文素养、良好的团队合作能力和交流沟通能力、系统分析和解决复杂工程技术问题的认知能力和实践能力。培养的学生应有能力具体如下：

1. 系统的认知能力：能够利用数据科学的基本原理与方法，自底向上和自顶向下地对问题进行系统分析的能力；既能理解智能系统各层次的细节，又能站在系统总体的角度从宏观上认识系统的智能性；

2. 数据科学理论专业能力：掌握数据分析技术、智能计算和智能数据应用实践培养方向的基本原理和基本方法，并至少能在其中的一个方向上具有较强的分析问题和解决问题的能力；

3. 智能应用技术实践能力：从智能理论、智能技术、智能应用设计三个方面将有关内容联系起来，使之相互支撑、相互促进，以利于使用智能的方法解决复杂的工程实践问题；

4. 创意创新创业能力：具有组织或参与实际的、跨专业、跨领域、综合性强的项目研发经历，有较好的团队合作、交流沟通的能力和技巧；

5. 社会适应能力：对智能科学与技术所应用领域中的新理论和新技术具有较敏锐的感知能力、具有良好的自学能力和较强的自信心，能适应科学技术快速进步和应用领域快速发展的新要求。

专业特色与优势

专业基础课程由数据结构、Python与数据分析、数据挖掘课程构成，务求夯实专业本体知识，加强数据挖掘、大数据技术基础、教育领域大数据应用和交叉应用技术等方面的教学。

专业选修课程由数学建模、数据处理与可视化、青少年机器人设计、数字图像处理四门课程构成（任选两门可完成学分要求），师范专业学生和非师范专业学生可根据不同特点安排课程选修模块。

实践教学分为大数据分析与实践和人工智能教育社会实践。数据微专业具有人工智能大数据课程教育平台作为支撑，以及拥有用于大学生学科竞赛训练、创新项目实践等专用的设备和场所，并搭建数据挖掘与大数据分析实验室平台；依托学院海量数据智能处理与分析、多信息源智能融合、智能人机交互、智能机器人等创新实验室，能够满足完成数据科学与大数据微专业学生的实验教学任务的需求。

其他

宣传内容

本微专业所依托的信息与机电工程学院是人工智能教育研究院的核心力量之一，并已成功获得两项国家级的人工智能加教育的新工科项目；学院负责具体微专业课程实施的计算机科学专业是第一批国家级和上海市一流本科专业。同时，学院已建有数据挖掘与大数据分析实验平台，可以支撑本微专业的课程建设。

在长期的教学科研实践中，信息与机电工程学院逐步形成了以智慧社会计算、媒体计算、机器视觉等主体方向。学院83位教师中有40余位教师致力于数据科学研发，积累了大量的教学、科研经验和成果，形成了开展数据科学与大数据技术专业人才培养的稳定的师资队伍。对于本次开设的微专业，学院组织了48位专职师资队伍，其中正教授11名、副教授26名、讲师11名，85%的教师拥有博士学位，55%以上的教师有海外高访或交流经历，63%的教师拥有企业合作或工作经历。比如，李鲁群老师开设的python课已入选上海市重点课程，而python语言应用是本微专业的基础课程。因此，可以将计算机专业的数据素养课程拓展到全校非师范专业中，把计算机师范专业的数据素养课扩展到全校师范学生。

此外，学院拥有海量数据智能处理与分析、多信息源智能融合、智能人机交互、智能机器人等创新实验室，以及计算机组成原理、单片机、嵌入式系统、数字信号处理、计算机网络等硬件实验室，承担数据科学与大数据微专业学生的实验教学任务。并且，学院已具有人工智能大数据课程教育平台为此微专业建设的支撑平台，还有用于大学生学科竞赛训练、创新项目实践等专用的设备和场所。这些平台、设备和场所可为智能科学与技术专业的校内实验提供较好的支撑。

学院已与多家智能科学研究和应用的企业建立了合作关系，安排学生在上海长江计算机集团、上海亚太神通计算机有限公司、上海海尔集成电路有限公司等近20家知名企业进行实习和社会实践，从事智慧城市、智能家居、数字医疗、金融、物联网、云计算、大数据等领域的研发和应用工作。企业可派工程师及以上职称的技术人员作为学生的企业导师，实现学校与企业对本微专业人才培养的“双导师制”。

教学计划表

主要课程简介

1.课程中文名称：数据结构

课程英文名称：Data Structures

预修课程：高级语言程序设计

主要内容：

本课程以C语言为算法描述语言，全面介绍了计算机解决实际问题时组织、存储数据所用的结构和方法，以及在各种结构上执行操作的算法。内容覆盖了数据结构的主要方面，包括基础知识、线性表、栈、队列、树、图、查找、排序等。

Course Description:

Introduces the structures and methods of data organization and storage used in solving practical problems with computer, as well as the algorithms under various structures. Covers concepts of common data structures including linear list, stack, queue, tree and graph, searching and sorting. Emphasizes the use and implementation of data structures, and the design and analysis of corresponding algorithms.

教    材：

《数据结构——用C语言描述》（第2版），耿国华等编著，北京：高等教育出版社，2015

参考书目：

1.《数据结构（C语言版）》，严蔚敏，吴伟民编著，北京：清华大学出版社，2012

2.《数据结构习题解析与实验指导》，李冬梅，张  琪编著，北京：人民邮电出版社，2017

2.课程中文名称：Python与数据分析

课程英文名称：Python & Data Science

预修课程：无需任何编程基础

主要内容：

介绍Python基础知识和数据分析。第一部分介绍Python编程基础，Python数据类型、运算、字符串、元祖、列表、字典、集合；程序流控制；函数设计、lambda、reduce、filter、map，以及常见模块（datetime、calendar、urllib）的使用与用户自定义模块的设计、文件处理、网络爬虫设计等。第二大部分主要介绍Pandas库的使用，数据的输入输出、数据的处理、数据统计、数据可视化，并介绍相关可视化与机器学习基础知识。

Course Description:

Introduces basic knowledge of Python and data analysis. The first part introduces the basics of Python programming including data types, operations, strings, lists, dictionaries, and set, program flow control, function design, lambda, reduce, filter, map, the use of common modules (Datetime, Calendar, URllib) and user-defined module design, file processing, web crawler design, etc. The second part introduces the use of the Pandas, including data input and output, data processing, data statistics, data visualization, and the basic knowledge of visualization and machine learning.

教    材：

《Python数据分析、挖掘与可视化》，董付国编著，北京：人民邮电出版社，2020

参考书目：

1.《Python与数据分析及可视化》（李鲁群老师撰写教材，即将出版，内容可以提前给同学共享）

2. Python官方网站。

3.课程中文名称：数据挖掘

课程英文名称：Data Mining

预修课程：高等数学

主要内容：

本课程讲述实现数据挖掘的各主要功能、挖掘算法和应用，包括数据预处理、特征提取与特征选择、k最近邻分类算法、决策树算法、朴素贝叶斯算法、关联规则挖掘、支持向量机算法、聚类算法、回归分析等。

Course Description:

Introduces the main functions, mining algorithms and applications of data mining, including data preprocessing, feature extraction and feature selection, K-nearest neighbor classification algorithm, decision tree, naive Bayes algorithm, association rule, support vector machine algorithm, clustering, regression analysis, etc.

教    材：

《数据挖掘概念与技术》，Jiawei Han, Micheline Kamber, Jian Pei编著，北京：机械工业出版社, 2012.

参考书目：

1. 《数据挖掘算法与应用（Python实现）》，孙家泽、王曙燕编著，北京：清华大学出版社，2020.

2. 《Python数据挖掘实战》，方小敏编著，北京：电子工业出版社，2021.

4.课程中文名称：数学建模

课程英文名称：Mathematical Modeling

预修课程：高等数学、概率论与数理统计等

主要内容：

本课程通过案例分析，介绍了基本的数学建模方法、算法设计策略和数学实验方法，包括线性规划、非线性规划、网络优化、微分方程和差分方程、插值与拟合、数据统计、统计分析等。

Course Description:

Introduces the basic mathematical modeling method, algorithm design strategy and mathematical experiment method from case study, including linear programming, nonlinear programming, network optimization, differential equations and difference equations, interpolation and fitting, data statistics, statistical analysis, etc.

教    材：

《数学建模与数学实验（第5版）》，赵静等编著，北京：高等教育出版社，2020.

参考书目：

1. 《算法设计与分析（第4版）》, 王晓东编著，北京：清华大学出版社，2018.

2. 《MATLAB数学建模方法与实践(第3版)》，卓金武、王鸿钧编著，北京：航空航天大学出版社，2018.

5.课程中文名称：数据处理与可视化

课程英文名称：Data Processing and Visualization

预修课程：Python

主要内容：

本课程讲述数据处理与可视化的使用方法和技巧，包括：数据分析与可视化基础、Python基础、NumPy数据类型、Pandas数据类型、表格数据处理、数据可视化和机器学习等。

Course Description:

Introduces the applications and techniques of data processing and visualization, including basics of data processing and visualization, the basics of Python, NumPy data types, Pandas data types, data processing of table, data visualization, and machine learning.

教    材：

《Python数据分析、挖掘与可视化》，董付国编著，北京：人民邮电出版社，2020

参考书目：

1.《Python与数据分析及可视化》（李鲁群老师撰写教材，即将出版，内容可以提前给同学共享）

2. Python官方网站。

6.课程中文名称：青少年机器人设计

课程英文名称：Robot Design for Teenagers

预修课程：Python

主要内容：

本课程利用Arduino控制板和传感器、执行器完成一些基本的硬件类设计，能实现不同层次的设计题目并陈述设计方案及实现过程。

Course Description:

Introduces the basic hardware design with Arduino control board, sensor and actuator, which can realize different levels of design problems, and expounds the design scheme and implementation process.

教    材：

《Arduino程序设计基础（第2版）》，陈吕洲编著，北京航空航天大学出版社，2015

参考书目：

1.《Gravity：Arduino 编程积木套件教程（Arduino IDE版）》，DFRobot主编，2020

7.课程中文名称：数字图像处理

课程英文名称：Digital Image Processing

预修课程：大学数学，线性代数

主要内容：

该课程主要讲述数字图像处理的基本概念、理论和方法。包括图像处理的基础知识（图像数字化、图像表示等）；图像变换（DFT与FFT）；图像处理的基本理论与技术（图像增强、图像恢复和图像的编码压缩）；图像分析的基本理论与技术（图像分割、分类分析、投影重建与图像识别等）。

Course Description:

Introduces the basic concepts, theories, and methods of digital image processing, including the basic knowledge of image processing (image digitalization, image representation), image transformation (DFT and FFT), basic theory and technology of image processing (image enhancement, image restoration and coding compression), basic theory and technology of image analysis (image segmentation, classification, projection reconstruction and image recognition).

教    材：

《Digital Image Processing》(Second Edition), R. C. Gonzalaz，电子工业出版社，2002

参考书目：

1. 《Digital Image Processing》, by Kenneth R. Castleman, 清华大学出版社, 2000

2．《数字图像处理》（第二版），R.C.冈萨雷斯等著电子工业出版社，2003

8.课程中文名称：大数据分析与实践

课程英文名称：Big Data Technology and Pactice

预修课程：数据结构

主要内容：

该课程主要介绍大数据相关基础知识和相关技术，包括大数据概论、大数据分析模型和大数据分析关键技术。依据大数据分析平台 Hadoop，掌握分布式文件系统（HDFS），任务分解和结果汇总（MapReduce），Hbase 为代表的 NoSQL 关键技术，并运用这些技术工具到具体的实践中。

Course Description:

Introduces the basic knowledge and technique about big data, which includes overview of big data, analysis model of big data and key technologies for big data analysis. Based on a specific analysis platform of big data (Hadoop), masters the Hadoop Distributed File System (HDFS), the Map and Reduce and Hbase operations, and apply these techniques to practice case.

教    材：

《大数据技术入门（第2版）》，杨正洪编著，北京：清华大学出版社，2020.

参考书目：

1.《Hadoop+Spark大数据技术》，刘彬斌等编著，北京：清华大学出版社，2018.

9.课程中文名称：人工智能教育社会实践

课程英文名称：AI Education Social Practice

预修课程：计算机导论

主要内容：

该课程要求掌握人工智能基础知识（包括人工智能导论、图形化编程、开源硬件设计、机器人结构与编程），熟悉人工智能教育的技术手段，在实践中能指导中小学生进行问题分析、项目实践，引导探索创新。

Course Description:

This course requires students to master the basic knowledge of artificial intelligence (including introduction to artificial intelligence, graphic programming, open-source hardware design, robot structure and programming), to be familiar with the technical means of artificial intelligence education, and to be able to guide students in primary and secondary school to conduct problem analysis, project practice.

教    材：无

参考书目：

1.《Arduino入门基础教程》，余静编著，北京：人民邮电出版社，2020.

2. 《乐高教育STEAM中级教程》，李锋、王世达编著，上海：华东师范大学出版社，2020.

3. 《开源硬件项目设计》，季隽编著，上海：科技教育出版社，2020.