数据科学与大数据技术

核心课程模块

• 数学统计概率统计、线性代数、统计建模，为数据分析和机器学习打基础。
• 计算机基础程序设计、数据结构、数据库、操作系统或计算机网络，支撑数据平台和工程能力。
• 数据技术数据挖掘、机器学习、大数据处理、数据仓库和可视化，连接真实数据任务。
• 项目实践数据清洗、建模、分析报告和业务解释决定学习成果能否落地。

能力要求

• 统计建模把现实问题转成变量、样本和模型，再判断结果是否可靠。
• 编程实现判断数据科学与大数据技术是否适合时，可以把编程实现放到课程任务、作品训练、实习场景或目标岗位里看，重点不是会不会说这个词，而是能不能长期做出结果。
• 数据清洗重点是把来源、口径、样本和结论理顺，避免只堆材料。
• 业务理解判断数据科学与大数据技术是否适合时，可以把业务理解放到课程任务、作品训练、实习场景或目标岗位里看，重点不是会不会说这个词，而是能不能长期做出结果。
• 结果表达不是会说话就够，而是能把复杂问题讲清楚、写准确、让别人能复核。

专业快速判断