图灵汇官网

在我国，数据科学与大数据技术专业已成为新的热门话题。本文在系统调研世界一流大学数据科学专业建设现状的基础上，重点关注加州大学伯克利分校、约翰·霍普金斯大学、华盛顿大学、纽约大学、斯坦福大学、卡内基梅隆大学、哥伦比亚大学和伦敦城市大学等8所大学的数据科学专业，并分析了这些大学的数据科学专业建设情况，提出了数据科学与大数据技术专业应重视的10门特色课程，并讨论了我国数据科学教育中普遍存在的8种误解及应对策略。

2016年，教育部发布了《2015年度普通高等学校本科专业备案和审批结果》，首次增设了“数据科学与大数据技术”专业，北京大学、对外经济贸易大学和中南大学获批新增专业。紧接着，2017年，中国人民大学等32所高校获批第二批新增专业。据统计，2017年申请该专业的院校总数达263所，其中工学专业190所，理学专业73所。国内的数据科学专业主要基于统计学和计算机科学与技术专业构建，已成为我国当前高等教育的热点问题之一。然而，各高校在建设该专业时面临不少难题。

国外的数据科学专业源于数据分析学专业，最早可以追溯到2007年北卡罗来纳州立大学设立的数据分析硕士学位。数据分析学进一步抽象了统计学和计算机科学中的数据问题，为数据科学的发展奠定了基础。2013年左右，数据科学逐渐取代数据分析学成为新的学科方向。本文通过对这些大学数据科学专业的课程设置和培养方案进行详细分析，总结了我国数据科学专业建设的借鉴意义。

本文接下来将对这些大学的数据科学专业进行详细介绍，并分析它们的课程设置和培养特点，为我国数据科学专业建设提供参考。首先，我们来看一下国外顶尖大学的数据科学专业建设情况。

国外顶尖大学的数据科学专业建设情况

1. 加州大学伯克利分校

加州大学伯克利分校的数据科学专业主要侧重于培养学生的研究设计、数据清洗、存储与检索、挖掘与探索、数据可视化、道德与隐私、数据分析、沟通与呈现的能力。该专业开设了5门基础课程、7门高级课程和1门综合训练课程，涵盖了Python语言、数据科学中的研究设计、统计学、数据存储与检索、应用机器学习、试验与因果分析等多个领域。

2. 约翰·霍普金斯大学

约翰·霍普金斯大学的数据科学专业主要课程包括数据科学、数据可视化、随机优化与控制、数据科学家的工具箱、数据采集与清洗、探索性数据分析、可重复研究、实用机器学习、数据产品开发等。该专业旨在培养具有竞争力的数据科学家，注重数据科学的理论基础和实际应用能力。

3. 华盛顿大学

华盛顿大学的数据科学专业课程包括数据可视化与探索性分析、应用统计与试验设计、数据管理与数据科学、统计机器学习、软件设计、可扩展的数据系统与算法、以人为中心的数据科学等。该专业注重培养学生的动手能力和团队协作能力，强调数据全生命周期管理、统计分析和故事化描述能力。

4. 纽约大学

纽约大学的数据科学专业主要课程包括数据科学导论、面向数据科学的统计学与概率论、机器学习、大数据、推理与表示、深度学习等。该专业设有多个培养方向，包括大数据、数学与数据、自然语言处理、物理学和生物学等，注重优化论的学习和实践操作能力。

5. 斯坦福大学

斯坦福大学的数据科学专业主要课程包括现代应用统计学、现代应用统计学：数据挖掘、数据驱动型医学、现代统计学与现代生物学、大数据商务智能等。该专业强调数据科学与统计学的深度融合，培养面向数据科学的统计学家。

6. 卡内基梅隆大学

卡内基梅隆大学的数据科学专业分散在多个学位项目中，包括计算数据科学、智能信息系统、语言技术等。该专业注重跨学科融合和具体应用领域的深入融合，强调与计算机科学、统计学和具体应用领域的深度融合。

7. 哥伦比亚大学

哥伦比亚大学的数据科学专业课程包括数据科学导论、面向数据科学的计算机系统、探索性数据分析与可视化、数据科学中的因果推理、大数据分析等。该专业注重培养学生的数据洞见和综合动手能力，特别强调道德与伦理教育。

8. 伦敦城市大学

伦敦城市大学的数据科学专业课程包括数据科学原理、大数据、可视分析学、数据可视化、神经计算、研究方法与专业问题等。该专业注重培养学生的洞察力，强调数据科学的跨学科性和实际应用能力。

数据科学与大数据技术专业的特色课程

根据上述分析，数据科学与大数据技术专业的特色课程主要有：

1. 数据科学的理论基础类课程：如统计学、机器学习、Python语言。
2. 数据科学的基础理论类课程：如数据科学导论。
3. 数据科学的领域应用类课程：如数据驱动型医学、基于大数据的商务智能。
4. 数据呈现和沟通类课程：如数据可视化、可视分析学。
5. 数据计算类课程：如可扩展的数据系统与算法、云计算。
6. 数据管理类课程：如数据管理与数据科学、数据存储与检索。
7. 数据分析类课程：如大数据分析、因果分析。
8. 数据产品开发类课程：如数据产品开发、试验设计、优化论。
9. 数据科学中的人文类课程：如数据科学中的伦理与隐私。

启示与建议

目前，我国数据科学与大数据技术专业建设仍处于起步阶段，课程体系设计中存在一些不足，甚至存在误解。主要表现在以下几个方面：

1. 误解之一：认为数据科学等于计算机科学加统计学。
2. 误解之二：照搬传统统计学和计算机科学专业的课程。
3. 误解之三：过分强调相关性分析，忽略因果分析。
4. 误解之四：关注数据本身的管理而非基于数据的管理。
5. 误解之五：课程名称中必须有“大数据”字样。
6. 误解之六：课程设计缺乏个性化和差异化。
7. 误解之七：忽视人文和管理问题。
8. 误解之八：主要受众局限于计算机科学、统计学或数据科学专业的学生。

针对上述误解，本文提出以下建议：

1. 重视数据科学的基础理论：开设数据科学导论、数据可视化等课程。
2. 强化实践操作能力：增加数据产品开发、试验设计等课程。
3. 增强因果分析：开设因果分析课程。
4. 注重跨学科融合：开设跨学科课程，如数据驱动型医学、大数据商务智能等。
5. 灵活课程设计：避免机械地增加“大数据”字样，注重课程的实际应用。
6. 个性化课程设计：根据不同高校的优势和特点，设计个性化课程。
7. 加强人文教育：开设数据科学中的伦理与隐私课程。
8. 拓宽受众范围：吸引来自不同专业的学生，加强与各领域知识的融合。

希望这些分析和建议能为我国数据科学与大数据技术专业的建设提供参考和借鉴。