【摘  要】通过 3年具体课堂教学实践，深入探讨大数据科学融入应用统计学课堂教学促进高级技能创新人才培养模式转型，得到具有现实指导意义的经验和方法，为应用统计学本科教学中如何融于大数据科学提供科学依据、具体形式和方法。

【關键词】大数据科学;课堂教育;模式转型

随着大数据时代的到来，数据的规模、类型、结构和增长速度发生质的飞跃，大数据科学主要研究应用计算机科学技术进行大数据处理、分析和预测，解决工程、社会等领域实际问题，应用统计学作为大数据平台最核心的科学之一，是大数据时代最重要的基础学科专业^[1]。

我校当前应用统计学课堂教育模式已无法适应大数据科学发展对人才的需求，存在偏理论传授、重学术引导，而轻技能的形成和实践能力的培养，特别是重知识传授和技能模仿、轻知识创新和技能形成，严重阻碍我校应用统计高级技能创新人才培养。针对应用统计学课堂教学的现状，于2018年申报教学改革项目“进行大数据科学融入应用统计学课堂教学促进高级技能创新人才培养模式转型”的研究，^[2]通过研究发现大数据技术的主要数学基础知识包含概率论与数理统计、线性代数、最优化方法和离散数学等。

首先，概率论与数理统计与大数据技术开发的关系最为密切，条件概率、独立性等基本概念、随机变量及其分布、多维随机变量及其分布、方差分析及回归分析、随机过程（特别是Markov）、参数估计、Bayes理论等在大数据建模、挖掘中占有重要地位。大数据具有天然的高维特征，在高维空间中进行数据模型的设计分析就需要一定的多维随机变量及其分布方面的基础。Bayes定理更是分类器构建的基础之一。特别是条件随机场CRF、隐Markov模型、n-gram等在大数据分析中可用于对词汇、文本的分析，可以用于构建预测分类模型。以概率论为基础的信息论里面的信息增益、互信息等特征分析的方法在大数据分析中也有非常重要的作用。

其次，线性代数知识与大数据技术开发的关系也很密切，矩阵、转置、秩 分块矩阵、向量、正交矩阵、向量空间、特征值与特征向量等在大数据建模、分析中也是常用的技术手段。特别是在互联网大数据中，许多应用场景的分析对象都可以抽象成为矩阵表示，大量Web页面及其关系、微博用户及其关系、文本集中文本与词汇的关系等等都可以用矩阵表示。以矩阵为基础的各种运算，如矩阵分解则是分析对象特征提取的途径，因为矩阵代表了某种变换或映射，因此分解后得到的矩阵就代表了分析对象在新空间中的一些新特征。所以，奇异值分解SVD、PCA、NMF、MF等在大数据分析中的应用非常广泛。

第三，最优化方法为大数据模型求解提供了多种途径，通常是基于微分、导数的优化方法，例如梯度下降、爬山法、最小二乘法、共轭分布法等。

第四，离散数学是所有计算机科学分支的基础，其中计算机课程中的数据结构、数据库、算法设计与分析、又是能够进行大数据分析和处理的基础。

由以上分析培养计划我们确定在如下课程中融入大数据技术科学：

1《统计计算及应用软件》学分1.5，实验0.5学分，融合R语言进行数据处理，Python完成网络爬虫和微信机器人应用

2《概率统计》学分5，融合大数据与概统、概统与R的关系

3《统计学导论》学分2.5，实验0.5学分，融合大数据的统计假设检验

4《运筹学》学分2，课程设计2学分，融合大数据最优化求解案例

5《回归分析》学分2，融合最小二乘法应用及行列式、矩阵的运算、特征分解、奇异值分解

6《多元统计分析》学分2，课程设计1学分，融合大数据高维特征建模及非线性模型求解，仿真案例

7《时间序列分析》学分2，课程设计2学分，融合具有时间序列特征的大数据应用对现状分析及预测

8《数据分析与处理》学分2，融合大规模数据存储和处理，并行运算及云计算，高维矩阵奇异值分解方法

9《抽样调查技术与应用》学分2，课程设计2学分，融合大数据抽样方法的基本原理和应用案例分析

10《统计预测和决策》学分2，课程设计2学分，融合向量机和神经网络基础理论及预测模型案例分析

11《统计建模》学分2，课程设计2学分，融合大数据处理核心统计模型简介及案例分析

根据大数据技术发展现状和应用统计学专业发展需要，2021级培养计划新增大数据科学创新实践课组，课程如下：

基于以上应用统计学专业基础、核心课程及创新模块融于大数据科学以外还需要在数学基础理论课程中添加大数据科学所需的矩阵论、离散数学和科学计算方面的基础知识。

经过我们专业的老师们深入研究和实践，大数据科学融于课堂教学是可行的，未来我们将努力拓展专业方向，把应用统计学发展成为能够让学生成为大数据时代社会所需要的高级技能创新人才，完成培养模式转型。

参考文献：

[1]雷俊丽，张良均.大数据数学基础[M].人民邮电出版社，2019.3

[2]中科普开.大数据技术基础[M].清华大学出版社，2016.6

作者简介：

柏宏斌（1970.03-）男，汉族，四川南充，硕士，党员，副教授，主要从事数据分析与处理研究。

四川轻化工大学教学改革项目编号：JG-1802