◎李波

从2016年至今，数据科学与大数据技术专业已经在全国300多个本科高校，900多个专业全面开设。但是在“新基建、新工科”背景下，对于“数据科学与大数据专业”建设还有非常多值得深思和探讨的课题，如人才培养模式的革新；课程实习的科学设置；面对专业认证课程比例的调整；校外实习的选择等等。

一、数据科学与大数据专业建设的时代背景

2015年8月31日，我国政府颁发《促进大数据发展行动纲要》，标志着将大数据纳入国家战略层面。从2016年开始，中国教育在高校中增加了数据科学与大数据技术专业。2018年，中央经济工作会议提出了“新基建”，并在2019年明确为“5G基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能和工业互联网”。伴随着“新基建”的提出和教育部对“新工科”的要求，对大数据及数据科学专业的人才储备提出了新的目标和要求。截止2019年3月，教育部批准了481个数据科学与大数据专业，同时在998个计算机科学与技术、621个软件工程专业中也纷纷开设了相关的方向型课程。在众多985、211本科面前，应用型本科教育需要在“数据科学与大数据技术”专业培养模式的探索中稳步前行，寻找自己的方向。

二、数据科学与大数据专业建设探索

“数据科学与大数据技术”专业培养不是单一的技能培养，是综合性交叉学科的科学与技术，所以在不同高校中设置的专业方向各有不同，有的设立在数学学院，有的设立在计算机学院等，其教育模式和着力点都各有不同。但是综合来说，以工程教育为质量标杆，开展大数据专业建设，完成完整的知识体系构建，多循环模式进行技术夯实，以此满足应用型本科教育的的人才需求，是最有力的途径和方法。结合大数据产业的新趋势、新需求，以产学研用紧密结合、产教紧密融合、产业链和创新链紧密聚合为建设原则，在人才培养体系及人才培养模式、专业内涵建设、人才队伍建设等方面开展深度合作，同时满足工程教育认证标准，建立含有真实产业环境和行业案例的大数据教学实践中心，助力培养大数据产业急需的高素质复合型创新型人才。

1.培养模式探索。在应用型本科“数据科学与大数据技术”培养模式上，首先，要夯实数据科学的理论基础。在大数据“如火如荼”迅速发展的今天，每个人都张口闭口大数据，将大数据专业理解为大数据技术的培养，这是过于片面的。大数据专业的培养应重理论更重视实践的培养模式，而非单一重技术。其原因在于，第一，数据科学在今天逐渐形成了自己的理论体系结构。第二，大数据技术涉及到的软件多半是开源软件，但是即使开源，我国自主知识产权的的技术极少，单一学习技术的话，万一技术变革，会使学生学无所长，无处发挥。若是基础夯实，无论在我国的“信创”时代，还是国外技术更迭，都能牢牢掌握科学技术脉搏，拥有可延伸的学习能力。

首先，技术培养重实践。大数据技术发展到今天，每个相关的产业公司都有自己的成熟的工程项目实战案例。这些真实的实战项目既是公司培训人才的良好素材，也可以作为高校学生学习的最好素材。将数据“脱敏”（将数据敏感信息隐藏），将项目过程凝练，学生不必跳坑，少走弯路就能学习到实战经验。

其次，将大数据提升、深度学习、机器学习等科目的学习过程结合科学研究或实际项目，探索式学习让有科研能力的学生有自主研发的意识，以便于开发学生的潜力。

另外，在应用型本科3+X培养模式下，第七学期进行校企合作，结合公司实际项目进行实习演练，使学生在学校和就业之间无缝衔接。

最后，结合OBE工程认证理念，对培养方案中专业课程建设部分在进一步做闭环设计，采用“课程+实训”“、学年综合实战”、“校企联合培养实战”三重循环模式，逐步强化应用能力培养。

2.课程体系的建设。

图1课程、实训体系设计

图1为课程、实训体系设计，数据科学与大数据专业涉及数据科学类专业课共19门。采取第一、二学期一门、第三四学期各四门、第五学期四门、第六学期五门，逐步加深、内容细化的方式进行专业课涉及。从第二学期开始，每个学期有一门课设或者实训，从第二学年开始每个学年一个综合实战，第四学年校企合作实战演习与工作对接。

着重培养掌握大数据科学与技术相关的基本理论和基本知识，系统地掌握数据科学与工程专业知识，具备大数据应用系统设计与开发的能力，以及一定的科研工作能力，达到知识、能力与素质的协调发展。

3.校企合作。成立校企合作工作组，对大数据专业的人才培养方案制定、课程体系建设、教学改革创新、人才培养质量提升、双师培养等专业内涵建设事项进行策划，实施和跟踪。

校企双方融合的程度是专业建设的关键，协同实施改革创新必然经过不断磨合和探索的过程，为了实现学校、学院、教师、企业的有机配合，需要构建长效的合作机制。其中应特别关注教师的主导者角色，设立有效机制，保障教师团队有意愿实施改革。