数据科学研究生培养方案

一、 培养目标

本学科面向国家需求，瞄准国际学科前沿，发挥中国科学技术大学理、工等学科优势，实现多学科交叉，培养学生具备坚实的数据科学理论基础和系统深入的专门知识；要求学生透彻了解数据科学及相关学科的理论、方法与技术，掌握大数据科学研究的方法。学生须熟练掌握一门外国语，能阅读本专业的外文资料并撰写专业领域外文文章；具有较强的综合能力、语言表达能力及写作能力；具有健康的体魄和良好的心理素质。毕业生具有严谨求实的科学态度和作风，能从事数据科学方面的基础研究、应用研究和关键技术创新等研究工作；也可在大数据相关应用领域从事专业性开发和管理工作。

二、研究方向

“数据科学”具有跨学科交叉特点，分别在数学、统计学、计算机科学与技术、信息与通信工程、生物学五个一级学科下交叉设置，其主体依托于数学一级学科。自主设置二级交叉学科“数据科学”代码和名称：99J1 数学（数据科学），99J1 统计学（数据科学），99J1 计算机科学与技术（数据科学），99J1 信息与通信工程（数据科学），99J1 生物学（数据科学）。主要研究方向包括但不限于： 1. 数据科学理论 2. 大数据分析技术 3. 大数据应用工程

三、学制及学分 1. 硕士培养模式

通过硕士研究生招生统考或免试推荐等形式，取得我校硕士研究生资格者，学制为3年。研究生在申请硕士学位前，必须取得总学分不低于35分。学分具体分布如下：

1

课程类别 公共必修课 基础课 专业课 必修环节

课程 英语、政治I 学科基础课程 一级学科或二级学科专业课程 学位论文开题报告 ≥12 学分 7 ≥26 2 2. 硕博一体化培养模式

在读硕士研究生入学2年后，在完成硕士阶段基本学习任务的基础上，若通过博士生资格考核，可以取得硕博连读博士生资格，其中博士阶段学制为3-4年（直博生学制为5-6年）。研究生在申请博士学位前，必须取得总学分不低于47分（包括硕士阶段）。其中公共必修课（英语、政治I、政治II）合计学分为11分，专业综合知识答辩 2学分，学位论文开题2学分。硕士层次基础与专业课程不少于26学分，博士层次基础与专业课程不少于4学分，其中学科基础课总计不少于14学分，参加学科前沿讲座、学术报告会（包括至少参加1次国际高水平学术会议并发表论文）2学分。具体分布如下： 课程类别 公共必修课 基础课 专业课 必修环节 课程 英语、政治I、政治II 学科基础课程 一级学科或二级学科专业课程 专业综合知识答辩,学位论文开题报告 参加学科前沿讲座、国际学术会议 学分 11 ≥14 ≥30（其中硕士层次课程不少于26学分，博士 层次课程不少于4学分） 4 2 3. 普通博士生培养模式。

对于已取得硕士学位，通过我校博士生入学考试者，学制为 3-4 年。研究生在申请博士学位前，必须取得总学分不低于12学分。其中公共必修课（英语、政治 II）学分为4分，博士层次专业课程与学科基础课程不少于4学分，学位论文开题2学分，参加学科前沿讲座、学术报告会（包括至少参加1次国际高水平学术会议并发表论文）2学分。具体分布如下： 课程类别 公共必修课 基础课 课程 英语、政治II 学科基础课程 ≥2 学分 4 ≥4 2

专业课 必修环节 博士专业课程 学位论文开题报告 参加学科前沿讲座、国际学术会议 2 2

四、课程设置

各门课程的内容简介、学时分配、教学和考核方式、预修课程等参见《中国科学技术大学研究生课程教学大纲》。

1、学科基础课：

数据科学学科基础课 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 课程编号 DS04001 MA04415 DS04002 DS04003 MA04242 MA04243 MA04414 MA05116 MA05115 MA05425 G025200324 CS05101 CS05102 CS05141 IN04102 IN05101 IN05102 CS33013 008133 008153 课程名称 数据科学导引* 最优化算法* 深度学习* 强化学习* 图论 随机过程 计算机辅助几何设计 高等概率论 高等数理统计 统计建模 统计学习 算法设计与分析 组合数学 机器学习与知识发现 信号统计分析 信息通信网 数字信号处理(II) 并行计算 生物统计学 系统生物学 学分 3 4 4 4 4 4 4 4 4 3 4 3 3 3 3 3 3 3 3 3 备注 本硕贯通课 本硕贯通课 本硕贯通课 本硕贯通课 数学与统计学模块 信息与计算机科学模块 生物学模块 注：打*的课程为硕士研究生必修课。

2、硕士生专业课 序号 1 2 3 4 5 6 7 8 9 课程编号 G025200325 DS05002 MA05167 MA05181 MA05180 MA05141 MA05422 MA05449 CS05171 课程名称 大数据分析计算技术 数据可视化 数字图像处理 数字几何处理 随机分析 非参数统计 贝叶斯分析 统计计算 数据库系统实现技术 3

学分 3 3 4 4 4 4 3 2 3 备注 10 11 12 13 14 15 16 17 18 19 20 CS05153 CS05154 INY5205 INY5310 INY5316 CS05116 CS05144 CS05148 BI74201 00817801 BI2520601 信息论与编码技术 网络安全 数字图像分析 视频技术基础 云计算中的网络技术 高级数据库系统 自然语言理解 模式识别 生物信息学 生物系统数学建模 基因组学 3 3 3.5 2 2 3 3 3 3 2 2

3、博士生专业课 序号 1 2 3 4 5 6 7 8 9 10 11 12 13 课程编号 DS06001 MA030 MA032 IN06102 INY6305 MA06007 MA06008 MA06010 MA087 CS06101 CS06205a CS06206a CS06217 课程名称 理论机器学习# 应用概率 现代回归分析 语音信号与信息处理 图像理解 几何计算选讲 科学计算选讲 组合图论选讲 随机分析选讲 计算机数学 数据库技术前沿 人工智能前沿 机器学习与数据挖掘前沿 学分 4 4 4 2 3 2 2 2 2 3 2 2 2 备注 注：打#的课程为推荐博士生选修课。

五、科研能力要求

按照研究生院和数据科学（或交叉学科）学位分委员会有关规定。

六、学位论文和发表学术论文要求

按照研究生院和数据科学（或交叉学科）学位分委员会有关规定。

4