山东理工大学大数据技术与工程全日制专业学位硕士研究生培养方案
大数据技术与工程
全日制专业学位硕士研究生培养方案
领域代码:085411
一、领域简介
山东理工大学计算机科学与技术学科创建于1986年,是山东省最早设立的信息技术类学科之一;2000年获得计算机应用技术二级学科硕士学位授予权, 2006年获得计算机技术专业硕士学位授予权,2011年获得计算机科学与技术一级学科(学术型)硕士学位授予权,2020年获批山东省大数据发展创新实验室,2021年获电子信息技术大数据技术与工程领域专业硕士学位授予权。
现有全职教师28名,其中, “泰山学者青年专家”1人,全职教授2人、副教授8人,博士学位教师28人、海外学术背景教师11人;聘有硕士研究生指导教师14人。近五年来,承担国家级科研项目5项、国防科研项目1项,省部级科研项目10项,横向项目80余项,科研经费超过800万元;发表学术论文100余篇,其中核心期刊以上90余篇,SCI/EI/ISTP期刊检索论文50余篇;获得国家发明专利40余项,软件著作权80余项。
与英国约克大学、爱尔兰利莫瑞克大学等国外著名高校建立了长期友好的教学科研合作关系;并与通广电子、东软集团、惠与软件、青岛软件园、大唐电信和中兴通讯等单位合作建立了十多处教学、科研和实训基地,并与浪潮集团共建“国家级工程实践教育中心”。
以经济社会和行业发展的重大战略需求为导向,以服务区域经济社会发展为使命,以培养高水平应用型工程技术人才为目标,坚持多元化办学特色,力争建成特色鲜明、省内一流、国内知名的高水平学科。
二、培养目标
立足国家和区域经济发展战略,面向大数据技术与工程领域科技前沿,培养德、智、体、美、劳全面发展,能够胜任工程分析、工程设计、工程开发和工程管理等工作,具备高水平综合素质的大数据技术与工程领域高层次应用型专门技术人才。
1.拥护中国共产党领导,拥护社会主义,坚持党的基本路线和方针政策,热爱祖国,遵纪守法;
2.具有健康的体魄、良好的心理素质和健全的人格,具有良好的道德品质以及科学严谨、求真务实的治学态度和工作作风,树立终身学习的理念,能够不断地自我更新知识和调整知识结构;
3.掌握大数据技术与工程领域坚实的理论基础和系统的专门知识与实践技能,较熟练地掌握一门外国语,具备良好的外文交流与写作能力;
4.面向多源数据处理、大数据分析、数据挖掘等大数据技术与工程领域的研究方向,成为能够独立从事科学研究或承担专门技术工作的高层次应用型人才。
三、研究方向
大数据技术与工程全日制专业学位硕士研究生培养方案设以下3个研究方向:
1.多源数据管理与融合应用
2.大数据分析与智慧决策
3.数据挖掘与智能计算
详见附表1。
四、学习年限
学制3年,修业年限2-4年,科学研究和论文撰写时间不少于1年(从开题通过之日起计算)。经导师同意,可申请提前毕业,但科学研究和论文撰写时间要求不变。休学时间不计入学习年限。
五、课程设置与学分要求
课程分为必修课程和选修课程,学生需在规定时间内完成公共必修课程6学分、学科平台课程11学分、方向选修课程8学分、素养选修课程1学分的学习任务。跨学科攻读学位研究生需根据导师要求修读2门及以上课程,考核合格后方可参与开题答辩,成绩不计入成绩单。
课程设置情况见附表2。
六、培养方式与培养环节
研究生培养实行双导师负责制,鼓励实行以导师负责为主的指导小组(团队)制。鼓励聘请企业(行业)具有丰富工程实践经验的专家作为导师组成员组成校企导师组共同指导,鼓励研究生入校即进入课题,课程学习与科学研究同步进行。导师根据研究生的学术兴趣、知识结构、能力水平等,指导研究生制定个性化的培养计划并监督执行。
专业学位研究生的培养采取课程学习、专业实践和学位论文相结合的方式,关注研究生职业发展能力塑造及学位论文应用性。鼓励聘请企(行)业专家开设校企联合课程以及职业素养课程。
导师负责制订研究生培养计划,组织开题、中期筛选考核、答辩,指导科学研究和学位论文等工作,且对研究生的思想品德、学术道德有引导、示范和监督的责任。
1.开题报告
①硕士学位论文开题报告是开展学位论文工作的基础,一般应于第三学期完成,最迟应于第四学期初完成。
②研究生需在导师指导下,查阅文献资料,经过充分调研与论证,确定具体课题,独立地做出开题报告。论文开题报告应包括选题的科学依据、国内外发展动态、主要研究内容、研究方案、课题所需条件、预期成果及创新点等。
③论文开题采取正规答辩的方式进行,并提交书面开题报告。论文开题报告经导师审阅后,由本学科或相关学科5人以上的导师组成开题报告评审小组,对学生所做开题报告提出评价和修改意见。学生导师或者至少一位导师组成员必须参加学生的开题报告。
④每个研究生做不少于10分钟的开题报告和10分钟的提问。专家组根据论文选题的合理性、可行性、创新性、对课题的理解程度和专业基础知识、工作能力等方面对学生做出“合格”或“不合格”的明确评定。
⑤对通过的开题报告,研究生应根据评审小组的意见进行修改。未通过者必须在三个月内再次进行开题报告。第二次学位论文开题报告仍未通过者,将终止培养。因出国、外出合作研究或其他原因确实不能参加的研究生,经导师同意后,向学院提出申请,并商定开题报告时间。无故不参加的,视为开题报告不合格。
2.中期筛选考核
①研究生的中期筛选考核在其开题以后6个月以上。
②中期筛选考核内容主要包括研究生的政治思想和道德品质、综合知识的掌握程度、论文研究工作的进展等。
③学院组织考察小组(5人以上的导师组成)对研究生的综合能力、论文工作进展以及工作态度、精力投入等进行全面考查。
④每个研究生做不少于10分钟的中期答辩+10分钟的提问。
⑤中期筛选考核结果分为合格与不合格,合格者可继续进行论文工作,并根据专家组意见进行改进。不合格或未参加中期筛选考核的研究生,不得进入学位论文撰写,经培养单位、研究生工作部审核,报校长办公会批准,做肄业处理。
3.实习实践
教学实践:可采取多种方式进行,如本科课程教学、辅导工作或指导生产实习、课程设计及毕业设计等工作。教学实践时间累计不少于1个月,结束后由导师写出考核评语,考核通过即获得1学分。
专业实践:在学期间应在学校设立的联合培养基地、研究生工作站或校内外有条件的实践单位进行累计不少于6个月的专业实践训练,结束时提交实习总结报告。经考核通过后,即获得1学分。有实践经历或特殊情况的,可向学院提出申请减免。
4.创新创业
达到以下条件之一,即获得创新创业1学分:
①研究生进行3个月出国学习或学术交流;
②参加学术会议并宣读论文,或做公开学术报告2次;
③参加全国性的科技竞赛、创意设计、创新创业竞赛等并获奖;
④参加6次以上与本学科相关的学术报告,并提交总结。
本环节需至少完成2学分。
七、学位论文
硕士学位论文是硕士研究生科学研究工作的全面总结,是描述其研究成果、反映其研究水平的重要学术文献,是申请和授予硕士学位的基本依据。学位论文撰写是硕士研究生培养的关键和核心,必须严格按照规范执行,本学科硕士研究生的学位论文应满足以下基本要求:
1.学位论文应在导师指导下由研究生独立完成。
2.研究生必须在完成培养方案规定的教学计划之后,方可进入撰写学位论文阶段。
3.学位论文的题目应在导师(或指导小组成员)的共同协商认可下确定,论文选题应直接来源于生产实际或具有明确的工程应用背景,并结合工程实际需要、解决工程实际问题。
4.学位论文要求内容充实、结论正确、格式规范、条理清楚、表达准确。学位论文应具有一定的深度和先进性,应反映出作者对基础理论和专门知识的掌握情况,反映出作者综合运用有关理论、方法和手段解决理论与实际问题的能力。
5.按照《山东理工大学硕士学位授予实施细则》要求组织论文开题、中期筛选考核、学位论文预答辩和正式答辩等环节,论文答辩要做到严格要求、公正、公开。
八、毕业与学位要求
(一)毕业要求
满足毕业要求,可获得毕业证书;在获得毕业证书的基础上,如满足学位授予标准,可授予学位证书。
1.热爱祖国,拥护中国共产党的领导,具有社会责任感和历史使命感,维护国家和人民的根本利益,遵纪守法,身心健康;
2.具有良好的品德修养和学术道德,实事求是、勇于创新;
3.修读完培养方案规定课程和其他培养环节,成绩考核合格;
4.完成论文答辩,成绩合格;
5.符合学校有关规定的其他要求。
(二)学位要求
严格执行最新的《中华人民共和国学位条例》《山东理工大学研究生学位论文评审办法》《山东理工大学硕士学位授予工作实施细则》《山东理工大学研究生申请学位学术创新性要求的规定》以及计算机科学与技术学院硕士研究生申请学位学术创新性要求实施细则等有关规定。
附表1:研究方向简介
类 别 | 培养目标 | 支撑课程 | |
综合素质 | 拥护中国共产党的领导,热爱祖国、遵纪守法,德智体美劳全面发展,具有高度的社会责任感、良好的道德品质和团队合作精神,以及科学严谨、求真务实的治学态度和工作作风。 | 新时代中国特色社会主义理论与实践研究、自然辩证法、研究生英语、中国传统文化 | |
综合能力 | 具备大数据技术与工程领域的坚实理论基础,准确把握本领域的技术现状和发展趋势,掌握解决工程问题的先进方法、现代技术手段和实践创新能力;熟练掌握一门外语,具备较高的听、说和阅读能力,并能较熟练地查找、检索、撰写本领域的学术报告和科技论文。 | 工程伦理、工程数学、知识产权与学术规范、信息检索与论文写作、学科前沿与实践(英文)、算法设计与分析、机器学习 | |
研究方向 | 多源数据管理与融合应用 | 掌握多源数据处理、信息挖掘、大数据计算等技术,能够利用各类传感器、多源信息融合与数据分析方法,面向智能制造、智慧农业、智能电网等行业领域数据开放共享和对大数据分析的需求,聚焦领域数据的精准采集、多源融合、智能分析与应用服务开发等任务。 | 机器学习、数理统计、物联网技术、模式识别、计算机视觉、信号处理与分析 |
大数据分析与智慧决策 | 掌握海量复杂异构数据建模、知识表达、感知、融合管理,大数据计算框架与智能分析、软件建模与项目敏捷开发等技术,支持工业、农业及服务业领域应用的大数据计算框架、服务引擎及数据可视化技术研发,实现大规模异构数据分析、决策支持、产业模式精准定位和数字化转型。 | 大数据分析与云计算、数据分析与可视化、高性能计算、自然语言处理、搜索引擎理论与技术 | |
数据挖掘与智能计算 | 掌握数据统计、在线处理、情报检索、机器学习、专家系统、推荐等技术,面向工业制造、农业生产、医疗保健、智慧城市等领域,实现知识挖掘、语义推理和个性化推荐。 | 数理统计、信息检索与论文写作、大数据分析与云技术、数据分析与可视化、高性能计算、网络与信息安全 |
附表2:培养计划
领域名称 | 大数据技术与工程 | 领域代码 | 085411 | ||||||||
单位名称 | 计算机科学与技术学院 | 培养类型 | 全日制专业学位硕士 | ||||||||
学分要求 | 总学分:≥ 32 ,必修课程学分:≥ 17,选修课程学分:≥ 9,其他培养环节学分:6。 | ||||||||||
课 程 设 置(中英文对照) | |||||||||||
课程类型 | 课程编码 | 课程名称 | 学分 | 学期 | 备注 | ||||||
公共必修课程 6学分 | G16007 | 新时代中国特色社会主义理论与实践 The Theory and Practice of Socialism with Chinese Characteristics for a New Era | 2 | 1 |
| ||||||
G16003 | 自然辩证法(理工) Dialectics of nature | 1 | 1 |
| |||||||
G14001 | 研究生英语 English for Graduate Students | 3 | 1 |
| |||||||
学科平台课程 ≥11学分 | 050065 | 学科前沿与实践(英文) The Lectures on the Frontier and Application | 1 | 1 | 必选 | ||||||
G11004 | 工程数学 Engineering Mathematics | 2 | 1 | 至少选修1门 | |||||||
G11003 | 数理统计 Mathematical statistics | 2 | 1 | ||||||||
G15004 | 工程伦理 Engineering Ethics | 1 | 1 | 必选 | |||||||
G30032 | 信息检索与论文写作 Information Retrieval and Thesis Writing | 1 | 1 | 必选 | |||||||
G30031 | 知识产权与学术规范 Intellectual Property and Academic Norms | 1 | 1 | 必选 | |||||||
050046 | 高级算法设计与分析 Design and Analysis of Advanced Algorithms | 2 | 1 |
| |||||||
050047 | 机器学习 Machine Learning | 3 | 1 | ||||||||
050029 | 大数据分析与云计算 Big Data Analysis and cloud computing | 3 | 1 | ||||||||
050037 | 数据分析与可视化 Data Analysis and Visualization | 2 | 2 | ||||||||
050025 | 数据仓库与数据挖掘 Data warehouse and data mining | 2 | 2 | ||||||||
方向选修课程 ≥8学分 | 050036 | 深度学习 Deep Learning | 2 | 2 |
| ||||||
050038 | 物联网技术 Internet of Things Technology and Application | 2 | 2 | ||||||||
050034 | 强化学习理论与应用 Theory and Application of Reinforcement Learning | 2 | 2 | ||||||||
050002 | 模式识别 Pattern Recognition | 2 | 2 | ||||||||
050045 | 高级数据库技术及新进展 Advanced database technology and new progress | 2 | 2 | ||||||||
050006 | 网络与信息安全 Network and Information Security | 2 | 2 | ||||||||
050042 | 自然语言处理 Natural Language Processing | 2 | 2 | ||||||||
050013 | 搜索引擎理论与技术 Search Engine Theory and Technology | 2 | 2 | ||||||||
050044 | 高性能计算 High Performance Computing | 2 | 2 | ||||||||
050005 | 数字图像处理 Digital Image Processing | 2 | 2 | ||||||||
050033 | 计算机视觉 Computer Vision | 2 | 2 | ||||||||
050039 | 信号处理与分析 Signal Processing and Analysis | 2 | 2 | ||||||||
050041 | 智慧农业 Intelligent Agriculture | 2 | 2 | ||||||||
素养选修课程 1学分 | G31001 | 中国传统文化 Chinese Traditional Culture | 1 | 2 |
| ||||||
G15001 | 东方哲学与现代化 Oriental Philosophy and Modernization | 1 | 2 | ||||||||
G02060 | 科研素养与创新能力 Scientific Research Literacy and Innovation Ability | 1 | 2 | ||||||||
G10014 | 实验设计与统计分析 Experimental design and statistical analysis | 1 | 2 | ||||||||
G02010 | 科技英语写作 Scientific English Writing | 1 | 2 | ||||||||
G21002 | 羽毛球 | 1 | 2 | ||||||||
G19002 | 美术鉴赏 | 1 | 2 | ||||||||
G20002 | 舞蹈形体训练 | 1 | 2 | ||||||||
补修课程 不计学分 |
|
|
|
| 导师 确定 | ||||||
|
|
|
| ||||||||
其他培养环节(≥6学分) | |||||||||||
培养环节 | 相关内容及要求 | 学期 | |||||||||
开题报告 (1学分) | 在完成课程学习、文献阅读、学术调研等环节后,全日制专业学位硕士研究生在导师的指导下确定研究课题,写出选题文献综述,提交开题报告。由本学科5人以上专家组成评审小组对开题报告进行评审,通过后即获得1学分;不通过者限期重做,重做后仍不通过者终止培养。 | 3 | |||||||||
中期筛选考核 (1学分) | 对全日制专业学位硕士研究生的思政、科研、实践及综合素质等进行考核,检查研究生学位论文进展状况、帮助学生把握学位论文方向、提高学位论文质量。中期筛选考核通过后即获得1学分;考核不合格的,经培养单位、研究生工作部审核,报校长办公会批准,做肄业处理。 | 4 | |||||||||
实习实践 (2学分) | 教学实践:可采取多种方式进行,如本科课程教学、辅导工作或指导生产实习、课程设计及毕业设计等工作。教学实践时间累计不少于1个月,结束后由导师写出考核评语,考核通过即获得1学分。 专业实践:在学期间应在学校设立的联合培养基地、研究生工作站或校内外有条件的实践单位进行累计不少于6个月的专业实践训练,结束时提交实习总结报告。经考核通过后,即获得1学分。有实践经历或特殊情况的,可向学院提出申请减免。 | 2-5 | |||||||||
创新创业 (2学分) | 1.进行3个月以上的出国访学研修或学术交流; 2.参加学术会议并宣读论文,或做公开学术报告2次; 3.参加全国性的科技竞赛、创意设计、创新创业竞赛等并获奖; 4.参加6次以上与本学科相关的学术报告,并提交总结; 每项记1学分,需完成2学分。 | 1-5 | |||||||||