一、专业培养目标
大数据专业致力于培养符合国家战略及安徽省大数据产业发展需求，具备一定的数理基础及扎实的编程基础，以及大数据基础知识与技能， 熟练掌握大数据采集、预处理、存储、处理、分析、应用技术，能够运用大数据思维、模型和工具解决实际问题的高素质应用型人才。毕业生可从事大数据挖掘、数据分析、研发、测试、运维和管理等工作。
1、大数据开发方向培养目标
a) 深入掌握Java、Python、Scala等大数据语言开发基础，为大数据企业级项目奠定夯实的基础；
b) 有一定的数学基础、机器学习算法基础。
c) 全面掌握Hadoop/Spark的技术核心和管理操作，进而掌握大数据生态圈Hive、Hbase、Flume、Storm、Kafka、Zookeeper等使用及各生态组件集成应用；
d) 深入掌握数据读写、存储、查询优化及并发处理优化等，从而具备大数据平台系统性能优化的能力；
e) 熟练掌握数据挖掘、分析、建模等原理及工具使用，进而能对多种数据源进行数据挖掘、深度分析、数据建模及有效评估，并能提供对行业提供有效的分析报告，为行业运营决策提供数据支持；
f) 熟练理解行业大数据的应用场景与领域应用解决方案，从而具备大数据综合应用系统的部署与开发能力（业务需求分析、集群环境设置、框架选择、服务器环
境部署等能力）
2、大数据分析技术方向培养目标
a) 精通Java编程语言等;
b) 有一定的数学基础、机器学习算法基础;
c) 熟悉数据库及SQL语言，熟悉计算机辅助几何、科学数据可视化技术的基本原理;
d) 熟悉数据可视化开源方案,有数据可视化相关概念思维;
e)熟练掌握Hive、Hadoop、Spark、Hbase至少熟练使用一种数理统计、数据分析工具软件，有一定的数据建模和分析能力;
f) 具有大数据可视化工具运用的能力，对数据有一定的敏感度，能够独立地完成数据分析及可视化;
g) 能够独立地完成大数据分析系统的开发与设计。
二、培养模式及特色
1、采用“三段式”+“三明治”+三学期制培养模式
为培养符合企业需求的应用型人才，有效提高学生的分析、解决问题与实践动手的能力，大数据技术专业采用“三段式”培养模式，即2+1+1夹层模式。第一阶段为数理基础及专业核心课程培养，该阶段强化和拓宽数理基础，为学生后期专业学习打好扎实的基础；第二阶段为专业方向课程学习及实训和项目开发培养，该阶段学生能力从基本技能锻炼进阶到项目开发，最后到岗位能力素养培养，逐步从基本知识能力过渡到软件应用能力最后到岗位职业能力。第三阶段为企业实习与毕业设计，在该阶段每个学生至少完成6个月以上对口企业实习的经历，通过企业实习使学生尽早地融入到社会企业文化当中，真实体验企业的职业要求，尽早建立职业发展规划，为就业做好准备工作。
遵照执行三学期制，秋季学期和春季学期主要安排课程学习，夏季学期主要安排应用型课程，以企业项目制工作模式进行教学探索，增强学生实践技能。夏季学期课程一般由企业双师团队为主进行授课，让学生及早感受到企业工作模式和节奏。
2、专业特色
数据科学与大数据技术专业以行业需求和企业岗位能力为导向，以建构主义思想重新构建面向行业应用的课程及其教学资源体系，以互联网技术和信息化手段为依托建立符合认知学徒制的教学模式，建立面向应用能力的考核评价机制，实现全面系统的改革。
（1）课程设置与培养内容面向行业、企业需求
数据科学与大数据技术专业在一系列调研基础上构建了面向行业应用型人才培养的课程体系。
（2）构建了个性化人才培养体系
数据科学与大数据技术专业“以学生为中心，尊重学生个性发展”的思路优化专业建设思路、改革人才培养模式，满足不同层次和兴趣需求的学生需要，以智慧学习平台为支撑将传统以教为主往以学为主转变，教师回归辅导者与设计者角色。图 1为个性化人才培养体系图。
图1 个性化人才培养体系图
三、主干学科、主要课程、专业核心课程
主干学科：计算机科学与技术、统计学
主要课程：高等数学、线性代数I、大学英语、概率论与数理统计I、计算思维I（C）、计算思维II（Java）、数据结构与算法（Java）、计算机网络与分布式处理、数据库原理与应用、操作系统与Linux系统应用、应用统计学与R语言建模、软件工程、大数据技术综合应用创新实践、机器学习基础、网络爬虫技术、大数据技术原理与应用、数据预处理技术、两门专业方向课程（如下）
大数据开发技术方向主要课程: Spark内存计算与应用、云计算技术
大数据分析技术方向主要课程:大数据可视化技术与应用、Spark与集群技术
专业核心课程：计算思维I（C）、计算思维II（Java）、数据结构与算法（Java）、数据库原理与应用、机器学习基础、大数据技术原理与应用、Spark内存计算与应用、云计算技术、大数据可视化技术与应用、Spark与集群技术
主要课程关系结构图如下：
图2 主要课程关系结构图