大数据能力提升项目课程体系
2021-12-19
1、本项目打造“3+X”模块化课程体系，共需修满 10 学分：
“3”为大数据能力提升必修模块：涵盖发展与治理、基础技能和实践应用三个核心模块。其中，“发展与治理”与“基础技能”为“实践应用”的先修模块。
“X”为专业融合模块：旨在深化跨学科专业知识结合。
2、选课指引与说明：
课程设置：各模块相应课程见下表（最终开课计划以学校 Info 系统公布为准）。
研究生选课：本项目同时面向校本部和深圳国际研究生院研究生开放。建议本部学生优先选择未标注“深圳国际研究生院”的课程；深圳国际研究生院学生优先选择标注“深圳国际研究生院”的课程。
本科生选课：项目自 2026 年起面向校本部高年级本科生（大三、大四）开放，必修课程为《数智安全与标准化》《大数据系统基础（A）》《大数据实践课》，以上三门课程可以通过特殊原因选课；选修模块可结合专业融合模块X相应课程开放的本科生课容量自行选课。
3、“3+X”课程体系如下：
（1）发展与治理模块（必修，≥2学分）
|
数智安全与标准化 |
84100362，2学分，秋季学期 |
|
数据伦理 |
60250121，1学分，秋季学期（深圳国际研究生院） |
|
人工智能伦理 |
75990111，1学分，秋季学期（深圳国际研究生院） |
（2）基础技能模块（必修，≥3学分）
|
大数据分析（B） |
60240103，3学分，秋季学期 |
|
大数据系统基础（A） |
64100043，3学分，春季学期 |
|
大数据系统基础（B） |
64100033，3学分，春季学期 |
|
大数据分析（B） |
60240103，3学分，秋季学期（深圳国际研究生院） |
|
大数据系统基础（B） |
64100033，3学分，秋季学期（深圳国际研究生院） |
（3）实践应用模块（必修，≥3学分）
|
大数据实践课 |
60470023，3学分，夏季学期 |
|
人工智能实践课 |
60250993，3学分，春季学期（深圳国际研究生院） |
（4）专业融合模块X（选修，≥2学分）
*下表课程可供选择，如拟修课程未在表中但与大数据相关，可提交X课程学分认定申请至大数据研究中心评审，评审通过可完成学分认定。
|
数据伦理 |
60250121，1学分，秋季学期 |
|
大数据技术的应用与实践 |
80231143，3学分，秋季学期 |
|
大数据算法基础 |
60248013，3学分，秋季学期 |
|
模式识别 |
70250043，3学分，秋季学期 |
|
金融大数据分析导论 |
80601522，2学分，秋季学期 |
|
人工智能 |
60240052，2学分，秋季学期 |
|
云计算与新商业模式 |
84108011，1学分，秋季学期 |
|
大数据与城市规划 |
70000662，2学分，秋季学期 |
|
深度学习 |
84100343，3学分，秋季学期 |
|
数据挖掘: 理论与算法 |
80240372，2学分，秋季学期 |
|
模式识别 |
60230023，3学分，春季学期 |
|
统计学习理论与应用 |
70240413，3学分，春季学期 |
|
大数据分析与处理 |
80240632，2学分，春季学期 |
|
数据可视化 |
80240683，3学分，春季学期 |
|
政务大数据应用与分析 |
80700673，3学分，春季学期 |
|
大数据治理与政策 |
80591342，2学分，春季学期 |
|
媒体数据挖掘 |
80670883，3学分，春季学期 |
|
数据分析与优化建模 |
80700973，3学分，春季学期 |
|
交通大数据分析与应用 |
70030302，2学分，春季学期 |
|
量化金融信用与风控分析 |
80470193，3学分，春季学期 |
|
大数据机器学习 |
70240403，3学分，秋季学期（深圳国际研究生院） |
|
数据思维与行为 |
60700052，2学分，秋季学期（深圳国际研究生院） |
|
大数据治理与政策 |
80591342，2学分，秋季学期（深圳国际研究生院） |
|
大数据管理与创新 |
60510202，2学分，秋季学期（深圳国际研究生院） |
|
数据可视化 |
80240683，3学分，秋季学期（深圳国际研究生院） |
|
大数据科学与应用系列讲座 |
60250131，1学分，春季学期（深圳国际研究生院） |
|
模式识别 |
60230023，3学分，春季学期（深圳国际研究生院） |
学生认定过的X课程
*后续学生再选修该课程无需重新认定。
|
机器学习 |
80250993，3学分，秋季学期 |
|
高级机器学习 |
80240603，3学分，秋季学期 |
|
金融大数据与量化分析 |
01510313，3学分，秋季学期 |
|
深度学习 |
84761063，3学分，秋季学期 |
|
数据挖掘：原理与算法 |
80240373，3学分，秋季学期 |
|
治理技术专题：政治数据分析 |
70700173，3学分，秋季学期 |
|
大数据与生物统计学 |
70960033，3学分，秋季学期 |
|
机器学习及其在化学中的应用 |
GPK01002522，3学分，秋季学期 |
|
高级心理统计学 |
80700572，2学分，秋季学期 |
|
机器学习与人工智能 |
70960043，3学分，春季学期 |
|
深度学习 |
80240743，3学分，春季学期 |
|
医学信息与工程 |
80231262，2学分，春季学期 |
|
移动数据挖掘 |
80231032，2学分，春季学期 |
|
大模型与生成式人工智能 |
80240802，2学分，春季学期 |
|
治理技术专题：定量政治分析方法 |
70700263，3学分，春季学期 |
|
人工智能和金融投资 |
80517713，3学分，春季学期 |
|
交叉创新实践课——大模型创新应用 |
65990302，2学分，秋季学期（深圳国际研究生院） |
|
城市信息学I：城市应用分析 |
80001351，1学分，秋季学期（深圳国际研究生院） |
|
交叉创新实践课——数字医疗 |
65990092，2学分，春季学期（深圳国际研究生院） |
