数据科学与大数据技术专业于2018年获教育部批准成立并于当年开始招生，是广州软件学院重点建设专业。专业现有教师25人，其中教授、副教授、高级工程师等高级职称教师11人，中级职称4人，专业建设有省级“数据科学与大数据技术教学团队”、校级“大数据应用科研团队”；依托专业建设有“软件生态与人工智能研究所”、“人工智能应用工程技术研究中心”；专业依托省级计算机技术与应用实验教学示范中心、软件与信息技术协同育人中心建设有大数据应用开发平台、大数据分析与挖掘平台、大数据可视化分析平台等实验环境。
1 专业定位
面向现代生产、服务型行业对大数据岗位的需求，培养掌握计算机专业和大数据专业基础知识，熟练使用大数据主流方法和技术，能从事大数据获取、存储、分析挖掘、应用系统开发、平台部署和运维工作的高素质应用型本科人才。
2 培养目标
培养具有大数据思维和专业领域数据的理解能力，掌握数据建模、数据处理与分析的基本理论、基本方法和基本技能，具备大数据采集、存储、分析挖掘、建模与综合应用能力，能在国家机关、企事业单位、金融机构从事大数据分析与应用开发的高素质应用型本科人才。
3 培养特色
（1）对标岗位需求，构建特色课程体系：分层构建了“以数据为中心”、“以数据分析与建模为中心”、“以大数据技术应用为中心”的专业课程体系，重点培养学生大数据采集、存储、分析、挖掘、建模、可视化等工程应用能力。
（2）校企协同育人，深化产教融合：对接大数据产业需求，校企共同开展项目实训、共建校外实践教学基地与科产教融合基地，构建大数据产教融合实践体系，以项目驱动方式锻炼学生的大数据工程应用能力和创新实践能力。
（3）创新创业驱动，学科竞赛引领：依托国家级创新创业实践基地、校内创新创业学院，构建了完整的创新创业体系和学科竞赛体系，“以创促学，以赛促学”，培养学生创新创业和就业能力。
4 专业核心课程
Linux环境C程序设计、Linux系统管理与运维、Web程序设计基础、面向对象设计与编程、网络应用技术、数据库系统原理、数据结构与算法、Python编程基础与应用、Web应用开发技术、云计算基础与实用技术、计算机组成原理、操作系统、大数据导论、UML建模与应用、大数据算法解析、数据分析与建模、大数据算法解析、大数据技术基础与应用、大数据可视化分析、大数据处理引擎与实践。
5 专业体系及学分结构
数据科学与大数据技术专业共需完成170学分的修读，其中公共必修课47学分，占比27.65%,专业必修课72学分，占比42.35%；专业限选课18学分，占比10.59%；通识限选课3学分，占比1.76%；任选课18学分，占比10.59%；毕业实习4学分，占比2.35%;毕业设计（论文）8学分，占比4.71%。
6 教学条件
专业教学实验室配套完善，设备先进，利用率高，在专业人才的培养中发挥了较好的作用。本专业现有9个专业实验室，实验室面积共1453平方米，教学教室面积达到6300平方米，生均教学行政用房达到16.3平方米；实验室软硬件设备总值805.8万元，为24门专业必修实验课程及11门选修实验课程提供支持。校企合作共建了大数据应用开发云实验室，目前已建设3期，包括大数据虚拟化管理平台、大数据挖掘与分析平台、大数据分析与挖掘算法应用平台、大数据可视化应用开发与展示平台等，此外，还建设了虚拟化与云计算实验室、智能信息处理实验室、程序设计仿真教学实验室、Paas软件开发实验室、华为云人工智能实验室、以及2个移动互联网应用开发实验室等，实验室设备较先进，空闲状态下均向师生全面开放，平均利用率达高，能够满足专业教学需求，在人才培养中能发挥较好作用。
数据科学与大数据技术实验室情况汇总表
7 就业前景
就业方向
就业岗位
1. 数据分析师
能通过采集、处理和分析海量数据，发现数据中的商业价值；制作数据报告和可视化图表，帮助企业决策层理解数据结果；应用统计方法和分析工具，预测分析行业发展趋势。
2. 大数据应用开发工程师
可以设计、开发和维护大数据平台和系统，确保数据处理系统的高效性和可靠性；能施行和优化大数据存储解决方案，能实施数据ETL（抽取、转换、加载）流程，确保数据的质量和完整性。
3.大模型数据开发工程师
在大语言模型和计算机视觉模型项目中专注于数据的处理、优化和管理的工程师。这个角色的专长是保证数据的质量、可访问性和适用性，为高效、有效地训练和部署大模型打下基础。
4. 大数据算法工程师
能利用机器学习和人工智能技术，探索数据中深层次的模式和规律；能开发和部署预测模型，为产品开发和业务策略提供支持；可以与业务部门合作，提出并验证数据驱动的解决方案。
5. 商业智能（BI）分析师
能设计和开发商业智能解决方案，帮助企业挖掘数据中的价值；可以创建和维护仪表盘和报表，为企业实时监控关键业务指标；能分析市场趋势和客户行为，向企业提供数据驱动的营销建议。
6. 数据库管理员（DBA）
负责大数据背景下的数据库的安装、配置、升级、备份和恢复；能优化数据库的查询和索引，提高系统运行效率；负责确保数据安全及访问权限管理，防范数据泄露和丢失。
