数据科学与大数据技术专业是教育部为落实国家大数据战略而设立的新兴专业，旨在培养具有大数据思维、掌握大数据分析与应用技术的高级专门人才。该专业融合了计算机科学、统计学、数学等多学科知识，培养学生具备数据采集、存储、处理、分析和可视化的综合能力。
培养目标：培养掌握数据科学的基础知识、理论及技术，包括面向大数据应用的数学、统计学、计算机科学等学科基础知识，数据建模、高效分析与处理、统计学推断的基本理论、基本方法、基本技能，能解决自然科学和工程技术中复杂问题的复合型人才。毕业生应具备：扎实的数学和统计学基础；熟练的编程和数据处理能力；掌握大数据平台技术；具备数据分析和建模能力；了解行业应用场景和业务逻辑。
专业特色与优势：本专业注重理论与实践结合，设有大数据开发、数据分析、数据科学等多个方向。配备Hadoop/Spark大数据实验平台，与腾讯、华为、阿里等企业合作开展实训项目。学生在数学建模、数据分析竞赛中屡获佳绩，毕业生深受互联网和金融企业欢迎。
学科发展趋势：随着数字化转型深入、AI大模型应用、实时计算需求增长，大数据技术持续演进。未来重点方向包括：湖仓一体架构、流批一体计算、实时数据分析、数据治理与安全、DataOps等。数据成为核心生产要素，数据人才需求旺盛，预计2025年大数据人才缺口达150万，就业前景广阔，薪资待遇优厚。
大数据基本概念、技术体系、应用场景，建立大数据思维
Python编程、数据处理库（Pandas/NumPy）、数据清洗与分析
数据组织、算法设计、复杂度分析，为大数据处理打基础
关系数据库设计、SQL语言、数据库优化、NoSQL技术
监督学习、无监督学习、模型评估、实际应用案例
关联规则、聚类分析、分类算法、异常检测、模式发现
Hadoop生态、Spark框架、分布式存储与计算原理
可视化原理、图表设计、交互式可视化、BI工具应用
Hadoop/Spark集群部署、性能调优、故障处理
完整数据分析流程，从数据获取到报告输出
经典机器学习算法实现、模型训练与优化
设计并实现数据可视化系统，掌握BI工具
实时计算、数据湖、ETL开发、数据仓库建设
统计分析、商业分析、用户行为分析、A/B测试
深度学习、自然语言处理、计算机视觉应用
数据治理、数据质量管理、元数据管理、数据安全
| 院校名称 | 院校层次 | 专业评级 | 2025分数线 |
|---|---|---|---|
| 中山大学 | 985/211/双一流 | A | 648-658 |
| 华南理工大学 | 985/211/双一流 | A- | 643-653 |
| 哈尔滨工业大学（深圳） | 985/211/双一流 | A- | 652-662 |
| 深圳大学 | 省重点 | B+ | 618-632 |
| 暨南大学 | 211/双一流 | B | 610-625 |
| 华南师范大学 | 211/双一流 | B | 605-620 |
| 广东工业大学 | 省重点 | B | 585-605 |
| 广州大学 | 省重点 | B- | 578-598 |
| 汕头大学 | 省重点 | C+ | 568-588 |
| 广东外语外贸大学 | 省重点 | C+ | 565-585 |
| 东莞理工学院 | 普通本科 | C | 545-565 |
| 佛山科学技术学院 | 普通本科 | C | 535-555 |
腾讯、阿里巴巴、百度、字节跳动、华为、美团、京东等互联网科技公司；银行、证券、保险等金融机构的数据中心；中国移动、中国联通等通信企业的数据分析部门；政府和企事业单位的数据管理部门。