北京信息科技大学2017年大数据特长班招生简章
发布时间:2018-08-25 12:39:29
发布时间:2018-08-25 12:39:29
北京信息科技大学2017年“大数据”特长班招生简章
一、招生简介
为激发学生学习兴趣,突出学校办学特色,有效利用学校优质教育资源,北京信息科技大学定于2017年开设 “大数据”特长班,供学有余力的学生自愿修读。通过特长班的学习,学生可通过数据采集、清洗、存储、计算等相关课程了解掌握大数据系统及平台相关技术,通过统计分析、机器学习、数据挖掘、数据可视化等相关课程了解掌握大数据分析及可视化技术。
“大数据”特长班由学校数据科学与大数据技术专业教学工作小组负责,由下辖的教学管理办公室负责组织教学实施及其他日常管理工作。
二、招收学生范围、结业要求
1.对大数据相关技术和知识感兴趣的全日制本科生均可申请修读特长班。
2.特长班实行学分制管理,修读年限一般为1-3年,修读学分不低于12学分,需在其本科在读期间内完成。
3.2017级特长班招收学生规模为60人。
三、申请程序及学生管理
1.修读特长班的学生,经本人自愿申请,加入微信群,并填写《北京信息科技大学修读“大数据”特长班申请表》(见附件1),本人签字后送交教学管理办公室。
2.教学管理办公室依据学生报名情况组织资格测试进行录取。录取学生名单报教务处备案。
3.特长班学生每学期开学注册时到教学管理办公室完成信息注册,逾期不办理手续的视为自动放弃修读计划,取消修读资格。
四、学生选课及成绩管理
1.特长班开设的课程列表见附件2。
2.特长班授课时间由教务处统一安排在双休日或暑假。课程的考试命题、试题印刷、考试组织、试卷归档等参照本科教学运行有关规定执行。
3.课程成绩单独记载,缺考或不合格的课程不安排补考。考试作弊学生的处理按照本科课程考试作弊的处理办法执行。特长班课程未获得学分的学生,不影响其修读专业的成绩及学籍。
4.特长班课程将在小营或者健翔桥校区开课,选课时同学可参考开课地点。
五、证书发放
课程学分修满12分的学生,由学校颁发修读“大数据”特长班合格证书;未修满12学分者,经本人申请,申请者所在学院审批后,可将已修读课程所得学分认定为专业任选课或公共选修课学分。
六、时间安排
1.2017年11月24日前,学生加入微信群,并详细填写《北京信息科技大学修读“大数据”特长班申请表》并报送教学管理办公室(电子版请发送到联系邮箱)。
2.2017年12月1日前,教学管理办公室依据报名情况进行遴选确定特长班学生名单。
3.其它事项另行通知。
七、 联系方式
联系电话:010-********
联系地点:教学管理办公室(健翔桥校区教三楼311计算机学院教学办公室)
联系人:黄姝琪
电子邮箱:hshq0429@qq.com
附件1:北京信息科技大学修读“大数据”特长班申请表
附件2:特长班课程列表
数据科学与大数据技术教学工作小组
2017年11月24日
附件1:
北京信息科技大学修读“大数据”特长班申请表
姓名 | 性别 | (照片) | ||||||||
班级/学号 | 所属学院 | |||||||||
专业 | 手机 | |||||||||
申请理由 | 我认真阅读了《北京信息科技大学2017年“大数据”特长班招生简章》,知晓有关规定及要求,本人有能力完成学分要求,并意愿遵守学校相关规定。 申请人(签字): 年 月 日 | |||||||||
教学管理办公室意见 | 根据《北京信息科技大学2017年“大数据”特长班招生简章》,在公平、公正、公开的原则下,根据实际情况及具体要求,对该名学生进行了资格测试,审批结果为: □同意修读 □不同意修读 特长班教学管理办公室主任(签章): 年 月 日 | |||||||||
注册记录 | 注册时间 | 注册人签字 | 经办人签字 | 注册时间 | 注册人签字 | 经办人签字 | ||||
说明:如有大数据方面经历、专长或个人发展目标等申请原因,请在申请理由栏内注明。
附件2:
特长班课程列表(暂定,部分课程会根据实际情况调整)
课程类别 | 课程名称 | 理论/实践 | 学分 | 总学时 |
大数据系统与平台 | 数据采集(Python) | 理论+实践 | 2 | 32 |
数据清洗 | 理论+实践 | 2 | 32 | |
NoSQL数据库 | 理论+实践 | 2 | 32 | |
CUDA编程 | 理论+实践 | 2 | 32 | |
Hadoop技术 | 理论+实践 | 2 | 32 | |
大数据分析及可视化 | 大数据分析的原理与及技术 | 理论+实践 | 2 | 32 |
大数据分析的Python基础 | 理论+实践 | 2 | 32 | |
统计分析 | 理论+实践 | 2 | 32 | |
机器学习 | 理论+实践 | 2 | 32 | |
数据挖掘导论 | 理论+实践 | 2 | 32 | |
数据可视化 | 理论+实践 | 2 | 32 | |
大数据行业应用解析 | 理论+实践 | 2 | 32 | |