统计学
数据科学学院
统计学专业
一、专业定位
统计学研究数据的收集、分析和诠释,从而获取信息,依据信息支持决策。统计学已广泛使用于各领域,包括从生物学、社会科学、自然科学的研究到会计、金融、医药、工程和政府决策的各种应用。随着传感、通信与计算技术的发展,数据的获取比以往任何时候都更为方便。因此,在很多领域都出现了各种各样的海量数据。通过适当的建模和分析,大数据可以有效支持推断、估计、跟踪、学习和决策。然而,大数据的规模和复杂性带来了新的挑战和问题。在统计理论和计算技术各方面接受过严格教育,并且能够处理统计问题,尤其是大数据问题的毕业生,将会在当今经济中发挥越来越重要的作用。深圳及珠江三角洲地区拥有持续增长的信息技术市场基础,更具备充分利用大数据这一机遇的条件。
二、培养目标
本专业的学生将会广泛接触和学习商业、工程、自然科学和社会科学各领域中的问题,他们将掌握统计学的基本理论以及分析和解决实际问题所需的方法技能。本专业的毕业生将能胜任工商业和政府机构工作,以及有能力在科学、工程、工商管理等领域进一步深造和从事研究。
三、培养规格
大学核心课程 | 36 学分 |
专业必修课程 | 70 学分 |
自由选修课程 | 14 学分 |
总计 | 120 学分 |
四、课程体系
1.主要课程设置
主要课程:化学与生命科学、计算机科学导论:程序设计方法、计算机实验、数据科学基础、微积分(一)、微积分(二)、线性代数、力学、概率及统计(一)、数值方法、基础实分析、基础实分析(二)、最优化、概率及统计(二)、线性模型、广义线性模型、统计计算、统计推断、统计推断(二)、统计毕业设计、贝叶斯统计、高等机器学习、深度学习与应用、强化学习、数据隐私与道德、深度学习中的数学、数据科学之应用:生活中的网络、实分析、最优化(二)、概率论、随机过程、多元技术及其商业应用、时间序列、统计学专题(一)、统计学专题(二)、金融巿场的统计建模等。
2.主要实践性教学环节
学生将通过课堂讲学、小组讨论、实地考察、口头报告、个案研习和计算机模拟实验练习、学生科技创新项目(包括参与教授和课题组的研究)等不同类型的学习活动,帮助学生达到既定的学习效果,加深对学科知识的认识,培养批判性思维和知识创新的基本能力。
五、师资队伍
数据科学学院统计学师资队伍网罗全球高水平学术人才,对标世界顶级高校,教师均拥有国内外一流名校如斯坦福大学、加利福尼亚大学伯克利分校、加利福尼亚大学洛杉矶分校等博士学位。师资队伍汇聚国际学术与工业界领军人,拥有国际化水准的教学经验及丰富的行业实践经验。
本专业师资团队共7位专职教授,包括教授3人,其中校长讲座教授2人,以及助理教授4人。教师均拥有海外高校执教或研究经验。师资中有全球最权威的统计与概率国际学术组织之一国际数理统计学会会士2人,国家级、省市区高层次人才3人。