2、具体实施办法

2.1 围绕数据科学过程，优化计算机科学与技术专业课程体系。

围绕数据科学过程，基于以下原则对计算机专业的课程体系进行优化：

原则1：突出数据科学基础理论教学。在加强概率论、数理统计教学。

原则2：约简传统的计算机类课程，强化数据科学相关内容。在高级语言程序设计、操作系统、数字逻辑、计算机组成原理、计算机系统结构等课程中弱化传统材料的讲授（可以作为课外延伸学习部分），引入数据科学相关内容，弥补教材与时代不同步的弊端。

原则3：强调覆盖数据科学完整过程。强调覆盖数据科学完整过程。将数据采集、多源数据融合、数据科学平台使用、数据可视化等技术融入到数据挖掘、自然语言处理、信息检索等特色研究型课程，弥补了原有课程体系、课程内容与时代不同步的弊端。

2.2 依托优势学科，以科研成果进课堂为理念，将科研丰硕的教师团队作为教学主力军，加强构建数据科学与工程相关研讨型与研究型课程。

①突出“新生研讨课”与高年级本科生的“学术讲座课”建设，并设立数据挖掘、机器学习、中文信息处理、人工智能、信息检索等特色研究型课程；②激励教师将科研成果转化为教学内容，将数据科学主要内容融入到课堂；③要求授课教师重新组织课堂，激发学生参与课堂，将传统的“讲课”转变成与学生的平等交流与探讨。这些措施使本科生在四年学习中，可持续接受数据科学思维方法的熏陶与训练，牢固树立数据价值意识，提升数据科学领域的科研创新能力。

2.3 发挥学科平台引领作用，建立科研项目、实践训练、就业拓展相结合的人才培养模式。

①将重大科研项目、企业合作课题分解为本科生科研训练项目、学科竞赛题目与毕业设计课题，本科生通过参与这些实践训练，直接参与到国家级科研项目与行业实际课题，丰富了理论联系实践的经验，认识了国家与社会重大需求，提高了科研创新能力。②积极构建校企协同培养新模式，与企业合作推出企业实习项目，邀请企业工程师为学生进行讲座，突出行业背景、行业问题分析与建模、行业技术创新等，大大提升了学生解决行业问题的能力与未来实际工作的能力。③从国外邀请有影响力的教授（如：Regina大学的姚一豫教授）定期来学校授课、研讨，并推出国际交流项目，开阔学生国际视野。

2.4 实行“准学术导师制”，充分发挥优势学科高水平师资队伍的导学作用，切实提高学生的科研创新能力。

 我们为每个科研训练小组（一般为3-4学生）配备一名学术导师，按照硕士研究生培养方式，指导学生完成文献阅读、课题研究与论文写作，同时还与学生进行课题之外的一些交流与指导，不仅切实提高了学生的科研创新能力，为学生进一步的学术深造打下扎实基础，还使学生身心更加健康，与导师建立了良好的师生关系。