应用统计专业硕士(国际学生 中文授课)
硕士研究生培养方案
学院 | 统计与数学学院 | 培养类别 | 专业型硕士中文授课 | |||||||||||||
一级学科名称 | 统计学 | 一级学科代码 | 025200 | |||||||||||||
适用年级 | 从2022级开始适用 | 修订时间 | 2022年5月 | |||||||||||||
覆盖专业 | 应用统计专业硕士（留学生） | |||||||||||||||
基本学制 | 2年 | |||||||||||||||
学分 | 总学分≥37 学分，其中学位课≥32 学分，非学位课≥0学分，必修环节5学分。 | |||||||||||||||
培养目标 | 国际学生应用统计专业硕士学位研究生的培养目标是培养熟悉中国历史、地理、社会、经济等中国国情和文化基本知识，了解中国政治制度和外交政策，理解中国社会主流价值观和公共道德观念，形成良好的法治观念和道德意识；培养在统计学科领域中具有较好的国际视野，能够在多个国家的实际环境中运用和发展统计学科的知识、技能和方法，并具备参与国际事务和国际竞争的能力。能够运用中文完成统计学科的学习任务，达到《国际汉语能力标准》五级水平，能够运用中文承担应用统计专业技术和数据分析工作、具有良好的职业素养的高层次、应用型统计专门人才。 | |||||||||||||||
实务能力及创新培养等要求 | 1.系统掌握数据采集、整理、分析及结果呈现的统计理论和先进大数据技术；具备熟练应用计算机集群进行大数据处理、统计分析能力。 2.能够独立从事经济金融、上午等实际领域统计工作，如运用数据挖掘/统计学习的理论和方法，深入挖掘和分析海量数据，并设计实现相应的算法，解决实际问题。 | |||||||||||||||
培养方式 | 采取校内外双导师制，以校内导师指导为主，校外导师应参与实践过程、项目研究、课程与论文等多个环节的指导工作。采用在校学习与到实际部门的专业实习相结合的方式，坚持理论与实践结合，重视案例教学和实践教学。 | |||||||||||||||
覆盖专业简介及研究方向 | 覆盖专业简介 | 研究方向名称 | ||||||||||||||
专业名称（应用统计学）： | 应用统计学是在当前“大数据”背景下，为适应社会需要我校统计学专业设立的优势研究方向。本专业在宏观、微观等经济领域及商务等领域的不同类型数据的模拟、分析、挖掘、预测、决策和监控及大数据算法与开发等方面具有较明显优势，在全国学术领域享有一定的地位与影响力。 | |||||||||||||||
课程设置 | ||||||||||||||||
课程类别 | 课程编号 | 课程名称 | 总学 分 | 总学时 | 周学时 | 开课 学期 | 备注 | |||||||||
公共必修课 | 11191003 | 中国概况 | 2 | 32 | 4 | 1 | ||||||||||
11191001 | 汉语1 | 4 | 64 | 4 | 1 | |||||||||||
11191002 | 汉语2 | 4 | 64 | 4 | 2 | |||||||||||
公共选修课 | 从我校当年研究生公共选修课课程目录中选修， 其中应至少修读1门公共艺术类课程。 | ≥1 | ||||||||||||||
学科基础课 | 21132006 | 大数据分析统计基础 | 3 | 48 | 4 | 1 | ||||||||||
21132010 | 大数据分析计算机基础 | 3 | 48 | 4 | 1 | |||||||||||
专业课 （必修） | 21133043 | 统计计算与软件 | 3 | 48 | 4 | 1 | ||||||||||
21133087 | 机器学习 | 3 | 48 | 4 | 1 | |||||||||||
21133060 | 应用时间序列分析 | 2 | 32 | 4 | 1 | |||||||||||
21133072 | 论文写作与学术规范（专硕） | 1 | 16 | 4 | 2 | 1-4周 | ||||||||||
专业课 （选修） | 21133071 | 应用统计案例分析 | 2 | 32 | 4 | 2 | 12选3 | |||||||||
21133075 | 深度学习专题（双语） | 2 | 32 | 4 | 2 | |||||||||||
21133040 | 应用多元统计分析 | 2 | 32 | 4 | 1 | |||||||||||
21133014 | 金融风险管理 | 2 | 32 | 4 | 2 | |||||||||||
21133032 | 定性数据分析 | 2 | 32 | 4 | 2 | |||||||||||
21133046 | 证券投资专题 | 2 | 32 | 4 | 2 | |||||||||||
21143047 | 自然语言处理 | 2 | 32 | 4 | 2 | |||||||||||
21133038 | 大数据分布式计算 | 2 | 32 | 4 | 2 | |||||||||||
21133077 | 商务统计建模与决策 | 2 | 32 | 4 | 1 | |||||||||||
21133090 | 数据结构与算法 | 2 | 32 | 4 | 1 | |||||||||||
21133088 | 统计调查与数据采集 | 2 | 32 | 4 | 2 | |||||||||||
21133089 | 行业大数据应用与实践 | 2 | 32 | 4 | 1 | |||||||||||
必修环节 | 21005001 | 入学教育 | 1 | 根据学院相关细则执行 | ||||||||||||
21005002 | 创新创业 | 2 | ||||||||||||||
21005003 | 社会实践 | 2 | ||||||||||||||
学分总计 | ||||||||||||||||
其他要求 | 软件应用课程实训课时不少于15%。 | |||||||||||||||
其他培养环节及要求 | ||||||||||||||||
培养环节 | 内容及要求 | |||||||||||||||
学术道德、学术伦理和学术规范 | 遵守学术道德、学术伦理和学术规范，如果有抄袭等违背学术道德和学术伦理的行为，取消申请学位资格；学位论文有违背学术规范，令其限期改正；如果不能按时改正，延迟半年答辩。 | |||||||||||||||
综合素质与实践能力训练 | 参加8次以上专题讲座活动，提交与报告主题相关研究报告 | |||||||||||||||
开题报告 | 撰写文献综述，并提交开题报告 | |||||||||||||||
社会实践 | 实际单位实习不少于6个月 | |||||||||||||||
学位论文 | 学位论文内容应与实际问题、实际数据和实际案例紧密结合，可以是与数据收集、整理、分析相关的调研报告，数据分析报告，应用统计方法的实证研究等。论文预答辩为第三学期12月份，论文答辩为第四学期5月份。 | |||||||||||||||
本学科主要文献、目录及刊物 | ||||||||||||||||
序号 | 著作或期刊名称 | 作者 | 出版社 | 出版时间 | 考核方式 | 备注（选读/必读） | ||||||||||
1 | 科学研究方法 | 吴智晖 | 中国林业出版社 | 2012 | 考查 | 选读 | ||||||||||
2 | 中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要 | 2020 | 考查 | 选读 | ||||||||||||
3 | 中国国情读本（2020版） | 2020 | 考查 | 选读 | ||||||||||||
4 | 国民经济统计前沿问题（上中下） | 邱东 | 中国统计出版社 | 2008 | 考查 | 选读 | ||||||||||
5 | Hoon S. Choi；Steven Leon | An empirical investigation of online review helpfulness: A big data perspective | 2020 | 考查 | 选读 | |||||||||||
6 | 大数据时代下的统计学 | 2015 | 考查 | 选读 | ||||||||||||
7 | 数据挖掘：概念与技术 | 2012 | 考查 | 选读 | ||||||||||||
8 | 数据挖掘：实用机器学习工具与技术 | 2014 | 考查 | 选读 | ||||||||||||
9 | 分布式计算、云计算与大数据 | 2015 | 考查 | 选读 | ||||||||||||
10 | 数据挖掘与数据化运营实战：思路、方法、技巧与应用 | 2013 | 考查 | 选读 | ||||||||||||
11 | 大数据分析：方法与应用 | 王星 | 清华大学出版社 | 2015 | 考查 | 选读 | ||||||||||
12 | 大数据思维与决策 | 2014 | 考查 | 选读 | ||||||||||||
13 | 大数据：互联网大规模数据挖掘与分布式处理 | 2012 | 考查 | 选读 | ||||||||||||
14 | 大数据：技术与应用实践指南 | 2013 | 考查 | 选读 | ||||||||||||
15 | 深入理解大数据：大数据处理与编程实践 | 2014 | 考查 | 选读 | ||||||||||||
16 | 《Hadoop权威指南》 | 怀特 | 清华大学出版社 | 2011 | 考查 | 选读 | ||||||||||
17 | 《云计算（第二版）》 | 刘鹏 | 电子工业出版社 | 2011 | 考查 | 选读 | ||||||||||
18 | Spark快速大数据分析 | 2015 | 考查 | 选读 | ||||||||||||
19 | Data Mining：Concepts and Techniques，Third Edition | Jiawei Han | Morgan Kaufmann Press | 2012 | 考查 | 选读 | ||||||||||
20 | Hadoop: The Definitive Guide | White | O'Reilly Media Press | 2013 | 考查 | 选读 | ||||||||||
21 | Case Studies in Bayesian Statistical Modelling and Analysis | Clair L. Alston (Editor), Kerrie L. Mengersen (Editor), Anthony N. Pettitt (Editor) | Wiley | 2012 | 考查 | 选读 | ||||||||||
22 | Applied Multivariate Statistical Analysis(4ed), | Hardle W.K. and Simar L. | Springer | 2015 | 考查 | 选读 | ||||||||||
23 | Applied Multivariate Statistics with R | Zelterman D. | Springer | 2015 | 考查 | 选读 | ||||||||||
24 | IEEE Transaction on Knowledge and Data Engineering | 考查 | 选读 | |||||||||||||
25 | IEEE Transaction on Neural Networks | 考查 | 选读 | |||||||||||||
26 | B. Selvakumar， B. Lakshmanan | 2022 | 考查 | 选读 | ||||||||||||
27 | Hui Liu， Shi Yin etal | Data multi-scale decomposition strategies for air pollution forecasting: A comprehensive review | 2020 | 考查 | 选读 | |||||||||||
28 | Tahseen Khan， Wenhong Tian etal | Machine learning (ML)-centric resource management in cloud computing: A review and future directions | 2022 | 考查 | 选读 | |||||||||||
29 | Mahinda Mailagaha Kumbure， Christoph Lohrmann | Machine learning techniques and data for stock market forecasting: A literature review | 2022 | 考查 | 选读 | |||||||||||
30 | Aanand Kumbhar Pravin G. Dhawale | A comprehensive review: Machine learning and its application in integrated power system | 2021 | 考查 | 选读 | |||||||||||
文献阅读考核方式：1.考核：将此文献作为课程考核或中期考核的考试范围； 2.考查：结合开题报告或学科综合考试进行； 3.报告：撰写读书报告； 4.其他：请注明。 | ||||||||||||||||
审核意见 | ||||||||||||||||
导师组意见 | 导师组组长： 年 月 日 | |||||||||||||||
学院（中心）意见 | 负责人（盖章）： 年 月 日 | |||||||||||||||
