应用统计学

时间:2022-06-14 16:03 来源:南理工 浏览数:8610

一、专业介绍

为满足社会对应用统计学人才的旺盛需求,南京理工大学应用统计学专业于2012年成立。建设十年来,本专业得到了长足发展,现拥有一级学科统计学硕士学位授予权,2021年入选江苏省一流本科专业建设点。

本专业以培养高素质、复合型统计应用人才为目标,注重统计理论与方法的研究,并应用于信息技术、经济金融、国防等领域,形成了数理统计学、机器学习与模式识别、金融统计学等几个特色鲜明的专业方向。本专业强调理论与实践相结合,培养学生具备扎实的统计学理论基础,同时强化应用和能力训练,尤其重视统计学方法的运用与统计软件的操作,并与金融、信息产业企业合作互通,在实践中提升学生的专业素养,激发学生的创新精神,形成了鲜明的办学特色。

本专业毕业生就业和升学前景广阔。学生可以在政府统计部门、经济管理部门、银行、证券、保险、互联网等部门或公司从事数据的管理、分析、处理等相关工作,或者在科研、教育部门从事研究和教学工作;学生既可以选择本专业继续攻读更高学位,也可以与其它专业结合,从事交叉学科的研究,如经济学、金融学、计算机科学等。

二、培养目标

本专业培养适应新时期社会主义建设需要,掌握统计学基本理论和方法,具有扎实的数学、经济学和信息科学理论基础,擅于运用统计方法和统计软件分析解决金融与经济、大数据、社会等方面的实际应用问题,能够在政府统计部门、经济管理部门、金融机构、信息咨询公司、大型企业部门等社会各个领域从事统计调查、统计信息管理和分析、数据挖掘等相关工作,或在科研、教育部门从事研究和教学工作的高级专门人才。

三、毕业生能力和学分要求

1.毕业生能力要求

本专业学生应掌握统计学、金融学、数据科学和其他相关的基础理论和专业知识,接受统计分析实用型和通用型人才的基本训练,具备熟练运用主流统计软件操作,在政府统计部门、经济管理部门、金融机构、信息咨询公司、大型企业部门从事统计调查、统计信息管理和分析、数据挖掘、统计理论研究的能力。

毕业生应获得以下知识与能力:

要求1.专业知识:具有扎实的统计学和数学基础,掌握面向金融统计、大数据统计的经济理论、金融学基础、数据科学的基本理论和基本知识。

要求2.问题分析:能够运用所学习的统计数据处理与统计方法,解决金融与经济、大数据、社会等方面的实际应用问题。

要求3.设计/开发解决方案:能熟练使用计算机(包括常用语言、工具及一些统计软件),具有针对特定问题设计算法并利用软件进行编程实现和比较分析的能力。

要求4.研究:能够基于统计数据处理方法,对金融与经济、大数据等方面的实际应用问题进行研究,包括数据挖掘、数据分析等,并得到有效的结论。

要求5.使用现代工具:对金融统计、大数据统计的科学前沿及发展趋势有所了解,具有熟练选择和使用主流统计软件的能力(例如Matlab、R、SPSS、SAS、Python等计算机语言进行程序设计的能力)。

要求6.工程与社会:能够基于相关背景知识,进行合理地分析和评价统计数据处理、统计推断与决策对金融与经济、大数据、社会等方面的实际影响,并理解应承担的责任。

要求7.环境与可持续发展:能够理解和评价金融统计、大数据统计对环境、社会可持续发展的影响

要求8.职业规范:具有人文社会科学素养、社会责任感;能够在工作中理解并遵守职业道德和规范,履行责任

要求9.个人和团队:能够在多学科背景下的团队中承担个体、团队成员以及负责人的角色

要求10.沟通:能够就一些复杂问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达或回应指令,并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。

要求11.项目管理:理解并掌握项目管理原理与统计决策方法,并能在多学科环境中应用。

要求12.终身学习:建立统计思维方式和统计素养,具有自主学习和终身学习的意识,有不断学习和适应发展的能力。

2.毕业学分要求

课程模块

课程性质

学分

通识教育

必修

52

选修

10

学科教育

必修

30

专业教育

必修

67

选修

10(其中交叉融合课程4学分)

毕业总学分

169

3.个性发展学分

课程模块

课程类别

开设学分

建议修读学分

备注

进阶课程

通识进阶

2

2 

不列入毕业学分,建议学有余力的学生修读

学科进阶

9

3

专业进阶

7

2

素质发展

不列入具体学分,具体见《南京理工大学素质发展学分与第二成绩单管理规定》

四、学制与学位

标准学制:四年

修业年限:三至六年

授予学位:理学学士

五、主干学科与交叉学科

依托的主干学科:统计学

依托的交叉学科:数学、计算机科学与技术、经济学、金融学

六、专业核心课程

概率论、数理统计、多元统计分析、时间序列分析、随机过程引论、抽样调查、试验设计、应用线性回归、机器学习与数据挖掘、统计计算与软件

七、主要集中实践环节

C++课程设计、数学应用软件设计、认识实习、应用统计学课程设计、工程技术实习、科研训练、毕业实习、毕业设计(论文)