<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ASDS</journal-id><journal-title-group><journal-title>Applied Statistics and Data Science</journal-title></journal-title-group><issn>3066-8433</issn><eissn>3066-8441</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ASDS.11910</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>新工科背景下数据科学与大数据技术专业人才培养体系构建</title><url>https://artdesignp.com/journal/ASDS/1/2/10.61369/ASDS.11910</url><author>杨凯,孙明昱,王纯杰</author><pub-date pub-type="publication-year"><year>2025</year></pub-date><volume>1</volume><issue>2</issue><history><date date-type="pub"><published-time>2025-04-20</published-time></date></history><abstract>&amp;emsp; 本文主要在&amp;ldquo;新工科&amp;rdquo;背景下，对数据科学与大数据技术专业人才培养体系的构建进行探究，论述了在&amp;ldquo;新工科&amp;rdquo;背景下数据科学与大数据技术人才培养体系建设的意义，明确了&amp;ldquo;新工科&amp;rdquo;背景下该专业人才培养所面临的问题，并从精准的培养目标、精细的培养方案、精良的师资队伍、精尖的实践平台、精当的人才检验五个方面为立足点，提出了构建人才培养体系的对策。最后，主张从思想政策、组织人员以及实践教学三方面保障相关人才培养体系构建实施。</abstract><keywords>新工科；数据科学与大数据技术专业；人才培养体系</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1]杨建新．全力践行高等教育内涵式高质量发展 ［J］．群众，2023(07): 52-53.[2]朝乐门，邢春晓，张勇．数据科学研究的现状与趋势 ［J］．计算机科学，2018, 45(1): 13.[3]刘颖，王爱莲，张可心，等．数据科学与大数据技术专业建设思考与洞见 ［J］．科教文汇，2020.[4]郝旭光．论高水平大学课堂教学的&amp;ldquo;六度&amp;rdquo;&amp;mdash;&amp;mdash;以&amp;ldquo;组织行为学&amp;rdquo;为例 ［J］．山东工商学院学报，2023, 37(1): 39-48.[5]李琪飞，李寿图，张钊．新工科背景下产学研协同创新人才培养体系研究 ［J］．课程教育研究，2019(11): 2.[6]宋莹，王兴芬，张伟．新工科背景下多学科交叉融合的大数据人才培养新模式探索 ［J］．创新教育研究，2019, 7(5): 608-612.[7]Schutt R, O&amp;rsquo;Neil C. Doing data science: Straight talk from the frontline ［M］．O&amp;rsquo;Reilly Media, Inc., 2013: 7.[8]Baumer B. A data science course for undergraduates: Thinking with data ［J］．The American Statistician, 2015, 69(4): 334-342</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
