数据科学与大数据技术性，注重交叉科学特性，以大数据剖析为关键，以统计学、电子信息科学和数学课为三大基本支撑点性课程，塑造朝向多层面运用要求的专业人才。
大数据设立课程内容
数学分析、高等代数、普通物理数学课与信息科学总论、算法设计、数据科学概论、编程设计概论、编程设计实践活动、离散数学、概率与统计、算法分析与设计方案、数据信息计算智能、数据库管理总论、计算机软件基本、并行处理系统架构与程序编写、非结构型大数据剖析等。
大数据的学习培训阶段
第一阶段：大数据最前沿专业知识及hadoop新手入门，大数据序言专业知识的详细介绍，课程内容的详细介绍，Linux和unbuntu系统软件基本，hadoop的单机版和伪分布模式的安装配备。
第二阶段：hadoop部署升阶。Hadoop群集方式构建，hadoop分布式存储HDFS深层次分析。应用HDFS出示的api开展HDFS文档实际操作。Mapreduce定义及观念。
第三阶段：大数据导进与储存。mysql数据库基础专业知识，hive的基本上英语的语法。hive的构架及结构设计。hive部署安装与实例。sqoop安装及应用。sqoop部件导到hive。
第四阶段：Hbase基础理论与实战演练。Hbase介绍。安装与配备。hbase的数据储存。新项目实战演练。
第五阶段：Spaer配备及应用情景。scala基本上英语的语法。spark详细介绍及发展趋势历史时间，spark stant a lone方式部署。sparkRDD详细说明。
第六阶段：spark大数据剖析基本原理。spark核心，基本上界定，spark线程同步。sparkstreaming即时流量计算公式。sparkmllib深度学习。sparksql查询。
