数据科学与大数据技术080910T
(Data Science and Big Data Technology)
专业介绍
数据科学与大数据技术专业是国家面向科技、经济和社会发展的重大需求,明确提出的重大战略性新兴工科专业。天津工业大学自2019年开始招生,是天津工业大学重点建设的新工科专业之一。数据科学与大数据技术专业属于工学门类下的计算机类的特色专业,专业代码080910T,学制4年,授予工学学士学位。本专业面向国家重大战略需求和数据科学领域的发展前沿制定人才培养方案,人才培养已见成效;建有覆盖数据科学全生命周期的课程培养体系和项目实践平台。鼓励学生学以致用、解决社会经济发展中的实际问题,培养学生的工程实践的能力,体现应用驱动创新的办学理念。
培养目标
本专业面向国家科技、经济和社会发展的重大需求,着力培养胸怀经纬、具有良好科学素养和高度社会责任感、具备创新能力和数据思维的高素质创新型人才。培养学生掌握数据科学全生命周期的基础理论和工具;具备大数据分析系统的使用、设计和开发能力;具备从事创造性科学研究、领域应用解决方案构建的能力。毕业生能够在数据科学领域及大数据应用行业从事数据科学研究、大数据应用系统研发、技术管理等工作,并具有继续深造学习和持续发展能力。
本专业毕业生毕业五年左右应达到以下目标:
培养目标1:具有良好的科学素养和社会责任感,能够在工作中自觉践行可持续发展观。
培养目标2:掌握数据系统和大数据应用的设计、实现、运维的基本理论、知识和技能,能对数据科学与大数据技术领域的复杂工程问题进行系统设计和研发,能运用现代工具完成工程项目的实施。
培养目标3:具备国际视野、创新精神和团队合作精神,能够与国内外同行、专业客户和公众有效沟通,具有良好的团队领导、组织和协调能力。
培养目标4:具备终身学习和适应职业发展的能力,能够融合国际先进理念和技术,解决数据科学领域的复杂工程问题。
毕业要求
1.工程知识:具备扎实的数学知识,系统掌握数据科学与大数据领域的工程基础和专业知识,能够将各类知识用于解决数据科学与大数据领域复杂工程问题。
1.1能够运用数学、自然科学、工程基础和专业知识解决复杂工程问题。
1.2能够针对数据科学和大数据技术领域的复杂工程问题,运用数学、自然科学、工程理论和方法建立数学模型并进行求解。
1.3能够从数学、自然科学、工程基础和数据科学的专业知识的角度对复杂工程问题进行推演和分析,并尝试改进。
2. 问题分析:能够应用数学、自然科学和工程科学的基本原理,识别、表达,并通过文献研究、分析数据科学与大数据的复杂工程问题,以获得有效结论。
2.1能够识别、判断和表达数据科学和大数据领域中复杂工程问题的关键技术和基本原理。
2.2能够通过分析文献对数据科学和大数据领域中的复杂工程问题提出有效的解决方案。
2.3能够运用基本原理,分析和证实解决方案的合理性。
3. 设计、开发解决方案:能够综合运用理论和技术手段,设计针对数据科学与大数据领域复杂工程问题的解决方案,设计满足特定需求的数据系统、模块或算法流程,并能够在设计环节中体现创新意识,考虑社会、健康、安全、法律、文化以及环境等因素。
3.1能够针对专业领域的复杂工程问题的特定需求,设计和开发解决方案。
3.2 能够在考虑社会、健康、安全、法律、文化以及环境等因素的前提下,识别完成设计任务面临的各种制约条件,并对设计方案的可行性进行论证分析。
3.3 能够完成设计的全过程,体现创新意识,并呈现设计成果。
4. 研究:能够基于科学原理并采用数据科学与大数据的方法对复杂的数据系统工程进行研究,包括设计实验、分析与解释数据、并通过信息综合得到合理有效的结论。
4.1 具备对复杂数据系统的工程问题进行深入研究的能力,能够针对特定的工程问题,设计并撰写可行的实验方案。
4.2 能够依据方案运用相应原理采用科学方法开展实验。
4.3 能对实验结果进行分析、解释,并通过信息综合得到合理有效的结论。
5. 使用现代工具:能够针对数据科学与大数据领域复杂工程问题,开发、选择与使用恰当的技术、软硬件及系统资源、现代工程研发工具和信息检索工具,包括对复杂工程问题的预测与模拟,并能够理解其局限性。
5.1 能够跟踪数据科学和大数据领域的前沿技术,并能在工程开发中选择和使用新技术。
5.2 掌握数据科学和大数据的重要资料来源及获取方法,包括网络搜索工具使用方法和在工程实际中获取相关信息的基本方法。
5.3 能够将计算机以及信息系统技术应用于数据科学和大数据领域中复杂工程问题的设计、模拟,并理解其局限性。
6. 工程与社会:能够基于数据科学与大数据领域相关背景知识进行合理分析,评价数据科学与大数据技术领域的专业工程实践和复杂工程问题的解决方案对社会、健康、安全、法律以及文化的影响,并理解应承担的责任。
6.1 能够理解数据科学和大数据从业者的实践活动对社会带来的影响和应承担的责任。
6.2能够评价具体的工程实践活动对社会、健康、安全、法律以及文化方面的积极影响和消极影响。
7. 环境和可持续发展:能够理解和评价针对数据科学与大数据领域复杂工程问题的专业工程实践对环境、社会可持续发展的影响。
7.1 能够理解和评价数据科学和大数据领域的行业实践对环境的影响。
7.2 能够评价数据科学和大数据领域的实践活动对社会可持续发展的作用。
7.3 能够理解数据科学和大数据领域技术手段在工程实践中的作用及其局限性,建立正确的工程观。
8. 职业规范:具有人文社会科学素养、社会责任感,能够在工程实践中理解并遵守工程职业道德和规范,履行责任。
8.1 尊重、关爱他人,主张正义、诚信守则、具有人文知识、思辨能力、处事能力和科学精神。
8.2 深刻理解社会主义核心价值观,积极维护国家利益,具有推动民族复兴和社会进步的责任感。
8.3在工程实践中能自觉遵守职业道德和规范,具有法律意识。
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。
9.1 能主动与其他学科的成员合作开展工作。
9.2 能胜任团队成员的角色和责任。
9.3 能作为负责人组织团队成员开展工作。
10. 沟通:能够就复杂工程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。
10.1 能够运用专业知识与业界同行及不同专业背景、知识体系的社会公众有效沟通和交流计算机工程领域中的复杂工程问题。
10.2 能够有效进行口头或书面报告,能够采用多种形式与团队其它成员进行有效沟通,并听取反馈和建议,做出合理反应。
10.3 了解数据科学和大数据领域的国际前沿,至少掌握一门外语及基本的专业词汇,能够应用外语进行沟通和交流。
11. 项目管理:理解并掌握管理原理与经济决策方法,熟悉大数据工程项目管理的基本方法和技术,并能在多学科环境中应用。
11.1 理解并掌握数据科学与工程活动中所涉及的重要经济与管理因素。
11.2 理解工程项目的时间及成本管理、质量及风险管理、人力资源管理以及安全管理等,并在多学科环境中应用。
12.终身学习:具有自主学习和终身学习的意识,有不断学习和适应数据科学与大数据技术快速发展的能力。
12.1 能够认识不断探索和学习的必要性,具有自主学习和终身学习的意识。
12.2 具备终身学习的知识基础,掌握自主学习的方法,了解拓展知识和能力的途径。
12.3 能针对个人或职业发展的需求,采用合适的方法,自主学习,适应发展。
毕业要求对培养目标的支撑
本专业毕业要求对培养目标的支撑关系,用图1所示的矩阵图进行说明。
毕业 要求 | 培养目标 | |||
培养目标1: 遵纪守法,身心健康,具有家国情怀和担当精神,能够在工作中自觉践行可持续发展观。 | 培养目标2: 掌握数据科学和大数据的基本理论、知识和技能,能对数据科学领域的复杂工程问题进行系统设计和研发,能运用现代工具完成工程项目的实施。 | 培养目标3: 具备国际视野、创新精神和团队合作精神,能够与国内外同行、专业客户和公众有效沟通,具有良好的团队领导、组织和协调能力。 | 培养目标4: 具备终身学习和适应职业发展的能力,能够融合国际先进理念和技术,解决数据科学领域的复杂工程问题。 | |
要求1 | √ | |||
要求2 | √ | √ | ||
要求3 | √ | |||
要求4 | √ | √ | ||
要求5 | √ | |||
要求6 | √ | √ | ||
要求7 | √ | √ | ||
要求8 | √ | √ | ||
要求9 | √ | √ | ||
要求10 | √ | √ | ||
要求11 | √ | √ | ||
要求12 | √ |
图1 毕业要求对培养目标的支撑关系
主干学科
计算机科学与技术
核心知识领域
程序设计、数据结构、计算机组成、操作系统、计算机网络、数据库系统、机器学习、数据算法、大数据分析、分布式计算。
专业核心课程
数据科学导论(32学时),数据科学数学基础(48学时),数据科学算法基础(48学时),当代数据管理系统(48学时),云计算与分布式系统(48学时),大数据分析技术基础(48学时),数据结构(48学时),操作系统(48学时),计算机网络(48学时),数据库原理及应用(48学时),数据挖掘(48学时),机器学习(48学时)
主要实践性教学环节
针对学生学习所处的不同阶段安排了课程实习(课程设计)、专业实习(生产实习)、毕业实习、毕业论文(毕业设计),通过分散进行和集中实践等方式来完成涉及的专业实践内容。
主要专业实验
程序设计、数据结构、操作系统、数据库系统原理、计算机网络、机器学习、数据挖掘、大数据分析技术、数据科学算法、算法设计与分析、云计算与分布式系统
修业年限
四年
授予学位
工学学士
课程逻辑图
课程体系对毕业要求的支撑关系
课程体系对毕业要求的支撑关系,可用矩阵图(附件三)进行说明。
数据科学与大数据技术 专业教学计划
一、学历表
学年 | 第一学期 | 寒假 | 第二学期 | 暑假 | ||||||||||||||||||||||||||||||||||||||
1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 11 | 12 | 13 | 14 | 15 | 16 | 17 | 18 | 19 | 20 | |||
1 | △ | △☆ | ☆ | ☆ | ? | 14 | ∶ | 5周 | 16 | ∥ | ∥ | ∨ | ∶ | 7周 | ||||||||||||||||||||||||||||
2 | ? | 16 | ∥ | ∥ | ∶ | 5周 | 16 | ∥ | ∥ | ∨ | ∶ | 7周 | ||||||||||||||||||||||||||||||
3 | ? | 16 | ∥ | ∥ | ∶ | 5周 | 16 | ∥ | ∥ | ∨ | ∶ | 7周 | ||||||||||||||||||||||||||||||
4 | ∥ | ∥ | ∥ | ? | 13 | ∥ | ∥ | ∶ | 5周 | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | ○ | △ |
△入学、毕业教育;□理论教学;∥实习或其他实践;∨机动;∶考试;○毕业设计(论文);☆军事技能;?“十.一”
二、各必修、限选课程学时、学分分配统计表
项目 类型 | 学分 | 总学时 | 学时分配 | 各学期周学分分配 | 开课 门数 | |||||||||
理论 | 实验 | 设计 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | ||||
通识必修课A | 64 | 1155 | 1089 | 30 | 36 | 16.75 | 24.25 | 12.25 | 6.25 | 0.25 | 3.75 | 0.25 | 0.25 | 24 |
学科基础课B | 20 | 320 | 268 | 12 | 40 | 3 | 0 | 9 | 8 | 0 | 0 | 0 | 0 | 7 |
专业基础课C | 15 | 240 | 210 | 8 | 22 | 1 | 2 | 1 | 0 | 6 | 3 | 2 | 0 | 7 |
专业方向课Z | 19 | 304 | 214 | 64 | 26 | 0 | 3 | 2 | 3 | 6 | 5 | 0 | 0 | 7 |
A+B+C+Z | 118 | 2019 | 1781 | 114 | 126 | 20.75 | 29.25 | 24.25 | 17.25 | 12.25 | 11.75 | 2.25 | 0.25 | 45 |
注:1、此表不包含专业选修课和通识选修课;
2、如专业不分方向,表中“专业方向课”改为“专业课Z”;"A+B+C+Z1"改为“A+B+C+Z”,并删除Z2行。
三、专业实习、课程设计或其它实践
课号 | 名称 | 学期 | 周数 | 学分 | 备注 |
14500012 | 军事技能 | 1 | 3 | 2 | 集中实践 |
11629211 | 科学计算实践 | 2 | 1 | 1 | 第17周 |
11629201 | 基础开发劳动教育实习 | 2 | 1 | 1 | 第18周(2学时理论) |
11614201 | 高级语言编程实践 | 2 | 8 | 1 | 分散实习(1-8周,32学时,周学时4) |
11629302 | Web开发实习 | 3 | 2 | 2 | 分散实习(9-16周,48学时,周学时6) |
11620421 | 数据库课程设计 | 3 | 1 | 1 | 第18周 |
11691311 | 数据结构课程设计 | 3 | 1 | 1 | 第19周 |
11629402 | Linux系统开发 | 4 | 2 | 2 | 第17-18周 |
11629452 | 数据采集与处理 |
| 2 | 2 | 分散实习(1-15周,48学时,周学时6) |
11629502 | 分布式系统实践C | 5 | 2 | 2 | 第18-19周 |
11629532 | 数据可视化 | 5 | 2 | 2 | 分散实习(9-16周,48学时,周学时6) |
11629512 | 数据科学算法实践 | 5 | 2 | 2 | 分散实习(9-16周,48学时,周学时6) |
11629501 | 算法设计实践 | 6 | 1 | 1 | 分散实习(9-16周,24学时,周学时3) |
11629602 | 大数据应用开发实习P | 6 | 2 | 2 | 第17-18周 |
11620703 | 专业方向实习 | 7 | 3 | 3 | 第1~3周 |
11690802 | 毕业实习 | 7 | 2 | 2 | 第18-19周 |
11610808 | 毕业设计 | 8 | 15 | 8 | 第1-15周 |
合 计 | 35 |
四、学生应修各类课程学分统计表
类型 学分 | 通识 必修课 (A) | 学科 基础课(B) | 专业 基础课 (C) | 专业课 (Z) | 独立实践 环节 (D) | 专业 选修课(E) | 通识 选修课(F) | 合计 (A+B+C+D+E+F+Z) |
学分数 | 64 | 20 | 15 | 19 | 35 | 10 | 10 | 173 |
注:如专业不分方向,表中“专业方向课”改为“专业课(Z)”,并删除Z2行。
五、时间分配(以周计)
学年 | I | II | III | IV | 总计 |
入学、毕业教育、军事技能 | 4 | 1 | 5 | ||
理论教学 | 30 | 32 | 32 | 13 | 107 |
考试 | 2 | 2 | 2 | 1 | 7 |
实践环节 | 2 | 4 | 4 | 5 | 15 |
毕业设计(论文) | 15 | 15 | |||
机动 | 2 | 2 | 2 | 1 | 7 |
假期 | 12 | 12 | 12 | 5 | 41 |
合 计 | 52 | 52 | 52 | 41 | 197 |
六、指导性教学计划
课程类别 | 课程性质 | 课程 编号 | 课 程 名 称 | 学 分 数 | 总 学 时 | 学时分配 | 含 实践学分 | 按学期分配学分数 | 集中考试 标记 | ||||||||
理论 | 实践 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | ||||||||
通 识 课 程 (A) | 思想政治理论课 必修 | 11711123 | 中国近现代史纲要 | 3 | 45 | 39 | 6 | 0.4 | 3 | ||||||||
11711113 | 思想道德与法治 | 3 | 45 | 39 | 6 | 0.4 | 3 | ||||||||||
11711143 | 毛泽东思想和中国特色社会主义理论体系概论 | 3 | 45 | 39 | 6 | 0.4 | 3 | ||||||||||
11711133 | 马克思主义基本原理 | 3 | 45 | 39 | 6 | 0.4 | 3 | ||||||||||
11711153 | 习近平新时代中国特色社会主义思想概论 | 3 | 45 | 39 | 6 | 0.4 | 3 | ||||||||||
11711062A1~A8 | 形势与政策A1~A8 | 2 | 64 | 64 | 0 | 0 | 0.25 | 0.25 | 0.25 | 0.25 | 0.25 | 0.25 | 0.25 | 0.25 | |||
小 计 | 17 | 289 | 259 | 30 | 2 | 3.25 | 3.25 | 3.25 | 3.25 | 0.25 | 3.25 | 0.25 | 0.25 | ||||
选择性必修课 | 11711052 | 中共党史 | 2 | 30 | 30 | 2 | |||||||||||
必修 | 课程 编号 | 课 程 名 称 | 学 分 数 | 总 学 时 | 学时分配 | 按学期分配学分数 | 集中考试 标记 | ||||||||||
理论 | 实验 | 设计 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | |||||||
10811016 | 高等数学(理一1) | 6 | 90 | 90 | 6 | J | |||||||||||
10811026 | 高等数学(理一2) | 6 | 90 | 90 | 6 | J | |||||||||||
10811173 | 线性代数 | 3 | 45 | 45 | 3 | J | |||||||||||
10811093 | 概率论与数理统计 | 3 | 45 | 45 | 3 | J | |||||||||||
13713413 | 大学物理(理三1IT类) | 3 | 45 | 45 | 3 | ||||||||||||
13713423 | 大学物理(理三2IT类) | 3 | 45 | 45 | 3 | ||||||||||||
10721813 | 大学英语一级(A) | 3 | 54 | 36 | 18 | 3 | J | ||||||||||
10721823 | 大学英语二级(A) | 3 | 54 | 36 | 18 | 3 | J | ||||||||||
10720822 | 大学英语三级(A) | 2 | 36 | 36 | 2 | J | |||||||||||
10720832 | 大学英语四级(A) | 2 | 36 | 36 | 2 | J | |||||||||||
12200011~0041 | 体育 | 4 | 144 | 144 | 1 | 1 | 1 | 1 | |||||||||
18100011 | 健康教育 | 1 | 30 | 30 | 1 | ||||||||||||
14500032 | 大学生心理健康与人生发展 | 2 | 32 | 32 | 2 | ||||||||||||
14500022 | 军事理论 | 2 | 36 | 36 | 2 | ||||||||||||
14510001 | 国家安全教育 | 1 | 16 | 16 | 1 | ||||||||||||
11900031 | 就业指导 | 0.5 | 20 | 20 | 0.5 | ||||||||||||
11900041 | 职业生涯规划 | 0.5 | 18 | 18 | 0.5 | ||||||||||||
小 计 | 45 | 836 | 800 | 36 | 13.5 | 19 | 9 | 3 | 0 | 0.5 | 0 | 0 | |||||
合 计 | 64 | 1155 | 1089 | 30 | 38 | 16.75 | 22.25 | 12.25 | 6.25 | 0.25 | 3.75 | 0.25 | 0.25 | ||||
任选 | 要求 | 10 | 2~7学期完成至少5个子模块 (必须含公共艺术2学分) | ||||||||||||||
学 科 基 础 课 (B) | 必修 | 课程 编号 | 课 程 名 称 | 学 分 数 | 总 学 时 | 学时分配 | 按学期分配学分数 | 集中考试 标记 | |||||||||
理论 | 实验 | 设计 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | |||||||
11610123 | 高级语言程序设计 | 3 | 48 | 32 | 16 | 3 | J | ||||||||||
11614203 | 离散数学 | 3 | 48 | 48 | 3 | J | |||||||||||
11611303 | 数据结构 | 3 | 48 | 48 | 0 | 3 | J | ||||||||||
11614503 | 操作系统 | 3 | 48 | 40 | 8 | 3 | J | ||||||||||
11629462 | 数据科学数学基础K | 2 | 32 | 32 | 0 | 2 | J | ||||||||||
11614513 | 计算机网络 | 3 | 48 | 36 | 12 | 3 | J | ||||||||||
11610503 | 数据库系统原理及应用 | 3 | 48 | 32 | 16 | 3 | |||||||||||
小 计 | 20 | 320 | 268 | 12 | 40 | 3 | 0 | 9 | 8 | 0 | 0 | 0 | 0 | ||||
专 业 基 础 课 (C) | 必修 | 11629301 | 习近平总书记关于科技创新的重要论述(计算机) | 1 | 16 | 16 | 1 | ||||||||||
116290101 | 专业概论与学业规划指导 | 1 | 16 | 12 | 4 | 1 | |||||||||||
11629523 | 计算机组成原理 | 3 | 48 | 44 | 4 | 3 | J | ||||||||||
11674403 | 算法设计与分析* | 3 | 48 | 42 | 6 | 3 | J | ||||||||||
11629503 | 云计算与分布式系统 | 3 | 48 | 32 | 16 | 3 | |||||||||||
11629202 | 数据科学导论 | 2 | 32 | 32 | 2 | ||||||||||||
11614512 | 软件工程 | 2 | 32 | 32 | 2 | ||||||||||||
小 计 | 15 | 240 | 210 | 8 | 22 | 1 | 2 | 1 | 0 | 6 | 3 | 2 | 0 | ||||
专 业 课 (Z) | 必修 | 课程 编号 | 课 程 名 称 | 学 分 数 | 总 学 时 | 学时分配 | 按学期分配学分数 | 集中考试 标记 | |||||||||
理论 | 实验 | 设计 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | |||||||
11629513 | 数据科学算法基础 | 3 | 48 | 32 | 16 | 3 | |||||||||||
11672503 | 机器学习 | 3 | 48 | 40 | 8 | 3 | |||||||||||
11629332 | Java应用开发 | 2 | 32 | 22 | 10 | 2 | |||||||||||
11674303 | Python语言程序设计 | 3 | 48 | 32 | 16 | 3 | |||||||||||
11629533 | 当代数据管理系统 | 3 | 48 | 32 | 16 | 2 | |||||||||||
11629423 | 数据挖掘 | 3 | 48 | 32 | 16 | 3 | |||||||||||
11629652 | 大数据分析技术基础C | 2 | 32 | 24 | 8 | 2 | |||||||||||
小 计 | 19 | 304 | 214 | 64 | 26 | 0 | 3 | 2 | 3 | 5 | 5 | ||||||
专 业 选 修 课 (E) | 任选 | 11629612 | 数据科学前沿技术 | 2 | 32 | 22 | 10 | 2 | |||||||||
11674402 | 数字图像处理 | 2 | 32 | 22 | 10 | 2 | |||||||||||
11629312 | 数据分析实践 | 2 | 32 | 16 | 16 | 2 | |||||||||||
11610502 | 物联网技术导论 | 2 | 32 | 24 | 8 | 2 | |||||||||||
11629642 | 自然语言处理 | 2 | 32 | 24 | 8 | 2 | |||||||||||
11674202 | 人工智能导论 | 2 | 32 | 28 | 4 | 2 | |||||||||||
11629702 | 数据安全 | 2 | 32 | 28 | 4 | 2 | |||||||||||
11629422 | 数学建模 | 2 | 32 | 32 | 2 | ||||||||||||
11629442 | 编译原理 | 2 | 32 | 28 | 4 | 2 | |||||||||||
11629632 | 深度学习实践 | 2 | 32 | 22 | 10 | 2 | |||||||||||
11690562 | 矩阵分析 | 2 | 32 | 32 | 2 | ||||||||||||
小 计 | 22 | 352 | 278 | 44 | 30 | 0 | 2 | 2 | 4 | 4 | 6 | 4 |
注:1、表中“课程名称”后加“*”为双语教学课程,加“**”课程为全英文教学课程;加“C”课程为创新创业教育融合课程;加“K”课程为学科交叉课程;加“P”课程为项目式课程。
2、表中“专业方向课”一栏,按实际专业方向数填写,多于2个方向的,请自行增加表格;
3、 如专业不分方向,表中“专业方向课”改为“专业课”,课程性质由“限选”改为“必修”。
校对: 专业负责人
或教学办主任
教学院长签字:教务处长签字:教学校长签字:
·