一、学科概况

“大数据”是指大小超出了典型数据库软件的采集、存储、管理和分析等能力的数据集。从数据的类别上看，“大数据”指的是无法使用传统流程或工具处理或分析的信息。它定义了那些超出正常处理范围和大小、迫使用户采用非传统处理方法的数据集。

大数据科学主要是作为一种新技术方法或一种提供知识服务的新工具，而不是把数据本身作为研究目标。作为一种新技术方法和工具，它与数据挖掘、预测分析、统计分析、人工智能等方法有着密切联系，但也有着不同于人工智能、统计学和信息科学的本质内涵。大数据的研究对于不同研究方向的多个源数据的融合和集成有着重要的技术支撑作用。

本学科师资队伍有教授6人，副教授8人，讲师6人，其中江西省高等学校中青年学科带头人3人，江西省高等学校中青年骨干教师1名，省高等学校教学名师2人，江西省“百千万人才”1人。先后承担了国家自然科学基金项目15项，省（部）级项目十多项，市级项目二十多项，在中文核心刊物上发表论文一百多篇，其中2篇论文被评为“最有影响力的百篇论文”。围绕3个研究方向，建设形成了3个学术研究组。

二、研究方向

考虑我院大数据学科的发展和我院其它学科的发展，在充分研究分析江西省内其它院校大数据科学研究领域的基础上，结合我院的现状与特色，形成了三个研究方向。

1、大数据计算理论

数据科学是关于数据的科学，大数据是数据科学中的一个热点研究问题，其理论研究是以数据为基础的方法论，这将为大数据技术及应用提供坚实的理论基础。本方向在复杂系统的优化理论与方法研究、非结构化和半结构化数据的表示方法、并行化机器学习与数据挖掘类算法、大数据预处理等领域开展研究工作，取得了阶段性研究成果，为陶瓷云服务平台、生物大数据处理等应用领域提供了理论支撑。近年来，在大数据计算理论相关研究领域承担了国家自然科学基金项目“演化计算原理及其动态多目标优化应用的几个关键问题研究”、国家重点实验室开放基金项目“热力学优化算法研究及应用”、教育部人文社科项目“陶瓷艺术定价因素与评价模型研究”、江西省自然科学基金项目“动力学群智能算法的产品云设计平台资源调度与优化模型研究”和“智能算法的生态传感器网络的覆盖优化研究”等省级以上基金项目，为大数据计算理论与技术的深入研究奠定了一定的前期理论基础。

2、云计算及应用

本方向依托江西省陶瓷企业信息化工程技术研究中心等学科平台，在云计算理论及其在陶瓷电子商务、陶瓷产品设计、陶瓷知识产权保护、陶瓷物质文化和非物质文化遗产保护等领域的应用开展研究，取得了一定的研究成果，形成了较完整的云计算研究和应用体系。近年来，在云计算及应用方面承担了“产品云设计服务平台研究与开发“、陶瓷集群区域信息化服务平台”、“支撑地方优势产业的制造业信息化综合集成应用示范”等国家级项目，“云服务支持下的陶瓷电子商务平台应用推广”、“陶瓷云科技服务集成平台应用示范”等省级项目，以及“产业集群区域资源聚合模型研究”等省基金项目，构建了可面向应用的云计算平台，形成了具有一定规模的行业数据池。

3、生物大数据处理

随着新一代基因组测序技术为代表的高通量生物实验技术的出现，生物实验数据的全面性、精确性和数据量达到了空前的程度，使得生命科学研究获得了强大的数据产出能力，包括基因组学、转录组学、蛋白质组学、代谢组学等生物学数据，这些数据具有数据量大、数据多样化、有价值、高速等特点从而产生了生物大数据。生物大数据的研究包括数据存储、大数据管理、大数据分析、大数据科学和大数据应用，是一个多学科共同参与的领域。

本学科在生物信息学研究领域进行了长期深入的研究，在蛋白质结构与功能预测方面取得了一定的研究成果，在国家自然科学基金项目“基于粗粒化元胞自动机的生物序列可视化分析与病毒动力学模型研究”、“基于元胞自动机图的蛋白质序列离散灰色模型及其在药物设计中的应用研究”、“基于多源信息融合的受体和抗菌肽分层多标签分类预测模型研究”、“集成学习框架下的蛋白质-蛋白质结合位点预测方法研究”和“对具有非平衡多标签特性的蛋白质功能类型分类预测研究”等课题的研究中，对生物数据处理开展了研究，构建了一系列高效的预测模型，具备了研究生物大数据处理的基础。

三、培养目标

培养适应我国社会主义建设需要，德、智、体、美全面发展的、具有创新精神、从事本学科领域较高层次的科学研究、教学和工程技术方面工作的高级科技人才。具体要求如下：

（1）形成系统的理论知识体系；

（2）具有一定的从事科学研究和解决实际问题的能力，具有较强对大数据进行获取和分析，以便挖掘出更多智能、非平凡、有价值的知识的能力；

（3）较熟练掌握一门外语，具备应用外语开展学术研究和学术交流的基本能力；

（4）遵守学术规范，恪守学术道德。

四、学制和学习年限

硕士研究生学制一般为3年，全日制硕士研究生最长学习年限原则上不超过4年，非全日制硕士研究生最长学习年限原则上不超过5年。鼓励优秀硕士研究生提前毕业，原则上学习年限不少于两年。研究生申请提前毕业和延期毕业，具体按学校有关规定执行。

五、培养方式

大数据科学学术型学位硕士研究生的培养采用课程学习、科研训练、学术交流相结合的方式，注重基础理论的学习、研究方法的训练和创新能力的培养。鼓励研究生入校即进入课题，课程学习与科学研究同步进行。通过课程学习和科研训练，系统掌握所在学科领域的理论知识，形成相应的分析问题和解决问题的能力。