. 培养目标


本专业按照“厚基础、宽口径、重交叉、强创新”的思路,培养具有高尚的道德情操、厚重的理学基础、良好的科技素养、宽阔的国际视野,掌握数学科学的基本理论、方法与技能,能够运用数学知识解决实际问题,能够适应数学与科技发展需求进行知识更新,能够在数学、应用数学以及人工智能、大数据、自动化、经济金融、生物医学等交叉领域深入发展,在科技、教育、信息、金融、行政管理部门从事研究、教学、应用开发和管理工作的数学研究专门人才和交叉复合型人才。


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 毕业生应具有的知识、能力、素质


  

  

  

  

  

  

  

  

  

  

  

  

  

  


1. 具有坚实的数学和自然科学基础、系统的专业知识,受到严格的科学思维训练,掌握数学与应用数学的基础理论和基本方法;

2. 具有主动学习、概括总结和获取信息的能力,具有较强的创新意识和创新实践能力以及良好的文字和口头表达能力;

3. 具备熟练使用计算机(包括常用语言、工具及数学软件)的基本技能,具有较强的算法设计、算法分析与编程能力,能运用所学的理论、方法和技能解决信息科学、数学科学以及工程领域中的某些实际数学问题;

4. 受到科学研究的初步训练,了解数学与应用数学理论、技术与应用的新发展,具有较强的知识更新、技术跟踪与创新能力,具有一定的科研能力;

5. 具有良好的思想道德素质、文化素质、心理素质和身体素质。

  










  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 主干学科与相近专业


主干学科:数学与应用数学

相近专业:信息与计算科学、统计学

  


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 主要课程


1. 通识教育基础课:思政类课程,军体类课程,外语类课程,计算机类课程,自然科学类课程和通识选修课程等。

2. 大类学科基础课:数学分析IIIIII(毓琇班)、高等代数与解析几何III(毓琇班)、常微分方程、概率论、复变函数、实变函数、数理统计

3. 专业主干课:近世代数、拓扑学、数值分析、离散数学、微分几何、数学物理方程、泛函分析

4. 专业方向及跨学科选修课:数据结构与算法、李群与李代数、随机过程、最优化方法、数据库原理、代数拓扑、时间序列分析、复杂网络与人工智能、图论与网络优化、运筹学、微分流形、深度学习基础等

  


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 主要实践环节


文化素质教育实践、大学生课外研学、社会实践、毕业设计


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 双语教学课程


算法设计与编程(研讨)


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 全英文教学课程


非线性系统(全英文)、机器学习(全英文)、偏微分方程(全英文、研讨)、金融数学(全英文)


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 系列研讨课程(含新生研讨课)


1. 研讨型选修课程:理科大讲堂(毓琇班)(新生研讨课)、预备性物理实验、力学认识实习、数学分析选读(研讨)、物理学史(研讨)、大学化学综合实验、计算机综合课程设计(理工)、高等几何选讲(研讨)、数学软件基础(研讨) 、理学主题研讨课程I、科学计算前沿选讲(研讨)、属性数据分析(研讨)、代数与编码理论介绍(研讨) R语言(研讨)、理学主题研讨课程II、调和分析(研讨)、稳定性理论与方法(研讨)Python语言(研讨)、科技论文写作基础(研讨)、大学数学能力提升课程、领导力素养

2. 研讨型+设计类课程:数学建模与数学实验(研讨)、现代数学选讲(研讨)

  


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 毕业学分要求及学士学位学分绩点要求


参照东南大学学分制管理办法及学士学位授予条例,修满本专业最低计划学分要求165,即可毕业。同时,外语达到东南大学外语学习标准、平均学分绩点≥2.0者,可获得理学学士学位。

  

备注:专业方向及跨学科选修课程、全英文教学课程按照基础数学、金融数学、智能控制三个方向进行设置。具体如下:

1. 基础数学方向相关课程:随机过程、微分流形、李群与李代数、代数拓扑、调和分析(研讨)、偏微分方程(全英文、研讨)等;

2. 金融数学方向相关课程:最优化方法、随机过程、时间序列分析、金融数学(全英文)等;

3. 智能控制方向相关课程:数据库原理、机器学习 (全英文)、复杂网络与人工智能、稳定性理论与方法(研讨)、深度学习基础、非线性系统(全英文)等。


  

  

  

  

  

  

  

  

  

  

  

  

  

  


. 各类课程学分与学时分配


课程类型

学分

学时

学分

比例


通识教育基础课程

67

1220

40.61%


专业相关课程

66

888

40.00%


976


集中实践环节(含课外实践)   &短学期课程

32

302

+ 课程周数:

26.5

19.39%


总计

165

2410,2498

+ 课程周数:

26.5

100%


  

  

  

  

  

  

  

  

  

  

  

  

  

  



Baidu
sogou