. 培养目标


本专业培养具有高尚的道德情操、坚实的理学基础、良好的算法设计素养、满足国家和社会重大需求的领军人才。专业秉承“厚基础、宽口径、重交叉、强创新”的理念,培养学生坚实的数学基础和严谨的数学思维能力,熟练的算法设计和数据分析能力。通过对学生进行系统的专业知识传授和科学研究训练,提升学生的科学计算能力,激发学生的创新意识,培养学生基于信息与计算科学基本理论解决应用问题的能力,特别是在人工智能、大数据、金融、计算机及工程等领域通过实际计算解决应用问题的能力。


  

  

  

  



. 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,掌握信息科学与计算科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,具有较强的数学建模能力、算法设计与优化能力、编程能力、程序调试和分析能力,能运用所学的理论、方法和技能解决信息科学、数学科学以及科学与工程计算领域中的某些实际数学问题;

4. 受到科学研究的初步训练,了解应用数学与计算科学的理论、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

相近专业:数学与应用数学、计算机科学与技术、金融数学

  


  

  

  

  



. 主要课程


1. 通识教育基础课:思政类,军体类,外语类,计算机类,大学物理和通识选修课等。

2. 大类学科基础课及专业主干课:数学分析、高等代数与解析几何、概率论、复变函数、常微分方程、数值分析、数值代数、微分方程引论、数据结构与算法、最优化方法、金融模型与计算、微分方程数值解、实变函数等。

  


  

  

  

  



. 主要实践环节


军训、计算机综合课程设计、数学软件基础(研讨)、课外研学、算法设计与编程(研讨)、毕业设计、社会实践等


  

  

  

  



. 双语教学课程


  


  

  

  

  



. 全英文教学课程


机器学习(全英文)、反问题计算方法(全英文)、非线性系统(全英文)、金融数学(全英文)


  

  

  

  



. 系列研讨课程(含新生研讨课)


理科大讲堂(毓琇班)(新生研讨课)、数学软件基础(研讨)、数学分析选读(研讨)、高等几何选讲(研讨)、数学建模与数学实验(研讨)、科学计算案例分析(研讨)、科学计算前沿选讲(研讨)、科技论文写作基础(研讨)等。


  

  

  

  



. 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科学计算/大数据、科学计算/优化、金融数学三个方向进行设置。具体如下:

1. 科学计算/大数据方向:建议选修反问题计算方法(全英文)、科学计算案例分析(研讨)、机器学习(全英文)、深度学习基础、数据库原理、图像处理、泛函分析;

2. 科学计算/优化方向:建议选修反问题计算方法(全英文)、机器学习(全英文)、深度学习基础、运筹学、图论与网络优化、非线性系统(全英文)、泛函分析;

3. 金融数学方向:建议选修机器学习(全英文)、深度学习基础、泛函分析、随机过程、时间序列分析、金融数学(全英文)(先修课程为泛函分析)、运筹学。

  


  

  

  

  



. 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

920

40.00%

976

集中实践环节(含课外实践)   &短学期课程

32

286

+ 课程周数:

26.5

19.39%

总计

165

2426,2482

+ 课程周数:

26.5

100%

  

  

  

  

  

  

  

  

  

  

  

  

  

  


  

  

  




Baidu
sogou