通知公告
北京信息科技大学理学院应用统计辅修专业 2025年招生简章
一、专业简介
结合社会发展与行业变革趋势，应用统计学辅修专业瞄准大数据时代各领域的数据驱动决策需求，秉持 “夯实数理基础、深化领域应用、创新实践融合” 的理念，运用 “理论与实践协同共进、多领域知识交叉渗透” 的培养模式，依托我校信息学科优势、特色金融数据资源以及长期积累的信息、行业和军工特色底蕴，借助先进的信息数据平台与金融数据平台，打造针对不同学科背景学生的大数据统计特色课程体系。该体系紧密围绕经济、金融、信息等领域的数据处理流程，从模拟到分析、从预测到决策，全方位提升学生的数据应用能力。旨在满足数字化、智能化时代对具备扎实数学功底、精通统计方法、擅长数据挖掘与分析的复合型人才的急切需求，助力学生在数据科学、金融科技、信息管理等行业崭露头角。培养能够迅速投身于数据挖掘、市场分析、风险评估等实际工作，也能够凭借坚实的专业基础继续深造，在统计学、数据科学、金融工程等前沿领域攻读更高学位，开启职业生涯与学术研究的成功之路的人才。
二、培养目标
应用统计学辅修专业聚焦于大数据时代的数据科学与应用需求，设立一套系统且实用的统计学与大数据技术课程体系。让学生在扎实掌握本专业知识架构的同时，凭借精心设计的课程培养路径，深入领会应用统计学和大数据技术的核心要义，具备运用统计方法和大数据工具解决实际问题的专业素养，能够精准剖析在经济、金融、信息等领域所遭遇的数据难题，并有效运用所学知识提供解决方案。尤其针对数据密集型行业的具体业务场景，如金融风险评估、市场趋势预测、信息系统优化等，塑造 “数据洞察与决策驱动” 的专业优势。致力于培养既精通专业知识又熟练掌握大数据技能的复合型创新人才，使学生能够紧跟全球大数据技术的前沿动态，持续学习、不断进阶，以从容应对社会数字化进程和职业发展的多元挑战，在数据应用领域开拓创新，贡献价值。
三、培养要求
学生在学好主修专业的基础上，利用业余时间修读本辅修专业课程，应获得以下几方面的知识和能力：
1.数据获取能力：熟悉多种数据获取途径，擅长运用资料搜索、文献调研及现代信息技术挖掘目标数据。
2.问题解决与工具运用：面对复杂数据与实际问题，能迅速运用统计知识与工具进行精准分析解读，提供可行解决方案，具备从海量数据提取关键信息的能力，在多学科环境中独立思考、准确判断，为决策提供有力数据支持。熟练掌握 R、Python、SPSS、SAS、Eviews 等软件操作，具备数据处理、分析、建模能力及一定软件开发基础，可借助计算机与统计方法解决实际问题，实现数据到决策的转化。
3.团队协作与沟通拓展：在跨学科团队中，能发挥数据专业优势，无论是承担数据处理任务还是负责项目统筹，都具有团队合作与沟通协调能力。积极与不同专业人员协作，促进数据科学与其他领域融合，紧跟前沿动态，提升团队数据处理水平，实现团队与个人价值共同成长。
四、招生人数及条件
计划招生人数：校内30人。
符合下列条件的学生，可申请修读微专业：
（一）具有北京信息科技大学学籍的全日制在校本科生；
（二）思想品德好，必修课无不及格课程；
（三）学有余力，未修读其他微专业或辅修专业；
（四）先修课程为高等数学A、线性代数A、概率论与数理统计A，成绩优秀者优先。
五、学制及授课方式
Ø 秋季、春季学期两轮
本辅修专业独立开班，春季学期和秋季学期周五、六、日上课，以课表安排时间为准。
六、授课方式及收费
1.辅修专业学费按120元/学分收取，收费依据财务处有关规定执行。修读辅修专业的学生根据每学期选课结果缴纳相关课程学费。
2.报名修读辅修专业的学生须按时到财务处缴费。不按期缴纳费用的学生，开设学院将取消其修读辅修专业课程资格。
3.参加辅修专业学习的学生因个人原因中途退出，已修课程学分费用不予退还。
七、证书授予与学分认定
课程学分修满20学分的学生，由学校颁发应用统计辅修专业结课证书；辅修专业学生最低完成28个学分（包括毕业设计），各门课程成绩合格，毕业设计通过，授予辅修学士学位；未修满20学分或申请退出辅修专业的学生，其所获得的辅修专业修读学分及成绩经本人申请、学生所在学院审批，可认定为本人主修专业的选修课程学分及成绩。（注：辅修专业证书和认定其它课程学分只能选择其中一项）。
八、招生时间安排及报名方式
第一阶段 教务系统报名时段
2025年5月6日8:00至5月8日12:00。
第二阶段 开设学院审核、教务处审核时段
2025年5月8日12:00-5月9日17:00
2025年5日12日10:00起，学生可以登录教务系统查看录取结果。
第三阶段 选课和开课：
已录取学生关注校内选课通知。辅修专业将于2025年秋季学期组织开课，具体开课安排请以届时选课通知为准。
九、咨询方式
联系人： 杨洁，联系电话：13811752345
十、教务系统报名操作手册
https://jxgl.bistu.edu.cn/jxyj/zyjs/index.htm
十一、课程设置及学时分配表
课程模块 |
课程 编码 |
课程名称 |
总学分 |
总学时 |
理论学时 |
实践学时 |
开课时间 |
开课单位 |
备注 |
统计 |
STA202F |
回归分析 |
3 |
48 |
32 |
16 |
秋季学期 |
理学院 |
|
统计 |
STA301F |
多元统计分析 |
3 |
48 |
32 |
16 |
秋季学期 |
理学院 |
|
统计 |
STA306F |
抽样调查 |
3 |
32 |
24 |
8 |
秋季学期 |
理学院 |
|
数据科学 |
STA307F |
统计计算 |
2 |
48 |
32 |
16 |
春季学期 |
理学院 |
|
数据科学 |
STA303F |
数据挖掘（双语） |
2 |
32 |
24 |
8 |
春季学期 |
理学院 |
|
数据科学 |
ICS306F |
机器学习 |
2 |
32 |
24 |
8 |
春季学期 |
理学院 |
|
数据科学 |
CS212F |
数据结构（Python） |
3 |
48 |
32 |
16 |
秋季学期 |
理学院 |
|
统计 |
STA305F |
时间序列分析 |
2 |
32 |
24 |
8 |
春季学期 |
理学院 |
|
统计 |
STA499F |
毕业设计 |
8 |
16周 |
16周 |
春季学期 |
理学院 |
十二、微专业课程简介
【回归分析】
回归分析研究具有相关关系的变量间的统计规律性，是一门重要的专业基础课。通过本课程的学习，要求学生掌握用经典的线性回归分析建模的方法，掌握回归诊断和变量选择的方法。并进一步了解近代回归分析中关于岭回归、主成分回归等有偏估计方法，了解非线性回归的一般处理方法。
【多元统计分析】
多元统计分析（简称多元分析）是统计学专业的一门必修的专业基础课，是统计学中一个非常重要的分支。它是应用数理统计学来研究多变量问题的理论和方法，是一元统计学的推广和发展，在自然科学、管理科学、社会、经济等领域广泛应用。本课程主要介绍经典多元分析的基本理论和常用多元分析方法的原理及其应用，包括多元正态分布、均值向量和协方差阵的检验、聚类分析、判别分析、主成分分析、因子分析、对应分析、典型相关分析等常见的统计方法。其中聚类和判别主要用于“分类”；主成分分析和因子分析主要用于“降维”；典型相关分析主要用于研究变量间相关关系等。通过本课程的教学，使学生理解和掌握常用的多元分析方法的基本概念和基本原理，区分不同“分析”方法的适用范围，了解其应用背景，且能运用这些方法解决一些典型的实际问题。
【抽样调查】
抽样调查是统计学专业的专业基础课程，是一门理论性，实践性，应用性很强的课程，也是数理统计的一个重要分支。本课程主要介绍抽样及其抽样调查的基本概念以及几种基本的抽样方法：简单随机抽样，分层随机抽样，不等概率抽样，整群抽样，多阶段抽样，系统抽样等内容。学生通过本课程的学习，掌握抽样技术的基本概念、基本原理、特别是估计量的分布及其特征, 掌握各种分析方法的应用场合、条件、要点，熟知各种抽样估计的步骤和结果的含义，为今后在实际应用场合和具体情况下选择合适的抽样方法，制订抽样方案打下一定的基础。
【统计计算】
统计计算是一门基于现代化科学技术和计算机技术发展起来的交叉学科，它通过随机模拟、数值计算和算法设计等方法，将统计理论与计算机实现有机结合，是应用统计学专业的核心课程。本课程重点研究统计模型的数值实现方法。其核心内容包括：随机数生成理论与算法、参数估计的数值计算、假设检验数值计算、Bootstrap重抽样技术、EM算法等现代统计计算方法。通过将统计推导、数值计算、随机模拟和计算机程序实现有机结合，构建起从理论到实践的应用桥梁。本课程旨在培养学生运用蒙特卡洛方法、随机数生成技术以及统计数值计算等工具，解决信息技术、经济金融等领域实际问题的能力，使学生掌握从理论推导到计算机实现的技术。
【数据挖掘】
数据挖掘是应用统计学专业本科生的专业必修课。本课程是关于数据挖掘的入门课程。课程将介绍数据挖掘的基本概念、原理、方法、实现技术和应用。该课程侧重于：统计学习概述、线性回归、分类、重采样方法、线性模型选择和正则化、基于树的方法、支持向量机、深度学习、生存分析和删失数据、无监督学习和多重检验。该课程还将使用R或Python软件。学生将学习使用统计软件完成数据挖掘的基本步骤：问题理解、数据挖掘算法选择和应用、模型评估和可视化等。先修课程为概率论、数理统计和回归分析。
【机器学习】
机器学习的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能。目前被广泛采用的机器学习定义是“利用经验来改善计算机系统自身的性能”。由于“经验”在计算机系统中主要是以数据的形式存在的，因此机器学习需要运用机器学习技术对数据进行分析，这就使得它逐渐成为智能数据分析技术的创新源之一，并且为此而受到越来越多的关注。本课程为应用统计学专业课程，课程系统地讲解了机器学习的理论与方法。
【数据结构】
数据结构是计算机程序设计的重要理论技术基础，是应用统计专业的核心课程。第一章综述数据、数据结构和抽象数据类型等基本概念；第二至第七章从抽象数据类型的角度，分别讨论线性表、栈、队列、串、数组、广义表、树和二叉树以及图等基本类型数据结构及其应用；第八章至九章讨论查找和排序，介绍了各种实现方法，并从时间上进行定性或定量饿分析和比较。本课程的需要学生熟练掌握python的应用。
【时间序列分析】
时间序列分析是一门实用性极强的课程。是应用数学、应用统计学的专业主干课程之一，在经济学、经济管理等专业也是研究生课程之一。时间序列分析方法已广泛应用于工农业生产、科学技术和社会经济生活的诸多领域。先修课程概率论与数理统计。本课程与计量经济学关系密切，互为补充。本课程介绍时间序列分析的基本方法及有关检验与预测。通过该课程的学习，使学生掌握时间序列建模的方法与技巧，学会判断模型的适应性以及能够运用模型进行预测。
【毕业设计】
毕业设计是应用统计学专业教学进程中一个非常重要的实践性教学环节，是各专业人才培养方案中的必修课程，是学生毕业前对所学知识和能力的一次全面总结和综合训练与集中展示，也是学生从单纯学习到为社会服务的一个过渡阶段，是学生毕业及获取毕业资格的根本性依据。
理学院
2025年4月22日
