伴随着科技的飞速发展🗼，数据量成指数级增长，大数据技术与工程专业应运而生。本专业是合理而科学地处理海量数据⌚️，从而提高人们的工作效率🌼，进而产出更多商业价值。大数据技术与工程属于跨学科专业🙎🏼♀️，它结合计算机科学、数学、统计学和数据从属行业知识，综合培养学生在快速发展的信息技术领域从容应对复杂数据的能力🪶🏫、以及数据相关的技术研发，如磁记录、光信息存储、量子信息传输等🚵🏻♂️。
大数据技术与工程是我校重点发展的学科之一🧑🏿🦰，学科根据能源互联网的发展需求并结合我校的电力特色🧓🏼，聚焦“电力能源”🧿⌛️、“商业互联网”等行业对数据科学人才的需求特点🖐🏿，依托本校智慧电网、校企联合🏌🏻♂️，培养适合国家信息发展战略的高层次🦹🏻♀️、工程型🌦🦻🏼、复合型数据科学与技术人才。
学科拥有一支以中青年教师为骨干、学术思想活跃的教师队伍👇🏿♾，已经积累了丰厚的研究基础，具有较为合理的学术梯队和良好的科研发展态势🎆。近年来🙇🏼♀️，承担了国家自然科学基金💃🏿、上海市科委基金💑👨🏿🏫、企业横向项目等科研项目40余项🌔🦢，先后在Nonlinear Dynamics、Acta Mater.、Nonlinear Anal-Real🪛、J Comput Phys、Appl. Phys. Lett.、Mathmatics Letters、Comput Optim Appl🦶🏼、J Stat Phys、Phys A、Comput Math App🦨👱♀️、Adv Math Phys🤽🏽♀️、J. Appl. Phys.等国际知名SCI期刊发表研究论文。
一🏪、主要研究方向
1．数据科学基础理论
研究数据相似性理论、数据测度和数据代数和探索数据科学的研究方法。以数据为研究目标，揭示数据的一般规律，为大数据研究和应用奠定基础。
2．大数据统计分析
风资源🏄🏻♂️👛、经济、金融🥣、城市等领域的大数据统计分析，对数据进行统计、挖掘和分析👎🏽，为相关决策提供指导9️⃣。
3．数据挖掘与决策支持
与互联网营销行业⏫、智能电网的企业合作，针对真实的商业案例平台👩🏼🔬，研究统计决策和优化等方法🕵🏼♂️，将算法和决策模型理论落地。
二、培养方式
1．实行导师（组）负责制，导师组应由校内具有较高学术水平和丰富指导经验的教师➔，以及来自企业具有丰富工程实践经验的专家组成。
2．专业学位研究生的培养主要采取课程学习、专业实践和学位论文相结合的培养方式，三者同等重要。其中理论课程学习不超过1年，学位论文工作时间不少于1年，实践教学环节贯穿于整个培养过程🧑🏽🏫。
3．本专业由高校教授和企业资深工程师、项目经理、部门主管等倾情授课，让学生不仅能够学习基础知识🍤，更能了解企业现实工作需求🍭。
4、依托行（企）业力量，加大校企合作力度，按照“优势互补、资源共享🚴🤟🏽、互利共赢✌🏼、协同创新”的原则，通过基地共建👳🏻、人员互通、项目合作等，在培养方案制定、课程体系设置、课程教学设计、专业实践训练⚜️、论文写作指导等方面，构建人才培养🐞、社会服务等多元一体的合作培养模式。
三🧏🏽、主要课程
计算方法🦹♂️、最优化方法、神经网络与深度学习🧜🏻♂️、人工智能的模型与算法、正则化理论与机器学习、应用统计分析与R语言、图论及其应用🤞🏼🥨、数据科学导论♡、数据分析、大数据技术原理与应用、Web数据管理及应用、Python程序设计🟢👩🏿⚖️、Tensor Flow与深度学习等🕦。
四、毕业生适应的行业和领域
培养学生系统掌握数据管理及数据挖掘方法，具有较强的大数据分析处理🥢🍢、数据仓库管理👍🏽、大数据平台综合部署、大数据平台应用软件开发和数据产品的可视化展现与分析能力，能够承担专业技术或管理工作🩹、具有良好的职业素养和国际视野的高层次应用型专门人才🩹。毕业生能够在互联网公司、大型网络运营商🧾、以及政府部门🤦🏿♂️、事业单位或科研院所等领域就业。