类别代码：0252
一、领域简介
应用统计硕士专业学位点于2021年获批，2022年开始招生，设有大数据分析、生物统计和工业统计3个研究方向。
本学位点着力培养统计背景强，系统掌握数据分析、处理和开发技能，具备熟练应用计算机处理分析数据的能力，可在数据分析企业、机关事业单位、科研院所等从事统计调查咨询、数据分析、信息管理、决策支持等工作的高层次应用人才。
二、培养目标
立足国家和区域发展战略需要，面向科技前沿，培养德、智、体、美、劳全面发展，具备高水平综合素质的应用统计类别的高层次创新专门技术人才。
1.拥护党的基本路线和各项方针、政策，热爱祖国，遵纪守法；具有良好的职业道德和敬业精神，以及科学严谨、求真务实的治学态度和工作作风。
2.具有良好的统计学背景，系统掌握数据采集、处理、分析和开发的知识与技能；了解所研究方向的国内外研究的最新进展和动态；具有运用统计思想和统计方法的能力；初步具备独立从事统计学研究或运用专业知识解决实际问题的能力。
3.能够熟练地运用一门外语阅读与本专业相关的科技资料及文献，并具备一定的听、说和写作的能力。
4.具备熟练应用计算机处理和分析数据的能力，能够在国家机关、党群团体、企事业单位、社会组织及科研教学部门等从事统计调查咨询、数据分析、决策支持和信息管理的高层次、应用型统计专门人才。
三、研究方向
1. 大数据分析
2. 生物统计
3. 工业统计
各研究方向简介详见附表1。
四、学习年限
学制3年，修业年限2-4年，科学研究和论文撰写时间不少于1年（从开题通过之日起计算）。在基本学制规定时间内，研究生应完成学位论文答辩和授予学位审查等各项工作。如因学术性的正当理由，研究生在基本学制结束前两个月向所在培养单位学位评定分委员会提交学位论文进展报告和学位论文延期申请报告，并经学位评定分委员会组织审查通过，报校学位评定委员会办公室审核批准后，可最多延长申请学位年限1年。
经导师同意，可申请提前毕业，但科学研究和论文撰写时间要求不变。休学时间不计入学习年限。
五、课程设置与学分要求
课程教学实行学分制，课程分为必修课和选修课，研究生须在规定的学习年限内完成不少于38学分的学习任务，其中课程学分不少于32学分（必修课不少于22学分，选修课不少于10学分），必须选修不少于1门的全外语授课课程；其他培养环节不少于6学分。同等学历或跨专业攻读全日制专业学位硕士研究生，应补修本领域本科阶段主干课程2门及导师指定的其它课程，考核合格后方可申请毕业答辩。
课程设置详细情况见附表2。
六、培养方式与培养环节
采用课程学习、实践教学和学位论文相结合、启发式和研讨式的教学方法。加强案例库建设和案例教学能力，聘请有丰富经验的专家讲课或开设讲座。注重实际应用，重视培养学生的思维能力及分析问题和解决问题的能力。加强实践环节，建立实践培养基地，与政府机关、产业部门等企事业单位联合培养。实行双导师制，校内导师指导和校外导师合作培养相结合的培养方式。校内导师负责制订研究生培养计划，组织开题、中期考核、答辩，指导科学研究和学位论文等工作，且对研究生的思想品德、学术道德有引导、示范和监督的责任。
1.开题报告
研究生应通过文献阅读、学术调研，确定论文选题和研究内容，经导师同意后于第四学期初提交开题报告。由本学科5人及以上专家组成评审小组对学生所做开题报告进行评审，提出评价和修改意见，不通过者可限期重做（时间间隔3周），仍不通过者终止培养。开题通过后即获得1学分。
2.中期筛选考核
研究生课程学习结束后，以研究生培养方案为依据，由本学科以研究生导师为主，3-5名专家组成的考核小组在第五学期对研究生的政治思想、道德品质、基础理论、专业知识、科研创新、实践能力及健康状况等方面进行综合考核。其目的是总结评价研究生入学以来的学习及科研情况，及时发现研究生培养过程中存在的问题，探讨解决问题的方法，明确今后的努力方向。中期筛选考核合格后，可继续完成学位论文；考核不合格者，经所在单位签署意见，研究生工作部审核，报校长办公会批准，终止学籍，做肄业处理。中期考核通过后即获得1学分。
3.实习实践
教学实践：助课，协助指导毕业设计、课程设计和实习等。教学实践时间累积不少于1个月，结束后由导师安排考核并写出考核评语，考核通过即获得1学分。
专业实践：在学期间应在学校设立的联合培养基地、研究生工作站或校内外有条件的实践单位进行累计不少于6个月的集中专业实践训练。完成专业实践环节且经考核通过后，即获得1学分。
4.创新创业
完成下列4项中的2项，即获得创新创业2学分：
①进行3个月出国学习或学术交流；
②参加学术会议并宣读论文，或做公开学术报告2次；
③参加全国性的科技竞赛、创意设计、创新创业竞赛等并获奖；
④参加6次以上与本学科相关的学术报告，并提交总结。
七、学位论文
学位论文要具有明确的职业背景和应用价值，且反映申请者运用理论知识解决实际问题的能力和水平。学位论文撰写是硕士研究生培养的关键和核心，必须严格按照《山东理工大学关于研究生学位论文工作的有关规定》、《山东理工大学硕士学位授予工作实施细则》等相关文件执行，本类别硕士研究生的学位论文应满足以下基本要求：
1．硕士学位论文应具有系统的、完整的研究思路和计划，应对科技进步和国民经济建设具有较大的理论意义或实用价值，学位论文应突出创新性、前沿性和科学性。
2．学位论文应在导师指导下由研究生独立完成。
3．按照《山东理工大学硕士学位授予实施细则》要求组织论文开题、中期考核、学位论文预评审/预答辩和正式答辩等环节，论文答辩要做到严格要求、公正、公开。
八、毕业与学位要求
满足毕业要求，可获得毕业证书；在获得毕业证书的基础上，如满足学位授予标准，可授予应用统计专业硕士学位证书。
（一）毕业要求
1.热爱祖国，拥护中国共产党的领导，具有社会责任感和历史使命感，维护国家和人民的根本利益，遵纪守法，身心健康；
2.具有良好的品德修养和学术道德，实事求是，勇于创新；
3.修读完培养方案规定课程和其他培养环节，成绩考核合格；
4.完成论文答辩，成绩合格；
5.符合学校有关规定的其他要求。
（二）学位要求
严格执行最新的《中华人民共和国学位条例》、《山东理工大学研究生学位论文评审办法》、《山东理工大学硕士学位授予工作实施细则》、《山东理工大学研究生申请学位学术创新性要求的规定》以及数学与统计学院硕士研究生申请学位学术创新性要求实施细则等有关规定。
附表1：研究方向简介
类 别 | 培养目标 | 支撑课程 | |
综合素质 | 热爱祖国，拥护中国共产党的领导，具有社会责任感和历史使命感，维护国家和人民的根本利益，遵纪守法，身心健康；具有良好的品德修养和学术道德，实事求是，勇于创新。 | 新时代中国特色社会主义理论与实践、自然辩证法、论文写作与学术规范 | |
综合能力 | 熟练掌握统计学学科知识，达到统计应用专门化水平，具备理解本专业学位领域科研文献的能力和获取知识的能力，能够开展统计学学科知识的实践与应用工作，具有与有关专业人员合作发现实际问题以及解决实际应用问题的能力。具有良好的科学素质、严谨的治学态度、较强的开拓精神，善于接受新知识，提出新思路，探索新课题，并具有较强的适应性和良好的团队合作精神。能够熟练使用软件工具进行数据收集、数据整理、数据分析和数据挖掘等与职业胜任力相符合的统计应用工作。 | 研究生英语、数理统计、多元统计分析、近代回归分析、统计调查、统计计算 | |
研究 方向 | 大数据分析 | 掌握机器学习，强化学习，分布式推断，针对复杂数据、海量数据和高维数据进行数据分析和科学计算。培养掌握数据科学基本理论和方法，熟练运用统计软件及数学软件解决数据科学和大数据应用领域实际问题的应用统计高级人才。 | 数据挖掘技术、金融大数据挖掘技术与应用、云计算、机器学习、强化学习、数字图像处理 |
生物统计 | 掌握纵向数据分析，生存分析，统计遗传学，医疗器械数据分析方法，针对植物学、遗传学和微生物学等领域的实际问题，从多学科交叉的角度进行研究，侧重于生物统计理论和方法的应用，培养能够解决生物统计应用领域实际问题的应用统计高级人才。 | 应用随机过程、生物信息与统计、矩阵分析、现代非参数统计、现代统计专题、数据挖掘与统计学习专题 | |
工业统计 | 掌握面向工业数据的数学、应用统计学、统计过程控制的基础理论和方法，熟练掌握工业数据采集、处理、分析与应用的技术与工具，具备广泛的数据应用视野，培养具备熟练分析工业数据能力的应用统计高级人才。 | 工业统计、最优化理论与方法、线性系统、线性模型理论、应用时间序列、 经济计量模型 | |
附表2：培养计划
类别名称 | 应用统计 | 类别代码 | 0252 | ||||||||
单位名称 | 数学与统计学院 | 培养类型 | 全日制专业学位硕士 | ||||||||
学分要求 | 总学分：≥38，必修课程学分：≥ 22，选修课程学分：≥10，其他培养环节6学分。 | ||||||||||
课 程 设 置（中英文对照） | |||||||||||
课程类型 | 课程编码 | 课程名称 | 学分 | 学期 | 备注 | ||||||
公共必修课程 ≥6学分 | G16007 | 新时代中国特色社会主义理论与实践 The Theory and Practice of Socialism with Chinese Characteristics for a New Era | 2 | 1 |
| ||||||
G16003 | 自然辩证法 Dialectics of Nature | 1 | 1 |
| |||||||
G14001 | 研究生英语 English for Graduate Students | 3 | 1 |
| |||||||
学科平台课程 ≥16学分 | G15003 | 论文写作与学术规范 Thesis Writing and Academic | 1 | 1 | 必选 | ||||||
110097 | 数理统计(全英文课程) Mathematical Statistics | 3 | 1 | ||||||||
110098 | 数据分析实务与案例(案例实务课) Data Analysis Practices and Cases | 3 | 2 | ||||||||
110041 | 近代回归分析 Modern Regression Analysis | 3 | 1 | 至少选 3门 | |||||||
110099 | 统计调查 Statistical Investigation | 3 | 1 | ||||||||
110040 | 多元统计分析 Multivariate Statistical Analysis | 3 | 2 | ||||||||
110056 | 统计计算 Statistical Computing | 3 | 2 | ||||||||
110100 | 数据挖掘与建模 Data Mining & Modelling | 3 | 2 | ||||||||
方向选修课程 ≥9学分 | 110002 | 最优化理论与方法 Optimization Theory and Methods | 3 | 1 | 选修1门全英文课程 | ||||||
110034 | 线性系统 Linear Systems | 3 | 1 | ||||||||
110049 | 数据挖掘技术 Data Mining Technology | 3 | 1 | ||||||||
110059 | 矩阵分析 Matrix Analysis | 3 | 1 | ||||||||
110101 | 工业统计 Industrial Statistics | 3 | 1 | ||||||||
110102 | 数字图像处理 Digital Image Processing | 3 | 1 | ||||||||
110042 | 应用时间序列 Applied Time Series | 3 | 2 | ||||||||
110043 | 线性模型理论 (全英文课程) Linear Model Theory | 3 | 2 | ||||||||
110045 | 金融统计分析 Financial Statistics Analysis | 3 | 2 | ||||||||
110047 | 应用随机过程 Applied Stochastic Processes | 3 | 2 | ||||||||
110048 | 现代非参数统计(全英文课程) Modern Nonparametric Statistics | 3 | 2 | ||||||||
110071 | 云计算 Cloud Computing | 3 | 2 | ||||||||
110073 | 机器学习(全英文课程) Machine Learning | 3 | 2 | ||||||||
110078 | 深度学习(全英文课程) Deep Learning | 3 | 2 | ||||||||
110103 | 生物信息与统计(全英文课程) Bioinformatics and Statistics | 3 | 2 | ||||||||
110105 | 智能算法 Intelligent Algorithms | 3 | 2 | ||||||||
110044 | 现代统计专题 Modern Statistical Topic | 3 | 3 | ||||||||
110046 | 经济计量模型 Econometric Models | 3 | 3 | ||||||||
110051 | 数据挖掘与统计学习专题 Data Mining and Statistical Learning | 3 | 3 | ||||||||
110072 | 大数据可视化 Big Data Visualization | 3 | 3 | ||||||||
110104 | 强化学习 Reinforcement Learning | 3 | 3 | ||||||||
110106 | 金融大数据挖掘与应用 Financial Big Data Mining and Application | 3 | 3 | ||||||||
素养选修课程 1学分 | G31001 | 中国传统文化 Chinese Traditional Culture | 1 | 2 |
必选 1门 | ||||||
G02060 | 科研素养与创新能力 Scientific Research Literacy and Innovation Ability | 1 | 2 | ||||||||
G05024 | 计算机科学前沿技术应用系列讲座 The Lectures on the Frontier Technology and Application of the Computer Science | 1 | 2 | ||||||||
G21002 | 瑜伽 Yoga | 1 | 2 | ||||||||
G21001 | 足球 Football | 1 | 2 | ||||||||
G21002 | 羽毛球 Badminton | 1 | 2 | ||||||||
G20002 | 舞蹈形体训练 Physical Training | 1 | 2 | ||||||||
G19002 | 美术鉴赏 Art Appreciation | 1 | 2 | ||||||||
补修课程 不计学分 | 导师确定 | ||||||||||
其他培养环节（6学分） | |||||||||||
培养环节 | 相关内容及要求 | 学期 | |||||||||
开题报告 （1学分） | 通过文献阅读、学术调研，确定论文选题和研究内容，经导师同意后提交开题报告。开题答辩小组由本学科5人以上专家组成，负责对研究生所做开题报告进行评审，做出评价、提出修改意见，评审不通过者需限期重做（时间间隔3周），再次开题仍不通过的终止培养。学位论文开题报告审核通过一年后方可申请学位论文送审、答辩。 | 4 | |||||||||
中期考核 （1学分） | 由本学科以研究生导师为主，3-5名专家组成的考核小组对研究生的政治思想和道德品质、基础理论和专业知识、科研创新、实践能力及健康状况等方面进行综合考核。考核不合格的，经学院、研究生工作部审核，报校长办公会批准，做肄业处理。 | 5 | |||||||||
实习实践 （2学分） | 教学实践：教学实践时间累计不少于1个月的工作量，结束后由导师写出考核评语，考核通过即获得1学分。 专业实践：在学期间应在学校设立的联合培养基地、研究生工作站或校内外有条件的实践单位进行累计不少于6个月的专业实践训练。由导师与实习单位联合安排考核，专业实践成绩分为合格和不合格2级，分别计1学分、0学分。 | 2-5 | |||||||||
创新创业 （2学分） | 1.进行3个月以上的出国访学研修或学术交流； 2.参加学术会议并宣读论文，或做公开学术报告2次； 3.参加全国性的科技竞赛、创意设计、创新创业竞赛等并获奖； 4.参加6次以上与本学科相关的学术报告，并提交总结； 每项记1学分，需完成2学分。 | 1-5 | |||||||||
培养单位 教授委员会主任 |
| 培养单位 负责人 |
| ||||||||
