论文部分内容阅读
摘要：随着时代的进步和科学技术的不断创新，应用统计在人类的不断探索下取得了很大的进步，大数据技术也取得了很大的进步，数据处理效果很好，处理速度非常快。因此，大数据与统计的结合得到了广泛的认可。
关键词：大数据;应用统计学;课程体系
引言
大数据革命正以势不可挡的姿态席卷全世界，给世界上的很多领域产生了重大影响和冲击，应用统计学就是在这种背景下受到大数据的冲击。传统的统计学从某种程度上而言已经不再适应于时代的快速发展，因此，我们需要在传統的基础上对应用统计学进行创新，大数据背景下刚好为其的创新提供了十分有利的条件，通过两者之间的对比和应用统计学在大数据背景下的应用，分析应用统计学所面临的挑战和机遇，让统计学得以再度发展和创新。
1应用统计学概述
应用统计学通俗而言就是在生活中各个行业的应用，以及在数据信息方面的统计。其操作流程是相关人员将数据和信息收集起来，然后对这些数据进行整理，通过对数据的分析总结出未来的发展趋势。统计学是一门十分古老的学科，且该学科中涉及的知识面十分广阔，在面对生活中出现的一些数据混乱的问题，能够很好地将其记录下来，然后对这些数据进行对比和整理。在当前的社会生活中，不管是人类还是动物在进行某些事情时都会留下一定的特定的或者是巧合性的规律，为了找到这种规律或者说为了适应这种情况，统计学这门学科就诞生了。人们的日常生活中几乎随处都有统计学的影子，因为这门学科在一定程度上具有很强的可推断性，也就因此，其应用范围不断增大，到了现代，应用已经变得十分广泛，与此同时，也给很多领域带来了便捷和有利条件，在推动大数据生活发展的同时，也推动了统计学的发展。
2理论课程设置
2.1导论课的定位
我校导论课为专业必修课程，在第一学期开设，设定为16学时。导论课定位为针对入学新生了解专业发展历史、专业课程体系、专业课程学习方法、行业应用、发展前景的一门课程。课程以报告的形式开展，八位教师分八次授课，每次以一个主题报告的形式进行。主要报告内容包括统计学的发展历史、学科定位、课程体系、学习方法、统计软件、统计学在其它特定领域的应用、国内外统计学专业的发展情况、考研、就业和出国深造情况等。此外，作为导论课的延伸，每年还要邀请国内外高校、行业专家适时开展相关“数据科学大讲堂”系列讲座报告。
2.2数学类课程
应用统计专业应加强软件编程和实践训练，统计和数据分析中许多方法的基础是建模，这是一个应用数学专业很熟悉的主题，在统计学和计算科学中非常常见。应用统计专业的学生需要了解何时使用什么方法，所以我们认为数学是统计学需要的基础。考虑到统计专业课程和数据分析课程的开设，应用统计专业的学生在数学分析、高等代数与解析几何、图论、最优化方法和概率论三个学期的学习中准备充分的数学基础知识。高等代数帮助学生建立多元关系的概念，包括独立性。将原有的高等代数课程调整为高等代数与解析几何，在足够支撑后续课程的代数知识之外，增加了几何相关知识，使得学生能够直观理解多元统计分析相关结论的几何解释。图论用于概念化和实际数据建模于现实世界的场景，并进一步发展用数学解决实际问题，增强学生统计学建模能力。统计模型合适的部分原因在于边界、最大值和对参数的敏感性，这就要用到数学优化的相应功能。在统计学中，一个基本的方法是寻找参数，通过最大化相关似然来进行估计。或者，在其它数学模型中，目标可能是非线性状态空间系统辨识。在这两种情况下，微积分和微分方程的方法便能解决。然而，笔者认为理解如何找到极小值和极大值，在基本的直觉层面上就是了解优化思想，而这个思想将贯穿后面的多个学期的统计类和数据科学课程。所以，最优化方法这门课程也是后续课程的关键数学基础课程。
2.3计算机和数据科学课程
现代统计学从根本上讲是一门计算学科，但通常情况下这并没有反映在我们的应用统计课程体系中。正如《纲要》中指出的，处理数据需要加强计算技能的培养，为了准备从事统计学和数据科学的工作，学生们需要熟练掌握专业的统计分析软件具备以各种方式访问和操作数据的能力，以及执行算法的能力去解决特定行业的数据分析问题。除了更传统的数学和统计技能外，学生应能熟练使用高级编程语言，并能使用数据库系统。随着大数据的兴起，学生越来越清楚自身期望和需要这方面的训练。在课程体系设置中，数学、统计、计算机和数据科学的相关课程并不是独立的，不是简单的叠加，需要特别强调注意把握课程之间的衔接关系，统计类专业课程之间授课内容的衔接，统计课程和大数据课程之间的衔接，计算机和大数据课程之间的衔接，以及理论课程与实践课程之间的承接关系。
结语
应用统计学是一门涉及较广的学科，在很多方面都有广泛的应用，在涉及到具体事件时，数据是最有说服力的，数据能够让事情变得更加清晰明了。在大数据背景下，应用统计学受到冲击只是暂时的，通过统计学在大数据背景下的应用，对其进行创新，将会引来更大的发展机遇。
参考文献
[1]曹彦林.应用统计学在大数据背景下的应用与创新探讨[J].纳税，2019（4）：232.
[2]高文滨，杨映瑶.应用统计学在大数据背景下的应用与创新[J].江苏科技信息，2019，36（19）：68-70.
关键词：大数据;应用统计学;课程体系
引言
大数据革命正以势不可挡的姿态席卷全世界，给世界上的很多领域产生了重大影响和冲击，应用统计学就是在这种背景下受到大数据的冲击。传统的统计学从某种程度上而言已经不再适应于时代的快速发展，因此，我们需要在传統的基础上对应用统计学进行创新，大数据背景下刚好为其的创新提供了十分有利的条件，通过两者之间的对比和应用统计学在大数据背景下的应用，分析应用统计学所面临的挑战和机遇，让统计学得以再度发展和创新。
1应用统计学概述
应用统计学通俗而言就是在生活中各个行业的应用，以及在数据信息方面的统计。其操作流程是相关人员将数据和信息收集起来，然后对这些数据进行整理，通过对数据的分析总结出未来的发展趋势。统计学是一门十分古老的学科，且该学科中涉及的知识面十分广阔，在面对生活中出现的一些数据混乱的问题，能够很好地将其记录下来，然后对这些数据进行对比和整理。在当前的社会生活中，不管是人类还是动物在进行某些事情时都会留下一定的特定的或者是巧合性的规律，为了找到这种规律或者说为了适应这种情况，统计学这门学科就诞生了。人们的日常生活中几乎随处都有统计学的影子，因为这门学科在一定程度上具有很强的可推断性，也就因此，其应用范围不断增大，到了现代，应用已经变得十分广泛，与此同时，也给很多领域带来了便捷和有利条件，在推动大数据生活发展的同时，也推动了统计学的发展。
2理论课程设置
2.1导论课的定位
我校导论课为专业必修课程，在第一学期开设，设定为16学时。导论课定位为针对入学新生了解专业发展历史、专业课程体系、专业课程学习方法、行业应用、发展前景的一门课程。课程以报告的形式开展，八位教师分八次授课，每次以一个主题报告的形式进行。主要报告内容包括统计学的发展历史、学科定位、课程体系、学习方法、统计软件、统计学在其它特定领域的应用、国内外统计学专业的发展情况、考研、就业和出国深造情况等。此外，作为导论课的延伸，每年还要邀请国内外高校、行业专家适时开展相关“数据科学大讲堂”系列讲座报告。
2.2数学类课程
应用统计专业应加强软件编程和实践训练，统计和数据分析中许多方法的基础是建模，这是一个应用数学专业很熟悉的主题，在统计学和计算科学中非常常见。应用统计专业的学生需要了解何时使用什么方法，所以我们认为数学是统计学需要的基础。考虑到统计专业课程和数据分析课程的开设，应用统计专业的学生在数学分析、高等代数与解析几何、图论、最优化方法和概率论三个学期的学习中准备充分的数学基础知识。高等代数帮助学生建立多元关系的概念，包括独立性。将原有的高等代数课程调整为高等代数与解析几何，在足够支撑后续课程的代数知识之外，增加了几何相关知识，使得学生能够直观理解多元统计分析相关结论的几何解释。图论用于概念化和实际数据建模于现实世界的场景，并进一步发展用数学解决实际问题，增强学生统计学建模能力。统计模型合适的部分原因在于边界、最大值和对参数的敏感性，这就要用到数学优化的相应功能。在统计学中，一个基本的方法是寻找参数，通过最大化相关似然来进行估计。或者，在其它数学模型中，目标可能是非线性状态空间系统辨识。在这两种情况下，微积分和微分方程的方法便能解决。然而，笔者认为理解如何找到极小值和极大值，在基本的直觉层面上就是了解优化思想，而这个思想将贯穿后面的多个学期的统计类和数据科学课程。所以，最优化方法这门课程也是后续课程的关键数学基础课程。
2.3计算机和数据科学课程
现代统计学从根本上讲是一门计算学科，但通常情况下这并没有反映在我们的应用统计课程体系中。正如《纲要》中指出的，处理数据需要加强计算技能的培养，为了准备从事统计学和数据科学的工作，学生们需要熟练掌握专业的统计分析软件具备以各种方式访问和操作数据的能力，以及执行算法的能力去解决特定行业的数据分析问题。除了更传统的数学和统计技能外，学生应能熟练使用高级编程语言，并能使用数据库系统。随着大数据的兴起，学生越来越清楚自身期望和需要这方面的训练。在课程体系设置中，数学、统计、计算机和数据科学的相关课程并不是独立的，不是简单的叠加，需要特别强调注意把握课程之间的衔接关系，统计类专业课程之间授课内容的衔接，统计课程和大数据课程之间的衔接，计算机和大数据课程之间的衔接，以及理论课程与实践课程之间的承接关系。
结语
应用统计学是一门涉及较广的学科，在很多方面都有广泛的应用，在涉及到具体事件时，数据是最有说服力的，数据能够让事情变得更加清晰明了。在大数据背景下，应用统计学受到冲击只是暂时的，通过统计学在大数据背景下的应用，对其进行创新，将会引来更大的发展机遇。
参考文献
[1]曹彦林.应用统计学在大数据背景下的应用与创新探讨[J].纳税，2019（4）：232.
[2]高文滨，杨映瑶.应用统计学在大数据背景下的应用与创新[J].江苏科技信息，2019，36（19）：68-70.