本科专业 信息与计算科学专业介绍及开设院校|数学类 信息与计算科学专业代码070102

dxadmin

本科专业 信息与计算科学专业介绍及开设院校|数学类 信息与计算科学专业代码070102 授予理学学位

信息与计算科学（Information and Computing Science）是一门普通高等学校本科专业，属数学类专业，基本修业年限为四年，授予理学学士学位。
本专业培养具有良好的数学素养，掌握信息科学和计算科学的基本理论和方法，受到科学研究的初步训练，能运用所学知识和熟练的计算机技能解决实际问题，能在科技、教育和经济部门从事研究、教学和应用开发和管理工作的高级专门人才。本专业学生主要学习信息科学和计算科学的基本理论、基本知识和基本方法，打好数学基础，受到较扎实的计算机训练，初步具备在信息科学与计算科学领域从事科学研究、解决实际问题及设计开发有关软件的能力。

发展历程
1998年，教育部颁布了《普通高等学校本科专业目录（1998年颁布）》，将原计算数学及其应用软件、运筹学、控制科学、信息科学专业合并为信息与计算科学专业，专业代码为070102，属数学类专业。
教育部2012年颁布的《普通高等学校本科专业目录（2012年）》和2020年颁布的《普通高等学校本科专业目录（2020年版）》中，信息与计算科学专业为理学门类专业，专业代码为070102，属数学类专业，授予理学学士学位。

信息与计算科学（Information and Computational Science）是一门普通高等学校本科专业，属于数学类专业，学制四年，授予理学学士学位，专业代码070102。  

该专业是以信息技术、计算技术和运筹控制技术的数学基础为研究对象的理科类专业，培养具有良好的数学基础和数学思维能力，掌握信息或计算数学的基本理论、方法与技能，接受科学研究的初步训练，能解决信息技术或科学与工程计算中的实际问题的高级专门人才。该专业毕业生能在科技、教育、信息产业、经济金融等部门从事研究、教学、应用开发和管理工作，或继续攻读硕士、博士学位；例如软件工程师、IT项目经理/主管、事业单位人员、公务员等。

该专业主要课程有：《高等代数与几何》《复变函数论》《数学分析实践》《JAVA面向对象的程序设计》《C++程序语言》等；核心知识领域包括几何、分析、代数、微分方程、概率统计等。

信息与计算科学培养目标
培养具有良好的道德、科学与文化素养，掌握数学科学的基本理论、方法与技能，能够运用数学知识和数学技术解决实际问题，能够适应数学与科技发展需求进行知识更新，能够在数学及相关领域从事科学研究或在科技、教育、信息产业、经济金融、行政管理等部门从事研究、教学、应用开发和管理等工作的人才。

考研方向
可报考信息与计算科学及相关学科的硕士学位。

信息与计算科学人才需求
1、继续深造：由于信息与计算科学专业的毕业生不仅具有扎实的数学基础和良好的数学思维能力，而且掌握了信息与计算科学的方法与技能，受到科学研究的训练，因此继续深造的可选择领域将变得非常广泛，他们既可以继续攻读计算数学、计算力学、计算机应用与软件、信息与网络安全、信息科学、自动控制、金融信息等专业和研究方向的硕士学位，也可以攻读具有行业特色且与信息与计算关系比较紧密的某些专业的硕士学位。
2、高等院校、科研单位：信息与计算科学专业的毕业生可以在大专院校和科研单位从事教学和科研工作，他们可以继续从事信息科学与计算数学的教学和研究工作，也可以凭借其出色的数学建模能力和计算能力解决实际应用问题。
3、IT企业：信息与计算科学专业的毕业生进入IT企业是一个重要的就业方向，它们可以在这些企业非常高效的从事计算机软件开发、信息安全与网络安全等工作。信息产业对人才的需求首先是基本的“技能”，包括计算机编程的基本能力，要求具有良好的数据库和计算机网络的知识和使用技能，熟悉基本的软件开发平台。由于信息产业进入“应用”为主流的时代，高水平的从业人员不仅要掌握基本的“技能”，关键还要具备将实际问题提炼为计算问题以及求解该问题的能力，这正是信息与计算科学专业学生的优势所在，也是近几年来国内大型IT企业“抢购”知名高校计算数学专业毕业生的原因所在。

信息与计算科学就业方向
毕业生能在科技、教育、信息技术、经济部门从事研究、教学、应用开发和管理等工作，也能在电力系统从事信息、计算、规划、调度、预测、管理、软件开发及科研等方面工作。

为了让您更加明晰的对 信息与计算科学专业 有较深入的理解，我们特选取了具有代表性的开设了此专业的高校自己的介绍供您参考，希望对您初步了解信息与计算科学专业有所帮助。
---------------------------------------------------------------------------------------------------------------------------
/ / 信息与计算科学专业介绍及培养方案


---------------------------------------------------------------------------------------------------------------------------
/  / 信息与计算科学专业介绍及培养方案


---------------------------------------------------------------------------------------------------------------------------
/  / 信息与计算科学专业介绍及培养方案


---------------------------------------------------------------------------------------------------------------------------
/  / 信息与计算科学专业介绍及培养方案



本页所有信息均来自公开的网络收集整理，仅作为有志于 信息与计算科学专业 学习的学子初步了解和参考消息（不作为依据），具体一切以培养单位的最新正式文本为准。

dxadmin

学 本科信息与计算科学专业如何提升自己，从而拓宽自己的择业机会和提升自己的综合能力？

本科信息与计算科学专业能力提升 + 择业拓宽
核心思路：夯实「数学建模 + 数值计算 + 编程实现」核心能力，走「数算基础 + 行业技术场景」适配路线，该专业是数学 + 计算机交叉核心专业，核心优势是用数学方法解决信息领域实际问题，兼具数理严谨性和工程落地性，择业覆盖数据分析、算法开发、软件开发、金融量化等多赛道，重点做到建模精、编程熟、能落地、贴场景，避免 “重数学轻工程” 或 “重代码轻数理” 的单一化。

一、专业硬实力（核心基底，所有赛道通用门槛）
吃透核心理论：深耕数学分析、高等代数、数值分析、概率论与数理统计、数据结构、信息论，刷高绩点，掌握数值计算、数理建模、数据处理、算法设计的底层逻辑，这是区别于纯计算机 / 纯数学专业的核心竞争力；
精学「编程 + 工具 + 建模框架」（至少精 2 门编程 + 3 款核心工具，岗位硬刚需）
编程：Python（核心必精，数模 / 数据 / 算法全场景） + SQL（数据岗必备），补 C/C++（工程开发 / 算法底层）/Java（后端开发）/R（统计分析，金融 / 社科适配）；
数算 / 建模工具：Matlab（数值计算 / 仿真标配）、Mathematica（符号计算）、Origin（数据可视化 / 分析）、Scikit-learn（机器学习）；
工程工具：Pandas/Numpy（Python 数据处理）、Git（版本管理）、Excel 高阶（数据统计，职场通用），进阶学 TensorFlow/PyTorch（深度学习）；
证书按需考（重实用，成果优先于证书）：计算机二级（Python/C）、软考（软件设计师 / 数据分析师，职场加分）、CDA 数据分析师（初级 / 中级）、证券从业资格（金融量化赛道），本专业无通用刚需证，项目 / 实战成果是核心敲门砖。

二、落地实践成果（简历核心，交叉专业无成果 = 无竞争力）
校内项目 / 课题：参与数值计算、数据建模、算法设计类课题（如方程数值解、数据拟合预测、路径规划算法、金融风险建模），产出建模报告、可运行代码、仿真结果、优化方案，争取竞赛 / 小论文挂名；
竞赛聚焦「数算 + 落地」：参加全国大学生数学建模竞赛（核心赛道，最适配）、蓝桥杯（编程 / 算法）、全国大学生数据挖掘竞赛、金融量化竞赛，练建模 + 编程 + 团队协作，获奖案例是求职硬通货；
实习瞄准「数算能力落地场景」：优先互联网公司、金融科技企业、软件开发公司、科研院所，聚焦数据分析、算法开发、数值计算、软件研发，留存完整案例（如某业务数据建模分析、某算法编程实现、某工程问题数值解），标注方法、实现过程、落地效果（如模型准确率、算法效率、业务优化率）。

三、跨领域实用技能（低成本拓宽赛道，1-2 个赛道深耕，避免泛而不精）
核心是把「数算 + 编程」能力嫁接到具体行业 / 技术场景，补少量专项技能，快速实现 “交叉能力 + 场景落地”，高适配、高缺口赛道补充如下：
数据分析 / 算法赛道（高缺口 + 易切入）：补数据预处理、特征工程、机器学习模型调优、数据分析业务指标，适配互联网 / 企业数据分析师、算法研发助理、数据挖掘岗；
金融量化赛道（高薪资 + 适配数理优势）：补金融市场基础、量化交易逻辑、金融指标计算、量化模型设计，适配金融科技企业量化分析、券商 / 基金数理建模岗；
软件开发 / 工程赛道（刚需 + 就业面广）：补计算机网络、后端开发框架（如 Flask/Django）、软件测试基础，适配 Python 后端开发、软件开发助理、工程算法实现岗；
科研 / 数算赛道（深造铺垫）：补文献检索、数值计算优化、科研报告撰写，适配高校 / 科研院所数值计算、算法研究助理岗；
通用落地技能：练技术报告撰写、PPT 可视化（成果 / 项目汇报）、跨岗位沟通逻辑，适配所有技术岗的基础工作需求。

四、综合软实力（放大交叉优势，适配所有数算 / 技术岗）
数算闭环思维：强化「问题拆解 - 数理建模 - 数值计算 - 编程实现 - 结果分析 - 落地优化」的完整逻辑，能从数学角度拆解问题，用工程手段解决问题；
工程落地能力：避免 “纯数学建模” 陷阱，培养把数理模型 / 数值算法转化为可运行、可落地的代码的能力，兼顾数理严谨性和工程实用性（如处理数据异常、优化算法效率）；
跨领域适配能力：能快速对接数据、金融、软件、科研等领域的需求，把数理语言转化为工程语言 / 业务语言，适配交叉团队协作；
快速学习能力：依托数学 + 计算机的双基础，快速上手新工具、新算法、新赛道基础理论，应对技术迭代；
细节把控能力：数值计算 / 算法开发对精度、效率要求高，培养精准建模、规范编程、严谨调试的习惯，减少工程误差。

五、精准择业方向（按「本科适配度 + 就业缺口」排序，兼顾技术 / 薪资 / 稳定）
1. 高适配 + 高缺口（首选，本科易切入，贴合专业能力）
互联网 / 电商 / 科技公司数据分析师 / 算法研发助理、金融科技企业量化分析助理、软件开发公司Python 开发 / 算法实现岗、科研院所数值计算 / 建模助理；
2. 技术进阶 + 高潜力（次选，补进阶技能即可）
AI 企业模型训练 / 数据挖掘工程师、金融机构量化建模岗、工程企业数值计算 / 算法优化岗；
3. 稳定刚需（适合求稳需求，就业门槛低）
国企 / 事业单位数据统计 / 算法支持岗（统计局、发改局、科技局）、银行 / 证券数据 / 数理建模岗、高校科研实验助理；
4. 跨界适配（利用数算优势，低成本转型）
产品经理助理（数据驱动产品设计）、市场调研分析师（数据统计分析）、教育机构数模 / 编程教研讲师；
5. 工程化适配（补编程技能，拓宽边界）
后端开发工程师（Python/Java 方向）、大数据开发助理、软件测试工程师。

关键提醒
避免单一化陷阱：既不要只钻纯数学理论（缺乏工程落地能力），也不要只练基础代码（丧失数理建模核心优势）， 平衡「数理建模 + 编程实现 + 场景落地」 是本专业的核心竞争力；
锁定 1-2 个赛道深耕：该专业是 “数算 + 计算机” 通用款，贪多会导致 “什么都能做一点，什么都不精”，优先选数据分析 / 金融量化 / 软件开发其中一个赛道，针对性攒项目 / 实习成果；
深造提升核心岗机会：若想进高端量化岗、核心算法岗、数值计算科研岗，建议读研深化计算数学、数据科学、金融工程、人工智能方向，本科重点打牢数算 + 编程基础，积累落地案例；
突出交叉优势：求职时重点强调 “用数理建模 / 数值计算方法解决 XX 赛道 XX 问题”，把数算 + 编程的双能力与岗位需求精准对接，区别于纯数学 / 纯计算机专业的求职者。


以上信息仅供参考 来源网络收集整理