荆楚理工学院

2026年专升本《数据科学导论》考试大纲

一、考试性质

“专升本”《数据科学导论》考试是选拔专科应届优秀毕业生进入本科学习的专业基础考试，聚焦数据科学核心理论、统计方法与实践技能，满足数据计算及应用等专业的知识与能力要求。

二、考试目的

测试考生对数据科学基础概念、统计分析方法、数据建模逻辑的掌握程度，以及运用数据科学思维处理、分析数据与解决简单实际问题的能力，评估其本科阶段数据科学相关专业学习的基础潜力。

三、考试内容

结合高职高专教学实际，重点考查以下五大模块核心考点：

（一）数据科学基础与统计概论

1.理解数据科学的定义、核心流程（数据采集-预处理-分析-建模-可视化），掌握数据类型（结构化/非结构化、定量/定性）的分类与核心特征。

2.掌握统计学基本概念：总体与样本、参数与统计量、数据的集中趋势（均值、中位数、众数）与离散程度（方差、标准差）的计算与解读。

3.理解概率分布（重点为正态分布）、假设检验的基本思想与核心逻辑，掌握单样本t检验、卡方检验的适用场景与判断方法。

（二）数据预处理与可视化

1.掌握数据清洗核心方法，比如缺失值的识别与合理填充、异常值的检测与处理策略、重复值的排查与删除。

2.理解数据标准化、归一化的核心作用与适用场景，掌握两种方法的核心原理与操作要点。

3.掌握数据可视化基础，比如直方图、折线图、饼图、散点图的适用场景与核心特征，能准确绘制并解读图形（如案例中的出行方式扇形图）所反映的数据分析结论。

（三）统计分析方法

1.理解一元/多元线性回归的核心概念，掌握回归方程参数含义，能识别多重共线性问题

2.了解时间序列的趋势、季节性特征，掌握移动平均法、季节指数法的简单应用。

3.理解因子分析的降维原理，掌握相关分析的基本方法，能区分不同相关类型的适用场景。

（四）机器学习基础与模型评估

1.理解分类模型的核心概念与建模目标，掌握模型评估核心指标：准确率、召回率、F1值、混淆矩阵的含义、计算方法与解读逻辑。

2.了解常见分类算法（如逻辑回归）的基本思想与核心原理，能根据数据特征与分析目标，区分不同算法的适用场景。

（五）数据科学案例与实践

1.理解统计分析方法在实际案例中的应用逻辑，能结合案例场景选择适配的分析方法。

2.能解读实际案例的分析结论，运用数据科学思维分析案例中的核心问题。

四、考试形式及时间

1.考试方式：笔试、闭卷

2.考试时间：90分钟

3.总分：150分

五、教学参考书

朝乐门．《数据科学导论（基于Python语言 微课版）》．人民邮电出版社．2020年