• 专业概述：信息与计算科学专业是由信息科学、计算科学、运筹学与控制科学等交叉渗透而形成的一个新的理科专业。它以信息技术、计算技术和运筹控制技术为主要研究手段，以数学、信息科学和计算机科学为基础，旨在培养具有扎实的数学基础、熟练的计算机技能和较强的信息处理能力的复合型人才。
• 培养目标：培养能适应社会经济发展和科技进步需要，德、智、体、美、劳全面发展，具有良好的数学素养和扎实的数学基础，熟练掌握计算机科学与技术，具备信息科学与计算科学的基本理论、方法和技能，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的高级专门人才。
• 发展前景：随着信息技术的飞速发展和大数据时代的到来，信息与计算科学专业的人才需求日益旺盛。毕业生可以在互联网、金融、通信、科研、教育等多个领域从事数据分析、算法设计、软件开发、信息安全、人工智能等相关工作。同时，该专业也是继续深造的良好基础，学生可以选择攻读数学、计算机科学、信息科学等相关专业的硕士、博士学位，进一步提升自己的学术水平和研究能力，在未来的科技领域中发挥更大的作用。

数学基础课程

• 数学分析：主要研究函数的极限、导数、积分等基本概念和运算，是分析数学的基础，为后续学习提供理论支持。
• 高等代数：涉及线性空间、线性变换、矩阵理论等内容，是处理线性问题的重要工具，在信息与计算科学中有着广泛应用。
• 概率论与数理统计：概率论研究随机现象的规律，数理统计则通过样本数据对总体进行推断和分析，为数据分析和处理提供理论基础。

计算机基础课程

• 计算机组成原理：介绍计算机的硬件组成和工作原理，包括中央处理器、存储器、输入输出设备等，让学生了解计算机的基本架构。
• 数据结构：研究数据的组织、存储和操作方式，如数组、链表、栈、队列、树、图等数据结构，以及相关的算法，是程序设计的重要基础。
• 计算机编程语言：通常会学习 C、C++、Python 等编程语言，掌握基本的编程技能，用于实现各种算法和解决实际问题。

专业基础课程

• 信息论基础：研究信息的度量、传输、编码和译码等问题，是信息科学的理论基础，为信息处理和通信系统的设计提供理论依据。
• 数值分析：主要研究各种数学问题的数值解法，如方程求根、数值积分、数值微分、线性方程组求解、矩阵特征值计算等，是用计算机解决数学问题的关键技术。
• 运筹学：研究如何在有限资源条件下，通过科学的规划和决策，实现最优目标，包括线性规划、整数规划、动态规划、图论等内容，广泛应用于优化问题的求解。

专业高级课程

• 计算智能：介绍人工智能的基本概念和方法，如神经网络、遗传算法、模糊逻辑等，以及它们在信息处理、模式识别、智能控制等领域的应用。
• 数据挖掘：研究如何从大量数据中提取有价值的信息和知识，包括关联规则挖掘、分类算法、聚类分析、异常检测等技术和算法。
• 信息安全：探讨信息安全的基本理论和技术，如密码学、网络安全、数据加密、数字签名等，以保障信息的保密性、完整性和可用性。

1. 数学：包括基础数学、应用数学、计算数学等。侧重于数学理论的深入研究和应用，培养数学思维和逻辑推理能力，可从事数学教学、科研或在相关领域进行数学建模和数据分析等工作。
2. 计算机科学与技术：涵盖计算机硬件、软件、网络、人工智能、大数据处理等方面。学生需掌握计算机的基本理论和应用技能，能够进行程序设计、数据挖掘和分析、网络开发和维护等工作，就业方向包括软件开发、网络安全、数据分析等领域。
3. 数据科学与大数据分析：专注于数据的收集、处理、分析和可视化。需要运用统计学、机器学习等技术，对海量数据进行深度挖掘和分析，为企业决策提供支持，就业前景广阔，可在金融、电商、医疗、教育等多个行业从事数据分析和挖掘相关工作。
4. 人工智能与机器学习：研究如何使计算机模拟和实现人类智能，通过算法让计算机从数据中学习和改进，涉及自然语言处理、数据挖掘、智能推荐系统等前沿技术，毕业生可在科技、教育和经济部门从事研究、教学或实际应用、开发研究和管理工作。
5. 计算机视觉与图像处理：主要探索如何让计算机 “理解” 和 “分析” 图像和视频数据，应用于人脸识别、目标检测与跟踪、图像增强等领域，为智能安防、医学影像分析等行业带来变革。
6. 信息与信号处理：涉及信号处理、图像处理、音频处理等方面的研究，学生要掌握信号处理的基本理论和应用技能，能够进行图像和音频的处理和分析工作，可在通信、电子、多媒体等领域就业。
7. 计算机网络与通信：研究计算机网络的构建、管理和优化，包括网络协议、网络安全、网络编程等领域，随着 5G、物联网等新技术的发展，该方向的应用场景日益广泛，毕业生可在计算机网络技术服务、计算机系统集成等领域工作。
8. 交叉学科领域：如与生物医学工程结合，研究医疗信息的处理和分析；与金融工程结合，探索金融数据的挖掘和应用；与教育学结合，研究教育数据的分析和评估等。这些交叉学科方向拓宽了学术视野，提升了综合竞争力。

互联网与科技行业

• 算法工程师：负责设计、开发和优化各种算法，如机器学习算法、深度学习算法等，用于图像识别、语音识别、自然语言处理等领域。
• 软件工程师：参与软件开发的全过程，包括需求分析、设计、编码、测试和维护等，使用编程语言如 Java、Python、C++ 等开发各类软件系统和应用程序。
• 大数据开发工程师：负责构建和维护大数据处理平台，进行数据采集、清洗、存储和分析，使用 Hadoop、Spark 等大数据处理框架，为企业的决策提供数据支持。

金融行业

• 量化分析师：运用数学和统计学方法，结合金融理论，开发量化投资模型和策略，进行风险评估和投资决策，为金融机构的投资业务提供支持。
• 金融数据分析师：收集、整理和分析金融市场数据，如股票、债券、期货等数据，为金融机构的风险管理、市场分析和投资决策提供数据支持和分析报告。
• 金融产品经理：负责金融产品的设计、开发和管理，结合市场需求和客户特点，运用数据分析和数学建模等方法，设计创新的金融产品和服务。

科研与教育领域

• 高校教师：在高等院校从事信息与计算科学相关专业的教学和科研工作，教授数学分析、数值分析、算法设计等课程，同时开展相关领域的科研项目，培养学生的科研能力和创新思维。
• 科研人员：在科研机构从事信息科学、计算科学、数据分析等方面的研究工作，参与国家和企业的科研项目，致力于解决相关领域的前沿问题和关键技术。

通信行业

• 通信算法工程师：负责设计和优化通信系统中的各种算法，如信道编码、调制解调、信号处理等算法，提高通信系统的性能和效率。
• 通信网络工程师：参与通信网络的规划、设计、建设和维护工作，运用数学模型和算法对网络进行优化，提高网络的覆盖范围、容量和稳定性。

其他行业

• 制造业：在制造业企业中担任数据分析师或系统优化工程师，通过数据分析优化生产流程、提高生产效率和产品质量，或运用数学模型进行生产计划和调度的优化。
• 医疗行业：作为医疗信息分析师或生物信息工程师，处理和分析医疗数据，如电子病历、医学影像等，或参与生物信息学研究，进行基因序列分析、蛋白质结构预测等工作。

地区

• 一线城市：应届生本科薪资大约在 12 - 20 万 / 年。经过 3 - 5 年的工作经验，薪资普遍能达到 30 - 60 万 / 年，一些技术核心岗位或管理岗位薪资会更高。
• 二线城市：应届生本科薪资一般在 8 - 15 万 / 年。有 3 - 5 年经验后，薪资大概在 20 - 40 万 / 年，部分发展较好的城市，技术骨干岗位薪资可突破 40 万 / 年。
• 三线及以下城市：应届生薪资可能在 6 - 10 万 / 年左右，随着工作经验增加，薪资能有所提升，但整体上限相对较低，3 - 5 年后可能在 15 - 25 万 / 年左右。

行业

• 互联网 / 科技行业：应届生本科在该行业薪资处于较高水平，约 12 - 20 万 / 年。像算法工程师、大数据开发工程师等热门岗位，3 - 5 年后薪资可达 30 - 80 万 / 年，资深算法工程师年薪甚至可超百万。
• 金融行业：本科应届生薪资大约在 10 - 18 万 / 年。从事量化分析、金融数据处理等岗位，3 - 5 年后薪资能达到 30 - 100 万 / 年，在头部金融机构，量化研究员等岗位薪资更高。
• 科研与教育领域：高校或科研机构的本科应届生薪资可能在 8 - 12 万 / 年左右。如果是有一定工作经验的讲师或助理研究员，薪资大概在 15 - 30 万 / 年，随着职称和科研成果的提升，薪资会进一步提高。
• 通信行业：本科毕业生起薪一般在 10 - 15 万 / 年。有 3 - 5 年经验后，通信算法工程师、网络工程师等岗位薪资能达到 20 - 40 万 / 年。

经验

• 应届生：本科毕业生初入职场，薪资相对较低，一般在 6 - 20 万 / 年，具体薪资取决于地区、行业和学校背景等因素。
• 1 - 3 年经验：薪资会有一定幅度增长，通常能达到 10 - 30 万 / 年，在一些发展快的行业和地区，增长幅度会更大。
• 3 - 5 年经验：此时薪资增长较为明显，能达到 20 - 60 万 / 年，在技术领域成为骨干或担任管理职务的人员，薪资会更高。
• 5 年以上经验：薪资水平差异较大，技术专家、高级管理人员等能拿到 50 万 / 年以上的高薪，甚至更高；而一些技术更新慢或行业发展一般的岗位，薪资可能在 30 - 50 万 / 年左右。