一、专业定位与战略价值
大数据技术与工程（085411）是以分布式计算、数据挖掘与机器学习、数据治理与质量管理、实时流处理及隐私保护为多重理论根基，以海量数据采集存储、多源异构数据融合分析、大规模知识图谱构建、行业智能决策支持、数据要素流通与价值释放为核心使命，以现代信息技术与国家"数字中国""数据要素市场化""人工智能+""新质生产力"及"共同富裕示范区数字治理"深度融合、安全高效智能协同发展为鲜明特征的专业学位硕士类别。作为电子信息门类下支撑国家超大规模数据湖仓一体化架构设计、城市大脑多源数据实时融合与态势感知、金融风控知识图谱推理与反欺诈、工业物联网时序异常检测与预测性维护、医疗多模态数据协同诊断、数据确权定价与隐私计算流通的关键方向，它既承袭工科范式的精密性与可实施性，又强调系统思维在统筹"采集-存储-计算-治理-应用-合规"全链条关系中的本体作用，是服务国家数据要素市场建设、产业数字化转型、公共治理智能化的核心应用型学科。
该专业直接服务于PB级数据湖存储分层与冷热分离策略优化、Flink/Spark流批一体作业性能调优与资源隔离、千亿级知识图谱实体对齐与关系推理、联邦学习跨机构联合建模与梯度安全聚合、数据血缘追踪与质量异常根因定位、数据资产评估模型与交易合规审查等国家重大战略需求。
二、浙大平台与培养特色
浙江大学大数据技术与工程（085411）依托计算机科学与技术学院、软件学院、数学科学学院、管理学院等多单位协同培养，汇聚校内6个A类工科与理科、5个国家级研发平台资源，联合"区块链与数据安全全国重点实验室""浙江省大数据智能计算重点实验室""浙江大学-阿里巴巴/网易/华为大数据联合研究院""杭州城西科创大走廊数据要素试验场"等平台，实行"专业学位招生、多方向协同培养"模式，致力于培养系统掌握大数据技术与工程基本理论与方法、跨领域知识与技术，具有全球竞争力的创新型、复合型、应用型数据科技领军人才和产业领袖。
五大主干方向： 大数据平台与系统架构、数据挖掘与智能分析、数据治理与隐私保护、行业大数据应用（金融/医疗/工业/城市）、实时计算与流处理。
前沿交叉领域： 生成式AI辅助数据清洗与标注质量评估伦理边界、大模型驱动的自然语言查询转SQL与自动分析、区块链赋能的数据确权登记与交易审计溯源、数据要素碳足迹核算与绿色计算调度、联邦学习与差分隐私协同下的跨域数据价值释放、人机协同数据标注与认知偏差校正。
硬件与实践支撑： 千节点级Hadoop/Spark/Kafka集群、GPU加速深度学习训练平台、图数据库与知识图谱推理引擎、隐私计算一体机与TEE可信执行环境、实时流处理压力测试平台、数据资产管理与血缘追踪系统、40余家校外实践基地 （含阿里巴巴达摩院、网易研究院、华为云、蚂蚁集团、中科院计算所、浙江省大数据发展中心等）及大数据工程典型案例数据库。
三、学科沿革
-
1998年，四校合并后原浙江大学计算机科学系设立数据库与数据挖掘研究方向，奠定"求是创新、知行合一、数智报国"的学科精神。
-
2005年，获批计算机科学与技术一级学科硕士点下设数据科学方向；2012年成立大数据研究院。
-
2018年，明确大数据技术与工程专业学位方向代码085411；建成国内高校首批"数据湖-计算引擎-智能应用"全栈实训平台。
-
2021年，教育部批准新增数据科学与大数据技术交叉学科；牵头"之江实验室"数据智能基础研究方向。
-
2022年，教育部第五轮学科评估中计算机科学与技术获评A，发布《浙江省数据要素市场化配置白皮书》。
-
2024年，启动"之江实验室-浙大数据智能联合攻关计划"，共建"湖仓一体与实时智能"联合实验室。
-
2025年，获批教育部"新工科+新法学+新经管"交叉试点，牵头编制《浙江省数据要素流通安全与合规指南》；联合40家基地开展"导师+工程师+数据合规官"三元协同培养。
-
2026年，首届"中国大数据技术与工程青年实务论坛"在杭州举办，标志专业学位迈向"问题牵引-数智赋能-合规护航-价值闭环"新范式。
四、2026年保研要求
-
招生计划： 约七十至九十人（含推免与统考），按专业学位类别招生、多方向培养。
-
网申时间： 预计2025年9月上旬开放。
-
申请材料： 代表性实践或科研成果、个人陈述、两封专家推荐信、实务潜力证明（英语六级480分以上优先；全国大学生大数据技能竞赛、"互联网+"创新创业大赛、Kaggle/天池竞赛获奖者优先；有互联网企业、数据服务商、金融机构、政府部门实习经历者优先）。
-
初试科目： 思想政治理论（101）+ 英语二（204）+ 数学二（302）+ 数据结构与算法或数据库系统原理或操作系统（自命题）。
-
复试科目： 大数据技术与工程综合答辩与伦理评估，含实务案例阐释、数据系统/算法方案逻辑推演、数据安全与合规审查。
-
背景偏好： 计算机科学与技术、软件工程、数据科学与大数据技术为主，欢迎数学、统计学、信息管理、电子信息等跨学科申请。
-
备考建议： 提前十二个月确定方向并积累数据平台开发、算法建模或数据治理实践经验；复试重视解决复杂大数据工程问题的能力、多学科素养与数据合规伦理意识协同。
五、核心辅导要点
-
大数据平台与系统架构： Hadoop/Spark集群资源调度与YARN队列隔离策略；湖仓一体（Lakehouse）分层存储与冷热数据迁移优化；数据仓库维度建模与缓慢变化维处理；Kafka集群分区均衡与消费者组Rebalance调优；数据湖元数据管理与Schema Evolution兼容；《数据安全法》存储加密与访问控制合规审查。
-
数据挖掘与智能分析： 大规模特征工程自动化与特征重要性验证；不平衡数据过采样/代价敏感策略与AUC提升；时序预测模型（Transformer/LSTM）超参搜索与漂移检测；图神经网络在知识图谱补全中的收敛性验证；因果推断框架（DID/IV）在A/B实验中的偏差校正；模型可解释性SHAP/LIME分析与业务归因对齐。
-
数据治理与隐私保护： 数据质量六维度（完整性/准确性/一致性/及时性/唯一性/有效性）评估与修复；数据血缘自动追踪与影响分析；主数据管理与跨系统实体对齐；差分隐私ε参数校准与效用损失量化；联邦学习梯度泄露攻击复现与Secure Aggregation加固；《个人信息保护法》最小必要原则落地与PIA评估。
-
行业大数据应用： 金融反欺诈实时规则引擎与知识图谱推理融合；医疗多模态数据（影像/电子病历/基因组）对齐与隐私脱敏；工业IoT时序异常检测与设备剩余寿命预测；城市交通多源数据融合与信号灯配时优化；零售用户画像构建与标签体系合规审查；《关键信息基础设施安全保护条例》数据分级分类执行。
-
实时计算与流处理： Flink/Spark Streaming端到端Exactly-Once语义保障；CEP复杂事件处理模式匹配与窗口语义设计；实时数仓ODS→DWD→DWS分层与延迟SLA控制；流批一体架构统一SQL引擎与一致性验证；背压检测与自动扩缩容策略调优；《实时数据处理系统技术规范》容灾切换与数据不丢不重验证。
六、面试与文书策略
-
面试训练： 侧重典型大数据工程实务案例即兴分析，如某电商平台大促期间数据湖写入延迟飙升归因与分区策略调整、某银行联邦学习模型梯度泄露OOS调查、某城市大脑交通数据融合口径不一致原因追溯、某工业IoT平台Flink作业反压导致数据丢失复盘、某医疗数据共享项目脱敏不充分导致隐私合规整改等；强调从问题识别到性能/安全验证再到合规落地的全链条逻辑论证；考察工程功底、系统思维与数据伦理底线协同。
-
文书核心： 体现对数据事业的深耕积累、扎实平台开发或算法建模经验与服务国家战略使命感；避免空泛追捧"大模型""数据要素"热点或脱离工程落地与合规本体；突出"在集群中调性能，在数据中寻规律，在治理中守底线，在推动安全高效智能可信的大数据技术与工程实践中践行数智担当"的职业态度。
-
个人陈述要点： 清晰呈现"参与什么项目-遇到什么数据难题-如何多学科协作解决-取得什么实效-反思什么局限"的叙事主线；量化成果（处理数据规模、查询延迟降低比例、模型AUC/F1提升幅度、数据质量合格率、成本节约量、专利/论文/竞赛奖项、平台上线/标准采纳情况等）。
七、咨询方式
如需了解保研报名详情、获取一对一规划指导，请联系：
-
电话： 4000003363
-
微信： 13671344286
