新工科:数据科学与大数据技术实验中心解决方案,赋能高校新工科数智人才培养

本文主要是介绍新工科:数据科学与大数据技术实验中心解决方案,赋能高校新工科数智人才培养,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

随着数字经济蓬勃发展,数字化产业和产业数字化成为就业增长新动能。据人瑞人才与德勤调研显示,未来3年,数字产业化企业最需要运营人员和开发人员(包括大数据开发工程师、数据建模开发工程师等),其次是数据分析人员、算法研究人员、数据管理人员、销售人员和产品经理,说明技术革新与商业模式创新是助推数字企业发展的两大动力。

数据科学与大数据技术专业作为适应大数据技术发展与产业需求的新工科专业,自2016年首次设立以来,已经累计有747所高校开设。作为开设最早、规模最大的大数据专业,如何匹配产业人才需求、突出学科特色,是专业建设与人才培养的核心命题。

美林数据立足产业数字化转型实践经验,聚焦区域产业人才需求,创新“产岗课师学训研用”的人才培养理念,面向以“数据科学与大数据技术专业”为核心,辐射计算机、电子信息技术等传统工科专业的综合“数智人才应用能力培养解决方案”,赋能高校新工科创新大数据人才培养。

新工科数智人才培养综合解决方案

以服务区域数字经济产业集群发展为目标,探索面向数字化产业与产业数字化的理论型、实践型、应用型人才培养模式,从教学资源、实践环境着手,注重真实的产业实战环境搭建,建设具有区域特性和专业特色的大数据综合实验室。大数据综合实验室将搭建大数据基础环境,扩充大数据专业基础课、核心课、选修课等实践课程,引入制造、能源、金融、电商、零售、政务等行业的大数据应用实训项目教学资源,强化大数据分析工具应用和创新能力,同时进行产业认知、学科竞赛和行业认证等产业资源的链接,开展产业实践,为学生大数据技术及应用能力培养及教师教学与创新工作提供强有力的支持,从而形成集课程、实践、工具、竞赛、培训、认证于一体的一站式建设方案,创新产教融合模式下的高水平数智人才培养体系建设,为高校培养面向区域产业需求的数智人才提供有力支撑,在同类学校起到示范、推广和辐射作用。

面向院校和专业

本科:数据科学与大数据技术、数据计算及应用、数据科学等大数据专业,计算机、人工智能等相关理工科专业

大数据综合实验室

方案特色

聚焦产业人才需求,立足学科自身特色

人才培养方案设计以“区域产业链布局”为指引,结合高校区域特色和数据科学与大数据技术专业学科定位,围绕企业目标岗位的大数据平台运维、数据开发、数仓开发、数据库管理员、数据分析师、业务分析员、解决方案专家、数字产品经理等职业,以产业招聘为参考,倾向性培养学生的相关大数据技术技能、产业工具的驾驭能力以及工程性解决问题的能力。实现产岗结合、特色突出的人才能力地图与课程体系设计,打造院校个性化“数智人才应用能力培养解决方案”。

大数据综合实验室

夯实基础,应用为先、体系完整、形式多样

为满足高素质应用型专业人才的需求,同时兼顾跨学科交叉融合的需要,美林数据创新性地构建了包含元子实验、基础实验、应用实训、考试中心、教学管理、实验管理在内的六大能力平台。从教学资源和实践环境两方面着手,提供多维度、多模式的课程实践,结合即时学习成果反馈,推动学生总结和反思。帮助学生从理论到实践全面掌握知识和技能,更好地完成专业课程学习和人才岗位对接实训,从而实现数智人才高质量输送的培养目标。

源于产业真实项目案例,知识、技能、方法与素养的综合提升

以项目应用实践为核心,结合真实的企业大数据应用业务场景,以解决问题为目标进行项目实训,为高校师生应用实训提供环境与资源的双重保障,真正实现数据科学与大数据技术专业学生“应用能力”培养。

实验案例示例:《客户投诉行为预警分析》

本项目旨在实现电力服务客户投诉智能预警,通过还原真实处理流程,从业务背景理解、业务问题数据化思路转化、大数据智能应用开发全流程等不同维度,将大数据处理与分析技能、大数据项目实施流程和数据分析方法论相融合,涵盖Linux环境下MySQL和Python软件的安装和使用、数据分析建模与数据可视化等技能的综合应用。学生将通过完整的案例实践,综合运用大数据课程知识以及各种工具软件,实现大数据应用搭建的全流程操作。

大数据综合实验室
大数据综合实验室

资源与能力共建,构建成长型实验平台

基于美林数据丰富的产业资源优势,平台内置丰富的产业数据与课程资源,为高校学生教学、实训与创新科研提供基础资源支撑。同时依托数据资源管理平台提供大数据接入与管理能力,实现校内数据的连接和外部产业数据的对接,打造特色实验数据中心,为大数据实践教学和跨学科应用创新提供真实的数据资产。而平台开放的课程自定义配置与实验课程开发能力,支持老师结合自身教学经验进行个性化课程开发与优化改造,实现教学成员的迭代提升和资源统一管理,结合学科发展,构建开放型、成长型实验平台。

长效赋能工程,深化产教融合

为保障大数据综合实验室建设项目的顺利开展和长久运营,实现专业和企业人才共育、师资互动、成果共享的校企深度合作典范,美林数据将本着校企“共建、共管、共享、共赢”的原则,为高校提供涵盖课程创新、师资培养、产业认知、培训认证、学科竞赛、基地合作、产业对接在内的七大专项赋能工程服务保障体系,形成数智人才培养赋能的长效机制。

大数据综合实验室

典型案例

01 、北京师范大学

美林数据根据高层次数字人才培养内在逻辑和产业用人特质,以校企协同为基础,面向北京师范大学数据科学与大数据专业、人工智能培训班建设大数据综合实训教学体系,助力北京师范大学打造产、学、研、工一体化的校企深度合作模式,建设区域级的产教融合示范性平台,打造具备品牌优势与特色的国内一流专业,促进学校人才培养体系创新,为学校重点培养具备从事与大数据相关的科研、教学、研发、应用的高层次复合型人才提供支撑。

02 、新疆大学

新疆大学计算机科学与技术专业积极拥抱数字技术,响应数字经济发展需求,结合新工科建设与学生成长规律来进行人才培养模式的革新。通过美林数据的Tempo Talents——数智人才应用能力解决方案,对现有的实验模式进行了升级与创新,以应用实践为基础,结合沉浸式的学习环境,将知识、技能、工具与方法相融合,层层递进地培养学生数据思维及解决实际问题的能力。为新疆大学计算机科学与技术国家一流专业的相关课程实验项目和实验内容的综合性、设计性与创新性创造实验条件,从而不断提高新型工程人才的实践能力和创新意识的培养。

03 、广州理工学院

广州理工学院联合美林数据从产业发展的视角,围绕技能和科研提升从教学实践、项目实训、行业竞赛、科研工具等方面与广州理工学院展开多领域、多模式的合作。共同开展联合创新实验室建设,基于实验平台开设数十门大数据相关课程,服务学院上千名学生。引入大数据分析、数据治理、商业智能、大数据开发等多名产业导师,共同筹备应用研究院,开展专项师资培训。通过产业导师、高校老师与学生共同合作的方式,创新人才培养模式,打造了“师生共建”的创新组织,激发了教师与学生的创新热情。

04 、哈尔滨石油学院

美林数据与哈尔滨石油学院信息工程学院联合建设大数据综合实验室,依托美林数据Tempo Talents大数据应用能力成长平台,为学院建设集教学管理、实验管理、课程实践、项目实训的一体化大数据实践教学环境,构建了涵盖大数据基础课程、核心课程、专业实践课程、集中实训课程等在内的大数据实践教学课程体系,并依托美林数据在石油行业领域的大数据技术能力和项目实践经验,为学校打造了具有石油行业特色的项目实战案例库。同时结合“产业导师进课堂”专业赋能服务,开展大数据项目实战教学示范课堂,以行业应用为引导,以石油领域真实项目案例为基础,让学生了解行业最新实践与应用场景,通过实战演练提升学生解决实际问题的能力,使知识传授、能力培养和素质拓展融为一体。

这篇关于新工科:数据科学与大数据技术实验中心解决方案,赋能高校新工科数智人才培养的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/482118

相关文章

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码(使用select实现)代码解释总结在 linux 系统里,我们可以借助 select、

Java中的Schema校验技术与实践示例详解

《Java中的Schema校验技术与实践示例详解》本主题详细介绍了在Java环境下进行XMLSchema和JSONSchema校验的方法,包括使用JAXP、JAXB以及专门的JSON校验库等技术,本文... 目录1. XML和jsON的Schema校验概念1.1 XML和JSON校验的必要性1.2 Sche

C#使用iText获取PDF的trailer数据的代码示例

《C#使用iText获取PDF的trailer数据的代码示例》开发程序debug的时候,看到了PDF有个trailer数据,挺有意思,于是考虑用代码把它读出来,那么就用到我们常用的iText框架了,所... 目录引言iText 核心概念C# 代码示例步骤 1: 确保已安装 iText步骤 2: C# 代码程

Pandas处理缺失数据的方式汇总

《Pandas处理缺失数据的方式汇总》许多教程中的数据与现实世界中的数据有很大不同,现实世界中的数据很少是干净且同质的,本文我们将讨论处理缺失数据的一些常规注意事项,了解Pandas如何表示缺失数据,... 目录缺失数据约定的权衡Pandas 中的缺失数据None 作为哨兵值NaN:缺失的数值数据Panda

C++中处理文本数据char与string的终极对比指南

《C++中处理文本数据char与string的终极对比指南》在C++编程中char和string是两种用于处理字符数据的类型,但它们在使用方式和功能上有显著的不同,:本文主要介绍C++中处理文本数... 目录1. 基本定义与本质2. 内存管理3. 操作与功能4. 性能特点5. 使用场景6. 相互转换核心区别

Redis高性能Key-Value存储与缓存利器常见解决方案

《Redis高性能Key-Value存储与缓存利器常见解决方案》Redis是高性能内存Key-Value存储系统,支持丰富数据类型与持久化方案(RDB/AOF),本文给大家介绍Redis高性能Key-... 目录Redis:高性能Key-Value存储与缓存利器什么是Redis?为什么选择Redis?Red

python库pydantic数据验证和设置管理库的用途

《python库pydantic数据验证和设置管理库的用途》pydantic是一个用于数据验证和设置管理的Python库,它主要利用Python类型注解来定义数据模型的结构和验证规则,本文给大家介绍p... 目录主要特点和用途:Field数值验证参数总结pydantic 是一个让你能够 confidentl

JAVA实现亿级千万级数据顺序导出的示例代码

《JAVA实现亿级千万级数据顺序导出的示例代码》本文主要介绍了JAVA实现亿级千万级数据顺序导出的示例代码,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面... 前提:主要考虑控制内存占用空间,避免出现同时导出,导致主程序OOM问题。实现思路:A.启用线程池

SpringBoot分段处理List集合多线程批量插入数据方式

《SpringBoot分段处理List集合多线程批量插入数据方式》文章介绍如何处理大数据量List批量插入数据库的优化方案:通过拆分List并分配独立线程处理,结合Spring线程池与异步方法提升效率... 目录项目场景解决方案1.实体类2.Mapper3.spring容器注入线程池bejsan对象4.创建

线上Java OOM问题定位与解决方案超详细解析

《线上JavaOOM问题定位与解决方案超详细解析》OOM是JVM抛出的错误,表示内存分配失败,:本文主要介绍线上JavaOOM问题定位与解决方案的相关资料,文中通过代码介绍的非常详细,需要的朋... 目录一、OOM问题核心认知1.1 OOM定义与技术定位1.2 OOM常见类型及技术特征二、OOM问题定位工具