大数据与人工智能已上升为国家战略,而相关人才成为数字经济发展的首要资源。因此,培养高素质、高技能应用型大数据人才,充分发挥学校与企业的优势资源,加强校企合作,探索新时代下产教融合、协同育人的培养模式,成为目前各大高校亟待解决的问题。
目前,国内许多高校都开设了大数据相关专业,甚至某些高校的经管学院、统计学院、会计学院也纷纷开设大数据专业,大数据与行业的融合日益密切,培养跨行业的大数据应用型人才迫在眉睫。对于本科、高职院校来说,人才培养的侧重点应当是不同的。
对于高职院校来说,人才的培养更应该侧重应用。对于本科院校来说,则是理论与应用并重,理论是基础,应用是目标。
对于大数据相关本科专业的学生,教师首先应让其系统掌握数据分析的相关理论,包括高等数学、线性代数、数据统计、应用统计、数据分析、自然语言处理以及编程这些理论知识。
对于应用方面的教学来说,教师应该让学生掌握大数据的获取能力、分析能力、决策能力。不管是大数据的获取还是分析,最终的目标都是为了做决策。
目前来说,国内新获批的大数据相关专业师资力量比较缺乏。为了解决师资的问题,学校可以聘请企业中拥有实际经验的工程师做兼职讲师,也可以安排教师到企业进行培养,从事大数据分析的工作,积累大数据分析与管理的经验和案例,然后用于教学。
总之,学校要注重师资队伍的建设,鼓励老师多参加培训、交流,到企业进行实践。
有了师资力量,大数据的相关课程自然就能够开设。开设课程首先要确定培养学生的目标,从而确定开设哪些课程。开设课程的时候一定要清楚课程的边界,比如有些专业的课程是重复性的,像机器学习和商务智能,机器学习注重理论,商务智能注重应用,即将机器学习的理论和方法应用到商务。
为了提升学生的实践能力,目前国内各大高校都会选用数据分析平台,在平台选择上,建议考虑以下几个因素:
第一,功能满足教学需求
大数据分析平台首先要满足学院实验中心目前的教学需求。从数据的管理、仓库的建设、数据分析到成果管理、数据可视化,数据分析平台都要具备这些功能,这样才能改变以往教学由于实验平台的缺乏而重理论轻实践的弊端。
第二,平台操作适合教学
数据分析平台应当能够不分时间、地点,解决实验教学问题。比如目前处在疫情期间,许多基于实验的教学因受场地、时间的限制无法正常进行,数据分析平台就应当能够解决这个问题。
第三,实现“教用合一”
数据分析平台不应当只用于教学,最好在许多大型企业中得到应用,学校使用这个平台可以做到“教用合一”,为了学生工作奠定良好的大数据分析平台操作基础。
通过这个平台培养出来的学生,将来应聘到企业工作,如果该企业也使用了该平台,那么他到企业就可以得心应手,不需要再次培训;学校也可以采用协同育人的方式,为企业培养实际需要的大数据分析人才。
第四,提供丰富的案例库和数据库
对大数据分析教学来说,现在缺乏的不是理论,而是数据和案例。数据分析平台必须能够提供大量完善的企业案例和数据。
在应用型大数据人才的培养上,除了实验中心的建设以及数据分析平台的搭建,国内不少高校纷纷和企业展开合作。大数据的人才培养是应用型的人才培养,因此一定要坚持校企合作的人才培养模式。经过多年的信息化建设,企业拥有海量的数据,这就为数据获取、数据分析、数据决策提供了基础和条件。
大数据分析的前提就是要有大数据。同时,大数据的具体应用一定要和特定的行业相结合,比如从元月份开始,每天会产生很多疫情数据。我们不妨把让学生进行疫情数据分析。
可以先让学生先把疫情数据获取、收集起来,再通过数据分析平台分析各省的防治水平、医疗水平并进行评价、对疫情发展情况进行各种类型的预测。比如某个省的新增确诊是多少,累计确诊是多少,通过这些数据来分析防控措施的执行情况。
校企合作可以有多种多样的形式,对高职院校来说,可以和企业联合办学,制订联合培养方案,进行“订单式”人才培养。此外,学校和企业可以合作开发课程,还可以联合进行师资培训。
对于本科院校而言,目前很多高校都有青年教师到大型企业锻炼的项目。大数据企业可以接收高校老师进行培训,并与高校联合成立实训中心,开展科研、教学项目;大数据企业可以做培训项目的认证,向学生颁发证书。
此外,学校可以向学生授予创新学分。鼓励学生参加大数据相关的大赛,参加科研、实践活动,学生取得一定的成绩就可以获得学分。
在国家“新基建”战略指导下,大数据、人工智能作为核心组成部分,相关产业必将得到更大的发展。
而困扰这个行业发展人才短缺问题(未来3-5年,大数据人才缺口180万)也将更加严重,高校如何能够紧贴行业发展需求,培养和输送符合行业需求的应用型人才,为产业发展提供人才保障,是高校当前人才培养的重中之重。
高校必须持以开放的心态、加强校企合作,这是深化和落地应用型人才培养的必然选择。
文章标题:大学里的大数据专业,应该都教什么?
网站网址:http://chengdu.cdxwcx.cn/article/cgeecc.html