如何写论文?写好论文?免费论文网提供各类免费论文写作素材!
当前位置:免费论文网 > 计算机论文 > 计算机科学人才培养模式

计算机科学人才培养模式

来源:免费论文网 | 时间:2018-03-30 09:01:58 | 移动端:计算机科学人才培养模式

计算机科学人才培养模式 本文关键词:计算机科学,人才培养模式

计算机科学人才培养模式 本文简介:摘要:针对数据人才培养的时代需求,以培养数据科学与工程特色的计算机科学与技术人才为目标,提出优化传统的计算机科学与技术专业课程体系,以特色研究型课程为抓手,建设“数据分析与挖掘课程群”,具体阐述改革思路目标,并结合山西大学的学科平台建设说明实施办法。关键词:数据科学;工程特色;数据分析与挖掘;人才培

计算机科学人才培养模式 本文内容:

摘要:针对数据人才培养的时代需求,以培养数据科学与工程特色的计算机科学与技术人才为目标,提出优化传统的计算机科学与技术专业课程体系,以特色研究型课程为抓手,建设“数据分析与挖掘课程群”,具体阐述改革思路目标,并结合山西大学的学科平台建设说明实施办法。

关键词:数据科学;工程特色;数据分析与挖掘;人才培养模式

引言

目前,数据已成为与自然资源、人力资源一样重要的战略资源[1]。要想有效组织、使用并发现数据中隐含的巨大价值,必须拥有数据科学与工程专业人才。但由于国内外高校开展数据科学与工程人才培养的时间不长,技术市场上掌握大数据处理和应用开发技术的人才十分短缺。因此,高校需要与时俱进,面向新时代新挑战,为国家和社会培养出足够的优秀的数据人才。数据科学通常指利用科学的方法、过程和系统从结构化或非结构化数据中抽象出有效知识并加以应用的学科;数据工程是指利用工程的观点进行数据管理和分析以及开展系统的研发和应用[2]。国际上认可的数据科学过程为:首先提出与数据相关的问题,即基于数据想要预测、估计或发现什么;然后获取数据,即数据采集与清洗、存储与管理;然后分析挖掘数据,即探究数据中是否存在规律性或反常的东西;最后对数据建模,并进行模型验证,验证从数据中学到的东西是否正确或有意义。这个过程与计算机科学紧密相关,每个环节相互作用相互影响,如图1所示[3]。随着数据的规模增大、结构混乱等复杂因素的出现,过去能解、易解的问题变成了不可解或不可表示的问题;数据的存储、软件系统与计算模型的设计与实现也遇到了各种困难和挑战。传统的计算机科学要从关注科学计算、商业计算转变为关注利用数据科学与工程理论与方法进行的大数据计算,这就要求高校必须要培养具有数据科学与工程相关能力的计算机专业人才,以契合新时代下国家重大行业和地方产业的需求。但传统的计算机科学专业人才培养方案缺乏数据人才所需具备的数据思维与数据采集、存储与管理、分析与挖掘、可视化与应用的覆盖数据科学完整过程的一系列理论知识和实践能力的培养与训练。因此,现行的计算机专业教学体系在完成数据科学与工程相关能力的培养上,无论基金项目:2015年山西省高等学校教学改革项目(J2015003);2016年山西省高等学校优势专教学内容还是教学方式均有待优化和改革。

1改革思路和目标定位

构建数据科学与工程特色鲜明的计算机科学与技术人才培养方案的改革思路为:围绕数据科学与工程独特的学科基础和内涵,优化计算机科学与技术课程体系;结合学院高水平学科平台,系统构建“数据科学与工程课程群”;依托协同创新中心与创新团队,探索多种人才培养模式。从思维与意识、知识、能力、技能等方面确定具有优良数据科学与工程素养的计算机科学与技术人才的培养目标:①思维与意识:培养学生的数据思维,树立学生从抽象的数据中提取价值和解释数据的意识。②知识:培养学生掌握能支持在数据科学领域与计算机科学领域进行探索创新所需的算法设计与实现、数据分析与挖掘等的专业基础知识。③能力:培养学生能够从数据工程师的角度分析问题,并具备采用一定策略进行数据收集、存储与管理、分析与挖掘、呈现与应用的能力;具备从程序员的角度分析问题及采用一定策略进行算法设计与实现解决问题的能力,并具有计算机软硬件系统的全局认识和基本的计算机系统设计能力;具备自我探索学习与凝练问题的能力。④技能:培养学生能熟练使用Java等语言及其开发环境实现可以正确运行的程序;较为熟练地掌握和使用通用数据科学工具与平台。

2具体实施办法

高水平学科平台不仅是科研创新的引擎,同时也是教学创新的输出源头。近年来,山西大学计算机科学与技术学院努力构建了以下学科平台。(1)攀升计划与学位点。山西大学有计算机科学与技术一级学科博士学位点及博士后科研流动站,其计算机学科被评为“山西省高等学校优势学科攀升计划项目”,而且,该学科还是山西省2012年设立的首批特色重点学科。(2)重点实验室。学院拥有“计算智能与中文信息处理实验室”教育部重点实验室、“智能信息处理实验室”山西省重点实验室、智能信息处理山西省院士工作站。(3)创新基地。2013年,山西大学计算机学科牵头的“面向信息化的大数据分析与处理协同创新基地”通过山西省教育厅评审,列入首批培育建设项目;2015年该基地被山西省教育厅评审认定为“大数据挖掘与智能技术山西省协同创新中心”。(4)实验平台。围绕科学研究与教学的实验环境,本学科在教育部重点实验室、山西省重点实验室着力建设了两个大型实验仪器平台:①教育部重点实验室高性能计算平台,该实验平台可提供Windows2008HPC(1个管理节点,25个计算节点,1个文件服务器,全千兆网络互联)、LinuxHPC(1个管理结点,18个计算节点,1个1T存储,全千兆网络互联)和远程虚拟计算机(4颗6核CPU/2.0G,256G内存)3种系统环境的计算资源,为用户提供单机多CPU和多核计算资源服务。②山西省重点实验室大数据管理与计算平台,该实验平台可提供RedhatLinux系统环境的计算资源(1个管理节点,43个普通计算节点(2颗6核CPU/2.1G,48G内存),2个大内存计算节点(2颗6核CPU/2.1G,512G内存),全千兆网络互联),为用户提供集群式大数据计算服务。(5)创新团队。学院建成了山西省教育厅“智能信息处理”科技创新团队、山西省科技厅“智能信息处理”首批科技创新重点团队、山西省高等学校“复杂系统”优秀创新团队、山西省“传染病传播及防控”科技创新培育团队4个创新团队。学校依托这些学科平台,主动应对新挑战,以培养数据科学与工程特色的计算机科学与技术人才为目标,优化传统的计算机科学与技术专业课程体系,以特色研究型课程为抓手,系统建设了“数据分析与挖掘课程群”,拓展了多种培养模式,把人才培养融入到学科建设、科学研究、协同创新、社会服务中。

2.1围绕数据科学过程,优化计算机科学与技术专业课程体系

2.1.1课程优化的原则参照文献[4-7],围绕数据科学过程,基于以下原则对计算机专业的课程体系进行了优化。原则1:突出数据科学基础理论教学。在加强概率论、数理统计教学的同时,将数据科学导论、机器学习、数据挖掘、信息检索、自然语言处理等课程作为重要的专业必修课或选修课进行讲授。原则2:裁剪传统的计算机类课程,强化数据科学相关部分。在高级语言程序设计、操作系统、数字逻辑、计算机组成原理、计算机系统结构等课程中弱化传统材料的讲授,引入计算机科学在数据分析领域的最新应用与进展,如引入数据科学领域流行的Python与R语言,引导学生掌握泛型编程语言,弥补教材与时代脱节的不足。原则3:强调覆盖数据科学完整过程。开设数据采集技术、多源数据融合、大数据开源架构与平台、数据可视化等课程,力求覆盖数据采集与处理、存储与管理、分析与挖掘、呈现与应用等数据科学的核心环节。2.1.2课程体系设计课程体系如图2所示,主要包括以下几个论域。论域1:概率与数理统计,该论域主要引导学生理解概率与数理统计的核心概念和理论,掌握处理随机现象与数理统计的基本思想和方法,培养学生运用概率与数理统计方法分析和解决实际问题的能力。论域2:数据准备,该论域主要引导学生理解和掌握如何根据数据分析目标并在保证用户体验的情况下对数据进行采集与处理、存储与管理的基本理论与方法。论域3:计算机基础与数据科学平台,该论域主要引导学生掌握数据分析所需要的算法设计、程序实现、数据库等理论和方法,能够根据具体应用搭建计算环境和平台,并进行有效的算法实现。论域4:数据挖掘与可视化,该论域主要引导学生理解数据分析挖掘的基本理论和方法,利用相应算法、模型及工具进行数据分析,并可以设计合适的图表来正确传达数据内涵。论域5:数据的行业应用,该论域主要引导学生结合特定领域业务问题和现状,通过数据模型的建立、分析与验证获得可行的行业数据解决方案。上述论域涵盖了用计算机进行数据分析所需的数学基础和计算机基础,分析数据需要构建的数据科学平台,获得满足数据分析目标的数据的方法,进行数据分析的建模方法,包含场景、关系、交互、模式等方式的解释数据的设计与实现,建模进行预测等数据科学与工程专业人员所关注的核心问题。具体教学进一步将人才培养落实到“算法设计与实现能力”与“数据分析与挖掘能力”的培养上,因此,学生完成该课程体系的4年学习之后,可以达到具有优良数据科学与工程素养的计算机科学与技术人才的培养目标。

2.2依托学院特色优势建设数据分析与挖掘课程群

山西大学借助“计算机科学与技术一级学科博士点”及“计算智能与中文信息处理教育部重点实验室”,以优势学科和科研创新为特色,为高年级本科生设立数据挖掘、机器学习、文本信息处理、人工智能、信息检索等特色研究型课程。在这些课程中,教师将最新的科研成果、方法与理念转化为教学内容,突出一系列数据分析、知识获取的理论、方法与模型的讲授与训练,以学生为主体,采用灵活的教学方式,使学生通过这些课程的学习提升探索研究的兴趣。这些课程都是数据科学与工程学科体系中重要的理论基础课程,是数据人才培养的关键。学院通过开设这些课程,积累了数据科学与方向课程的授课经验,打造了一支高素质的智能信息处理教学团队,为系统实施数据科学与工程课程体系奠定了基础。

2.3依托协同创新中心,结合科研训练项目与学科竞赛,探索多种培养模式

1)与国内企业合作,创建校企协同培养模式。山西大学依托“大数据挖掘与智能技术山西省协同创新中心”,与山西省多家煤基产业大型国企和骨干软件企业组成核心协同单位。学校积极构建校企协同培养新模式,邀请企业研发工程师为学生讲授相关高级课程,突出行业背景、问题分析与建模、技术创新等环节的教学,将学生所学基础理论和方法与应用联系起来,为学生提供与企业合作解决技术难题的机会。同时,与合作单位推出企业实习项目、毕业设计项目,让学生尝试为企业提供技术支持,提升自己解决行业问题的能力与未来实际工作的能力。2)与国际知名学者联手,探索国内外协同培养模式。学校的协同创新中心还与在数据挖掘领域处于国际领先地位的加拿大Regina大学组成核心协同单位,这为开展国际学术交流与合作提供了渠道。学校探索了暑期学校、暑期课程等协同培养新模式,邀请国外有影响力的教授(如Regina大学的姚一豫教授每年暑假定期来学校授课、团队研讨、项目咨询)为学生讲授相关高级课程,同时,推出国际交换学习项目,开阔学生的学术视野,培养学生的学术研究与创新意识。3)结合科研训练与学科竞赛,深化问题驱动式培养模式。除了传统的专业课程实验、综合课程设计、系统毕业设计之外,教学团队还引入大学生创新性实验、科研训练项目与学科竞赛活动,学生根据自己的特点与兴趣选择合适的项目。在项目实现过程中,老师重点培养学生发现问题、解决问题的能力,学生通过与老师定期互动、系统学习相关领域知识、阅读重要文献、小组研讨等方式,完成问题提出、模型设计、技术实现和论文撰写等一系列科研工作,得到一整套发现问题、解决问题的能力训练和提升,增强实践动手能力,强化批判性和创造性思维与意识。

3结语

在数据成为重要战略资源的年代,专业的数据人才培养具有重大意义。目前提出的具有数据科学与工程特色的计算机科学与技术专业人才培养模式的相应改革还在进行中,取得的效果还需进一步验证和分析,相信这种思路和方法对其他大学实施数据人才培养的改革能够产生积极影响,同时也能够为我国高等教育面向大数据时代的转向提供新思路。

参考文献:

[1]李国杰.大数据(BigData)科学问题研究[EB/OL].(2015-10-03)[2017-08-09].

[2]周傲英,钱卫宁,王长波.数据科学与工程:大数据时代的新兴交叉学科[J].大数据,2015(2):90-99.

[3]VenturiD.如何自学数据科学?这21个课程能帮你入门数据科学过程[EB/OL].(2017-01-30)[2017-08-09].

[4]陈振冲,贺田田.数据科学人才的需求与培养[J].大数据,2016(5):95-106.

[5]徐昊,秦玥,黄岚.面向通识教育的数据科学课程建设[J].计算机教育,2016(8):158-162.

[6]陆枫.面向大数据时代的计算机系统能力培养改革与实践[J].计算机教育,2017(3):33-36.

[7]许嘉,吕品.哈佛大学数据科学课程教学初探[J].教育探索,2015(15):109-110.

作者:谭红叶 李茹 吕国英 单位:山西大学 计算机与信息技术学院


计算机科学人才培养模式》由:免费论文网互联网用户整理提供;
链接地址:http://www.csmayi.cn/show/213386.html
转载请保留,谢谢!
相关文章