实施深度产教融合，培养大数据工程师

时间：2024-06-19

费如纯

(辽宁科技学院曙光大数据学院，辽宁本溪，117004)

实施深度产教融合，培养大数据工程师

费如纯

(辽宁科技学院曙光大数据学院，辽宁本溪，117004)

文章以“数据中国，百校工程”项目为例，阐述高校与企业联合办学深度融合，共同制定人才培养方案，联合实施人才培养过程，合作开展大数据科技服务，共同培养适应大数据行业发展的应用型的大数据工程师。

产教融合;人才培养;大数据

2016年5月，教育部学校规划建设发展中心联合曙光信息产业股份有限公司(以下简称为中科曙光)发起数据中国“百校工程”产教融合创新项目〔1〕，在全国遴选100所高校，共建“曙光大数据应用创新中心”，在人才培养、科研支撑、行业应用及社会服务开展合作，构建“大数据应用协同创新网络”，在大数据关键技术和大数据应用方面开展“产学研用协同创新”，为各个行业提供全方位的大数据服务。

2016年8月，教育部学校规划建设发展中心下发《关于数据中国“百校工程”产教融合创新项目先行先试合作院校入选情况及后续工作安排的通知》〔2〕，辽宁科技学院被确定为数据中国“百校工程”首批试点院校。该项目将有力助推辽宁科技学院的转型发展，对于推进辽宁科技学院产学研用创新机制建设，加强与相关产业的战略性资源对接，形成开放共享、协同创新的人才培养新模式具有十分重要的意义。

辽宁科技学院将与中科曙光开展全面、深入的产教融合和科研合作，创建了东北地区首家“曙光大数据学院”，共同建设“计算机科学与技术专业(大数据方向)”，共同申办“数据科学与大数据技术专业”。双方共建实践和科研基地，组建混合师资队伍，联合制订人才培养方案，合作实施人才培养过程，开展科研合作，建成大数据应用型人才培养示范基地、面向智慧产业的大数据技术研发和服务基地，共同培养适应大数据行业发展的应用型的大数据工程师〔3-6〕。

1 产教融合专业建设

1.1 人才培养方案的构建

辽宁科技学院相关教师与中科曙光的技术管理人员和资深工程师一起，充分研讨，反复论证，依据大数据人才需求调研分析结果，共同构建计算机科学与技术本科专业(大数据方向)实施全面产教融合的人才培养方案。从行业、企业大数据应用需求的职业素质和应用能力出发，科学分析学生应具有的素质、能力和知识结构，构建面向应用型人才培养的理论教学体系、实践教学体系和创新创业教育体系。课程设置科学合理、层次分明、衔接合理，实现人才培养与岗位能力、课程内容与职业标准、教学过程和工作过程的对接，逐步实现学历证书与职业证书的对接。

1.2 产教融合，联合培养

在教学实施的全过程充分体现产教融合，教学内容符合企业对人才知识、能力、素质的需求，教师团队由本校教师和企业工程师组成，采用项目化教学，教学项目来源于企业实际，采用先进的教学手段实施各个环节的教学，提高人才培养质量。

以工程项目为载体，项目驱动、工作过程导向教学模式贯穿于课程教学的全过程，逐步实施“翻转课堂”教学改革，将先进的设计思想、先进的软件、硬件设计开发环境引入到教学中来，使学生在工程环境中接受熏陶，激发学习兴趣，增强工程意识，提升工程素质和能力。

主干专业基础课、全部专业课的实践项目全部是设计性、综合性、创新性项目。在实践教学中引入大量企业实际项目。建设实践项目库，建设科学的面向大数据技术应用的实践指导书。教师和学生利用课内和课外时间参与实际的大数据科研和技术服务项目。

1.3 创新创业教育与素质拓展

实施5个学期的VIP创新项目、5个学期的职业素质教育。合作开展丰富多彩的大学生课外科技活动，在大学生创新创业训练计划项目、大学生创新创业竞赛中取得丰硕成果，营造优良的学习风气和创新氛围，将学生的主要精力引导到学技术、学本领上来。

在学生中成立学生团队，每个团队由若干学生组成，每个学生团队都有自己的能力素质提升目标、计划和措施。建立双导师制，每个学生团队配备一名学校教师和一名企业工程师，全程对学生的职业素质、技术应用能力和创新活动进行指导。

1.4 师资队伍、实验室与资源建设

合作开展“双师双能”型教师队伍建设。中科曙光对辽宁科技学院专业教师进行工程实践能力的培训，提高辽宁科技学院专业教师应用型人才培养的教学能力。建立由辽宁科技学院专业教师和中科曙光工程师组成的混合教学团队，共同完成应用型人才培养教学任务。

合作开展实验室和实训基地建设。由双方共同投入，根据人才培养方案和课程体系的要求，建设满足教学需要的实验室，实验室全面开放，与中科曙光公司、东北大数据中心、辽宁智慧山水城有限公司等建设校外实习实训基地，为培养学生的工程实践能力和创新能力提供平台。

在课程教学大纲的制订、教材的选用和编写、课程资源(含项目、案例、指导书、学习资料、网络课程等)、精品课程建设等方面开展广泛合作，建设优质的教学资源。

1.5 保障机制和评价机制建设

双方共同建立协同机制和管理组织，明确双方的职责、权利和义务，制订相关的规章制度和激励措施，科学管理，有效协同，调动双方人员的积极性和创造性，学校在师资配置、环境和条件建设方面给予大力支持，保障产教融合进行应用型人才培养的有效实施。

加强教学过程的监督控制，科学评价教师的教学态度和教学水平，保障人才培养的质量。建立科学的学习质量评价体系，引导学生自主学习、努力学习、科学学习，激发学生学习热情，提升学生的工程实践能力和创新能力，科学评价学生的学习质量。

2 大数据人才培养方案

2.1 培养目标

本专业旨在培养德、智、体、美全面发展，具有良好科学素养，具备一定的数学、计算机、软件等基础知识，较全面地掌握大数据方向的基本理论和技术，具有较高的综合业务素质、较强的创新与实践能力，能运用所学知识解决实际问题，能够从事数据采集、数据预处理、数据挖掘、大数据应用分析及开发、数据可视化等涵盖整个数据分析流程中的相关工作的高素质的大数据工程师。

2.2 课程体系

本专业对大数据行业岗位和岗位群进行调研，整合中科曙光企业资源和优势，构建适应大数据人才市场需求和大学生长远发展需求的专业核心课程。依据大数据专业人才培养目标和岗位能力需求，按照学习认知规律和教育教学规律，由简单到复杂、由单一到综合，构建“模块化、递进式”课程体系，确定每门课程的教学内容。

依据大数据处理的主要过程来确定专业课程是构建专业课程体系的关键。大数据处理的主要过程包含如下几个部分：

(1)数据采集：将各种来源、形式、结构的原始数据汇集起来，经过一系列处理过程，将采集的数据加载到数据库。

(2)数据存储：采用数据库存储数据，数据库可以是传统的关系型数据库，也可以是NOSQL数据库。

(3)基础架构：采用Hadoop等技术构建分布式文件系统、云存储等平台。

(4)数据处理：包括自然语言处理等，如MapReduce大规模数据集的并行编程模型。

(5)统计分析：运用统计方法，定量、定性地对数据进行统计分析，包括多种数据统计分析方法。

(6)数据挖掘：采用各种数据挖掘算法将大量数据中所隐含的有价值信息提取出来。

(7)模型预测：构建适当的预测模型，并进行建模和仿真。

(8)数据可视化：以图表等可视化的形式将大数据处理和分析结果呈现给用户。

根据上述过程，本专业主要包含如下专业课程：Hadoop大数据技术、数据仓库与挖掘技术、分布式数据库原理与应用、数据导入与预处理、数据可视化、大数据应用开发语言、机器学习、商务智能方法与应用、大数据分析和内存计算等。