首页 / 教学科研 / 人才培养模式 / 详情页
教学科研
人才培养模式
大数据与人工智能学院 2018-05-29

一、人才培养方案制定

1、培养方案制定基础

为使培养方案真正满足当前就业市场、社会需求以及未来学生自身成长特点,针对数据科学与大数据技术专业和人工智能技术应用专业培养方案的制定进行大量基础调研、统计分析和研究工作,包括调研分析行业能力要求和知名企业技术体系、国内外权威机构发布的人工智能行业调查报告。同时结合学院办学定位,在此基础上分析提炼作为人才目标体系构建和培养方案形成的基础,研究工作如下:

1)深入调查企业就业市场,分析岗位职责能力需求

根据智联招聘、猎聘网和前程无忧等国内各大招聘网站发布的职位,从统计结果来看:

大数据人才需求来自于与各个行业跨界融合的互联网企业,基于大规模样本前提下针对不同数据工程师岗位职责和任职要求进行分析和提炼,整理出就业市场对大数据人才知识、技能和素养等方面的要求。

对人工智能技术应用工程师的需求来自于包括智慧城市、智慧医疗、智慧政务、生物、互联网、金融、通信乃至农业的许多行业,需求量巨大。基于大规模样本前提下针对不同行业人工智能应用工程师岗位职责和任职要求进行分析和提炼,整理出就业市场需求对人才知识、技能和素养等方面的要求。

2)引入企业技术体系和行业标准

构建人才培养体系过程中,本专业对国内知名IT企业进行专项调研,包括科大讯飞、上海汉得、合肥君正等知名大数据、人工智能企业,深入分析企业岗位能力要求与当前知识能力体系对应关系,引入知名企业成熟的体系和行业标准,对人工智能技术应用专业课程体系模块进行调整优化,课程体系依据分属领域不同分为基本知识能力学习领域、学科基础知识领域和专业基础知识领域,并构建模块化的、基于应用能力培养的课程体系。

2、培养方案制定思路

人工智能技术应用专业在参阅国内外高校人工智能专业设置以及人工智能领域人才培养重要观点基础上,进行行业和就业市场分析,引入科大讯飞、上海汉得、君正等国内知名人工智能企业岗位能力要求,提炼出基于学院办学定位和学生实际的人工智能应用专业人才培养目标。并按照布鲁姆分类法从知识、能力和素养三方面进行分解直至到具体课程知识点,使培养目标与知识、能力紧密联系对应起来,同时制定完善的教学质量评估体系,保证培养目标和培养结果可测量。培养方案制定路径如图1所示:

image.png

    二、培养模式及特色

1、采用三段式”+“三明治”+三学期制培养模式

为培养符合企业需求的应用型人才,有效提高学生的分析、解决问题与实践动手的能力,大数据技术专业采用三段式培养模式,即2+1+1夹层模式。第一阶段为数理基础及专业核心课程培养,该阶段强化和拓宽数理基础,为学生后期专业学习打好扎实的基础;第二阶段为专业方向课程学习及实训和项目开发培养,该阶段学生能力从基本技能锻炼进阶到项目开发,最后到岗位能力素养培养,逐步从基本知识能力过渡到软件应用能力最后到岗位职业能力。第三阶段为企业实习与毕业设计,在该阶段每个学生至少完成6个月以上对口企业实习的经历,通过企业实习使学生尽早地融入到社会企业文化当中,真实体验企业的职业要求,尽早建立职业发展规划,为就业做好准备工作。

遵照执行三学期制,秋季学期和春季学期主要安排课程学习,夏季学期主要安排应用型课程,以企业项目制工作模式进行教学探索,增强学生实践技能。夏季学期课程一般由企业双师团队为主进行授课,让学生及早感受到企业工作模式和节奏。

2、专业特色

数据科学与大数据技术专业和人工智能专业以行业需求和企业岗位能力为导向,以建构主义思想重新构建面向行业应用的课程及其教学资源体系,以互联网技术和信息化手段为依托建立符合认知学徒制的教学模式,建立面向应用能力的考核评价机制,实现全面系统的改革。

1)课程设置与培养内容面向行业、企业需求

数据科学与大数据技术专业在一系列调研基础上构建了面向行业应用型人才培养的课程体系。

Ø  提炼出基于学生实际的大数据技术人才培养目标,针对培养目标分解出关键领域、关键单元及每个单元对应的知识、能力和素养,构建目标体系。

Ø  在充分分析大数据行业岗位群所需能力和素养的基础上,对应用类课程围绕特定的主题或内容对原有教学内容进行重新整合,构建以能力培养为核心、独立的模块化课程体系。

人工智能专业在一系列调研基础上构建了面向行业应用型人才培养的课程体系。

Ø  提炼出基于学生实际的人工智能人才培养目标。针对培养目标分解出关键领域、关键单元及每个单元对应的知识、能力和素养,构建目标体系。

Ø  在充分分析人工智能行业岗位群所需能力和素养的基础上,对应用类课程围绕特定的主题或内容对原有教学内容进行重新整合,构建以能力培养为核心的、独立的模块化课程体系。

2)构建了个性化人才培养体系

专业以学生为中心,尊重学生个性发展的思路优化专业建设思路、改革人才培养模式,满足不同层次和兴趣需求的学生需要,以智慧学习平台为支撑将传统以教为主往以学为主转变,教师回归辅导者与设计者角色。图 2 为个性化人才培养体系图

image.png

个性化人才培养体系图

针对两个专业(方向)实行的个性化教学模式如下:

模式1:讲师+助教+平台自主学习

对于实践性较强的专业基础课程、专业方向课程采用该模式。该模式也称为基于博思平台的翻转课堂模式,在该模式中,讲师、助教和辅导员承担不同的角色和职责,讲师角色定位于解决学生学习质量问题,制定引导式计划、查看平台数据、整理授课内容、安排助教相关任务;助教角色定位于提升学生自主学习质量,针对自主学习进行辅导答疑,督促学生提交线下作业,督促学生完成学习计划;辅导员主要协助解决学生不学问题,跟踪不学学生情况并及时反馈给主讲老师。

模式2:独立自主学习

针对完全技能类型的课程采用线上独立自主学习模式。以计算机技术基础、软件测试技术基础两门课程为例,教师将课程资源、学习计划、练习题库、以及考核试题等全部整合到学习平台中,学生可平时在线自主学习完成学习计划,学生存在问题可在线求助或提问,平台上有专门团队进行答复,老师定期根据学生学习情况安排辅导答疑,学生在学习目标完成后可自主申请考核。

模式3:理论讲解+团队大作业+项目评审模式

对于理论性和专业性都非常强的专业课程采用该模式,以大数据技术课程为例,由教师进行大班理论授课,小班由企业工程师进行岗位技术实践教学,理论和实践螺旋式推进,理论指导实践,实践促进理论理解。另外,通过各次大作业的答辩评审(随机抽取其团队中的一位成员)驱动完成该门课的理论授课,这种模式极大的提升了该门课程学习质量, 并且各次大作业产物作为综合项目设计阶段产物提高学生积极性,学生动手去开发,组队来做一个软件,让他们真正体会到大数据技术课程知识的实用性, 真正意义上提升团队合作、沟通、大数据技术专业文档能力等。

模式4:个别指导

针对某些理论较少,需要学生自己课下多加练习的课程,采用个别指导的教学方式。以逻辑思维训练课程为例,教学以学生线上自学为主,平台上提供完善的学习资料、学习计划和训练题库供学生线上自主学习和训练,讲师根据课程重难点和学生反馈问题组织若干次集中指导,另外学生学习过程遇到障碍或者问题还可以通过学习平台、答疑系统或者即时通讯工具想讲师进行反馈。学生可以依据自己掌握情况自定学习进度,完成教学计划的学生并可申请提前考核。

模式5:分层教学

传统自然班级采取固定步调的授课模式,但是实际过程中学生能力参差不齐,统一步调的授课模式难以匹配所有学生的要求,很难实现每个学生在原有知识基础之上得到最大发展。为实现每个学生能在原有知识基础之上都能得到最大程度地发展和提升,大数据技术专业在小学期集中实践培养锻炼阶段采用分层教学模式,将学生成绩和个性指标相近的学生分在同一层次内,根据各个层次学生当前基础能力情况制定针对性的培养目标、实施计划及完成的项目。

3)完善以实践能力培养为主线的一体化的人才培养体系

数据科学与大数据技术专业和人工智能技术应用专业着眼于学生应用能力培养,构建并完善了实践教学主线,将能力培养当作一项系统工程,从学制、课程、实践构建完善了以实践能力培养为主线的一体化的软件人才培养体系。

Ø  夏季小学期——实践技能强化。在大一、大二暑期进行为期一个月的综合实训,解决前期理论学习阶段知识应用问题;

Ø  集中式培养——专业能力培训。该阶段放在大三上学期完成,对企业所需的应用开发知识进行部分强化外,主要内容将集中采取企业情境、项目主导的模式进行培养锻炼。在能力培养方面,从基本技能锻炼进阶到项目开发能力,最后到岗位能力素养培养;

Ø  企业实习——岗位能力训练。所有学生在大三下学期与大四上学期考核通过后必须进入到企业中进行实习达到6个月,接触真实企业项目开发工作,提升学生实际应用能力与社会适应力;

Ø  第二课堂——加强创新意识和创新思维的培养。数据科学大数据技术专业开设第二课堂纳入人才培养方案作为第一课堂知识的应用和创新能力提升的有效场所。学生至少修满2个学分专业任选课或通过第二课堂来置换,目前第二课堂主要包括教师的横向课题,创新创业项目、专利申请和和参与省、国家级相关竞赛作品等作为第二课堂课程内容

4)项目式学习

结合目前教育界流行的PBL教学方式,我们设计出了一套项目式教学方案。该项目式教学整体方案以学生为主体,以能力培养为核心,通过单元项目、课程项目、学期项目、经典项目和综合设计与实践项目间的演化进行项目开发。在能力培养方面,从基本技能锻炼进阶到项目开发能力,最后到岗位能力素养培养,人才培养规格逐步从基本知识能力过度到专业应用能力最后到岗位职业能力,项目分类如表1所示:

                                                                                                                           1项目分类

项目名称

特点

目标

适合课程范围

单元项目

通过单元项目的形式支撑课程学习,改造现有的技能型课程资源,让学生明确知识应用场景。给定项目需求,使用现有技术分析问题,然后逐渐增加新的需求,扩展所设计的内容,从“小微”的项目逐渐演变成具有一定规模和复杂度项目的过程。

在一门课程当中针对细分知识点设计相关训练任务,培养学生知识应用与技能。

 

专业基础课程、专业方向课程

课程项目

针对具体课程知识点的综合项目任务,对该课程内容进行综合运用性的训练。

锻炼学生具体技术的掌握和使用能力,理解具体技术所专门针对的特定问题集。

专业基础课和专业课

学期项目

针对上学期和本学期的学习内容展开训练,偏重于知识点的理解以及综合运用能力方面的锻炼。

将特定知识点与软件工程过程相结合,加强学生对特定知识点的理解以及综合运用能力。

机器学习与Python项目实践、面向对象与数据结构项目实践、机器学习应用项目实战三门课

经典项目

让学生阅读代码,在理解已有代码的基础上完成新的功能开发。

锻炼学生阅读代码的能力,通过在已有项目基础上进行增补开发的任务,训练学生行业规范意识,学习优秀的代码设计思路,对高级技术应该场景体有感性认识等,提高分析问题与解决问题能力。

方向课程

综合设计与实践项目

根据需求文档,以团队形式完成项目设计与编码。

锻炼学生需求文档的阅读理解能力以及项目设计和编码能力;锻炼学生实际业务场景问题分析和解决的能力;锻炼学生团队项目合作以及沟通表达能力。

项目设计,使用方向课程(岗位技能课程)知识和技能完成项目的实现,该项目贯穿一学期。

5)建立目标导向的考核模式

教学过程中因学生差异必然会出现目标达成不一致及学习进度各异的情况,有的学生学得快一点,有的学习学的慢一点,鉴于此,人工智能技术应用专业针对学生该特点在方向课程采用目标导向的考核模式,支持灵活考核。学期内学生可以申请多次考核,第一次考核设置为固定时间点,自认为没有达到目标要求可以不参加,完成学习计划并认为达成目标后学生可以按照规定申请考核,但是申请时间最晚不得超过期末考试的时间。