新工科背景下的大数据人才培养

汪卫复旦大学计算机科学技术学院上海数据科学重点实验室[e-mail]新工科背景下的大数据人才培养－复旦大学大数据人才培养情况介绍1目录•对新工科背景下大数据人才培养的理解•复旦大学大数据人才培养体系2对新工科的理解•新工科教育已经成为我国高等教育发展的重要推动力–工程教育的新理念：分析研究新工科的内涵、特征、规律和发展趋势等，提出工程教育改革创新的理念和思路。–学科专业的新结构：面向新经济发展需要、面向未来、面向世界，对传统工科专业进行更新升级•交叉融合和跨界整合–人才培养的新模式：开展深化产教融合、校企合作的体制机制和人才培养模式改革研究和实践–教育教学的新质量：研究制订新兴工科专业教学质量标准，开展多维度的教育教学质量评价等。–分类发展的新体系：提出推进工程教育办出特色和水平的宏观政策、组织体系和运行机制等。3对新工科的理解•在人才培养体系中贯穿新工科的思想–实现学科的交叉与深度融合的目标•交叉性课程–力度不太够•交叉专业–要做到适配性组合，避免0.5+0.5的问题–用能力的拓展代替知识的拓展–产学研紧密结合的课程内容设计–“创意-创新-创业”教育体系•通过具有真实产业背景的项目，帮助学生体验创新到创业的过程4大数据与新工科教育•大数据是信息技术领域新的产业方向•具有天然的学科交叉的基因–代表新的科学范式•第四范式–对其它学科有强大渗透力•创新创业的热土–大数据是和产业前沿紧密结合的方向–大量的创新创业的项目都和大数据有关5新工科下大数据人才培养的特点•新工科为大数据人才的培养提供了新的空间–大数据专业的建设–大数据与相关的人工智能可以在新设专业建设中发挥作用•智能科学–大数据可以在传统学科改造中发挥作用•新媒体技术、医疗信息学、。。。•新工科也为大数据人才培养提出了新的要求–聚焦核心能力–加大与产业的结合6大数据专业人才能力需求7大规模数据处理能力数据／知识管理能力数据展示能力访问分析能力数据加工能力数据获取能力领域结合能力•具有黑客的头脑•对数据有好奇心•对商业有热情是有影响力、有创造力，能解决问题的人硬能力软能力专业知识数据敏感领域结合新工科下大数据人才培养目标•技术融合专业–将大数据和相关技术作为专业的主要支撑能力•数据科学与大数据技术•智能科学专业–深入理解大数据和人工智能领域的主要技术，特别是对大数据分析技术有重要的需求–培养特点•掌握大数据管理和分析的主要技术和模型•强调对大数据分析工具的应用•理解大数据分析应用的建模8新工科下大数据人才培养目标•模型融合专业–将大数据和人工智能技术作为专业的工具型支撑能力–深入理解大数据和人工智能技术应用领域的需求与主要模型–培养特点•掌握业务需求、能够设计并实现分析模型，了解获取数据的途径•强调对大数据分析工具的应用，强调对业务和分析需求的掌握•了解大数据管理技术，不同程度的理解大数据分析模型9新工科下大数据人才培养目标•大数据工程师–主要面向计算机相关领域的大数据分析实践者，能够完成大数据领域相关系统的开发与实现–培养特点•了解业务需求、能够实现和优化分析模型，能够开发支撑大数据分析的数据处理和加工系统•强调对大数据处理和管理平台、大数据分析工具使用的深入理解和掌握10目录•对新工科背景下大数据人才培养的理解•复旦大学大数据人才培养体系11复旦大学大数据相关专业建设基本情况12数据科学第二专业（计算机学院）本科数据科学（计算机学院）统计学（大数据学院）硕士数据科学（计算机学院）统计学（大数据学院）博士智能科学与技术（信息、计算机、…）数据科学与大数据技术专业（大数据学院）新工科项目数据科学与大数据技术专业•目标–能够利用数据建模、分析与处理、统计推断的基本理论、方法和技能，从事大数据有关教学、科研、开发和应用的“复合型”人才–掌握大数据相关的统计、计算机、数学和应用学科的基础知识，以及数据分析、技术开发和应用的基本技能–通过系统学习专业课程，培养既有严格的专业技术训练，又有深刻数据视野的数据科学人才和数据技术人才，满足大数据相关产业对基础人才的需求•培养模式（“2+2”）–前两年在相关院系进行基础知识的学习–后两年在大数据学院进行专业知识的学习数据科学与大数据技术专业14数学分析、线性代数、程序设计、统计学、大学物理、模拟电子学、经济学、管理学、生物科学导论基础课专业必修课统计与分析凸优化、数值算法、随机过程、时间序列与空间统计、预测分析、数据融合与同化、数学模型专业选修课系统与数据挖掘文本数据分析、深度学习、大数据解析、数据挖掘、自然语言处理、计算理论、图像处理、算法设计与分析理医工学大数据医疗大数据统计、医学图像分析、生物统计学、组学数据分析、卫生统计学、心理统计学社会科学大数据社交网络挖掘、金融计量学、商务分析、新媒体分析、决策理论、金融风险管理、社会科学方法论数据结构、概率论基础、计算机原理、数值算法与案例分析、人工智能、大规模分布式系统、数据可视化、数据库、统计学基础、最优化方法、统计(机器)学习、统计计算、金融与经济数据挖掘数据科学第二专业•目标–掌握大数据的思维方式•利用数据解决问题–具有交叉学科思维•跨学科的课程设计•多学科背景的班级组织–具有大数据分析的能力•良好的数学基础•基本的编程能力•理解大数据分析平台技术•理解数据分析与挖掘的原理和技术•教学计划规定的41学分–专业必修课26学分•专业课程学学习•毕业设计，组队完成项目（学科交叉、学校和企业导师）–选修专业课15学分（模块化领域方向）•数学、新闻、经济和管理、生物和医学等各个学科的基础课程•学生需要修满至少一个专业的课程•成绩合格者，将颁发《数据科学》第二专业证书本科第二专业•学生情况–几乎覆盖复旦大学所有的专业–文理科比例约35:65–学生的学习积极性比较高•当前面临的主要问题–学生背景的差异性–由于教室规模的问题，限制了学生的规模•最大的教室可容纳140人•上海东北片高校联盟16数学基础(线性代数、数学分析、概率与统计)编程基础（程序设计、数据结构、计算思维）系统基础（计算机系统基础）数据科学第二专业课程体系17专业素质思维素质领域数据学大数据分析技术基础课程数据管理(数据库系统)数据分析与加工(数据挖掘、机器学习、分析模型)专业能力数据展示(数据可视化)数据平台(大数据平台)智能科学与技术专业•目标–系统掌握智能系统构建的核心理论与技术–具有较强的综合动手能力•由信息学院、计算机学院、类脑研究院、微电子学院共建•涵盖四个方向–智能系统–智能数据处理–智能芯片–类脑智能大数据课程体系的组织规划（建设中）19大数据与人工智能学程数据科学第二专业智能科学与技术专业“2+2”项目大数据与人工智能学程（建设中）•背景–探索高校计算机基础教育的模式•从单纯的技能培养到思维方式的培养–应对新工科背景下的计算机教育的需要•将计算机的最新技术发展融入到其它专业的教学过程，支撑“半专业”计算机人才的培养•课程设计原则–基础性•掌握的基本编程技能–前沿性•课程涵盖机器学习等领域最新知识–实践性•通过1-2个综合课程实践，提高学生的动手能力20面向学程的教学组织•大数据与人工智能学程–课程体系设计•基础类–程序设计、数据结构与算法设计、离散数学•核心知识类–人工智能、机器学习、图像处理与机器视觉、现代计算机与网络系统、数据库与数据挖掘、数学建模•实践类–大数据与人工智能实践、领域数据学与实践•每门课4学分–课程内容融合–增加研讨性内容–增加实践性内容21谢谢！22