新工科背景下IT类专业大数据课程体系建设与教学模式研究

杨维明，王时绘，余敦辉，张 玮

（1.湖北大学 计算机与信息工程学院，湖北 武汉 430062；2.北京中科特瑞科技有限公司，北京 100193）

0 引言

随着通信技术的高速发展，互联网、物联网积累了大量的数据资源，存储成本的直线下降、存储方式的多元化、数据产生方式的巨大变化催生了大数据时代，大数据的主要特征是海量、多样、快速，为适应大数据特征要求而产生了一系列数据处理技术，包括大数据存储、预处理、分析和可视化等，并进一步推动了人工智能的热潮再次兴起[1]。当前，以大数据、人工智能技术为代表的新一代信息技术，正在改变人们的生活方式，同时也将导致传统产业的颠覆性革新。企业和社会急需大量的工程实践能力强、创新能力强、具备国际竞争力的高素质“新工科”人才；现有信息类工科专业存在着与企业行业脱节、学科知识结构与创新能力不适应大数据时代对信息类新工科人才的新要求。

1 大数据产业人才需求分析

1.1 企业数据人才类型及岗位需求

企业需要的数据人才主要包括4种类型：①大数据/人工智能科学家，要求能设计出满足客户需求的大数据、人工智能解决方案，包括需求分析、数据流转设计、特征工程、模型设计与训练、整体规划等；②数据/业务分析师，要求能运用大数据处理技术，包括数据处理、可视化、建模分析等方法，解决处理业务中的问题；③大数据应用开发工程师，能根据用户的业务需求，基于大数据平台开发出行之有效的应用程序，包括数据集成、数据加工处理、可视化等多个方面；④大数据管理工程师，要求了解大数据基本组件的架构原理、配置，并能对这些组件进行安装、使用、运维与优化等操作[2]。不同类型的数据人才的知识能力结构要求见表1。

国家信息中心发布的《2017中国大数据发展报告》明确指出，大数据产业人才需求的岗位特征，并提供了对应的调查数据，其中需求最为旺盛的前三类岗位是分析类、技术研发类和管理类岗位，三大类别的岗位在整个大数据产业人才需求的占比高达88.61%，同时，报告明确指出，本科学历的人才是目前大数据产业人才的绝对主力军。

表1 大数据人才与大数据知识能力要求对应关系表

1.2 不同IT专业计算机教育的差异

数据科学与大数据技术属于计算机科学与技术专业类，因此，大数据教育要以计算机教育为基础，要根据不同专业的计算机基础，开展分层次模块化的大数据课程教育。不同专业的计算机教育特点见表2。

表2 不同IT专业的计算机教育比较

1.3 大数据人才与专业的关联

从以上数据人才的分类以及不同专业的计算机教育基础特点可以看出，IT专业（计算机类/电子信息类等）毕业生朝着技术型人才方向发展，适合大数据技术研发类岗位、大数据管理类岗位；计算机/统计/数学等相关专业毕业生适合数据分析类岗位、大数据管理类岗位；而非IT类毕业生适合大数据管理类岗位。

据统计，80%的大数据技术型人才主要来自IT专业毕业生，其他专业毕业生只占20%；大数据分析类岗位中，IT专业毕业生占30%，数学/统计/信息系统专业毕业生占50%，其他专业毕业生占20%；大数据管理类岗位中，市场/营销/贸易/经济/工程等非IT专业毕业生占80%，其他专业毕业生占20%。

2 分层次的大数据课程体系建设

2.1 大数据行业技能与课程的关联矩阵

目前，大数据行业技能要求包含5个层次：①认知能力，包括理论、技术和应用3个层面；②基本技能，包含编程能力和数据库操作能力；③基础架构，包含Hadoop生态体系和Spark生态体系；④业务处理，包含数据采集与预处理、数据分析与挖掘、数据可视化；⑤延展性技术，包括算法、商务智能。

为了培养上述5个层次的技能，需将大数据课程进行模块化设计[3]。大数据课程与技能关联矩阵见表3。

2.2 IT类专业大数据课程体系建设

1）电子信息类专业大数据课程设置。

电子信息类专业要求学生具有较强的硬件系统设计能力和一定的软件开发能力，能基于特定硬件系统进行软件模块开发。为了适应大数据时代新产业的发展需求以及新工科建设的要求，学生还应掌握大数据、人工智能方面的新技术。

基于电子信息类专业传统的课程体系和专业特点，应对专业培养方案进行修订，面向电子信息类相关专业增设大数据应用方向，课程模块涵盖5个层次的能力培养，但考虑到学时的限制，对相关课程进行整合，主要大数据课程包括大数据导论、Hadoop技术与应用，将Python程序设计、数据采集与网络爬虫两门课整合成大数据编程与应用一门课开设，将数据导入与预处理、商务智能方法与应用两门课整合成大数据分析与应用一门课开设，选修机器学习或人工智能技术与应用一门课程。

表3 大数据课程与技能的关联矩阵

2）传统计算机类专业大数据课程设置。

面向计算机类相关专业，开设大数据应用方向，课程设置涵盖5个层次的能力培养，设置的大数据课程见表4。

表4 传统计算机类专业大数据课程设置

3）数据科学与大数据专业的大数据课程设置。

对于数据科学与大数据专业，开展“大数据+”专业教育。大数据专业作为主修专业时，大数据类课程设置71学分；大数据专业作为辅修专业时，大数据类课程设置47学分。

主修核心课程：面向对象程序设计、操作系统、数据结构、数据库原理及应用、Java应用开发、算法分析与设计、Python程序设计、大数据分析与内存计算、Hadoop 大数据技术、数据导入与预处理应用、数据挖掘技术与应用、分布式数据库系统、数据采集与网络爬虫、大数据处理与编程实践、计算机网络等[5]。

金融大数据方向课程模块（选修24学分）：数学建模、R语言建模与应用、多元统计分析、自然语言处理、机器学习、金融大数据分析、区块链原理与技术、数据可视化技术、商务智能方法与应用、人工智能技术与应用、混合现实技术、智能人机交互、互联网金融信息挖掘、社交网络与舆情分析、时间序列分析、统计软件与应用、工业大数据分析应用案例。

教育大数据方向课程模块（选修24学分）：数学建模、R语言建模与应用、多元统计分析、自然语言处理、机器学习、数据可视化技术、商务智能方法与应用、人工智能技术与应用、混合现实技术、智能人机交互、社交网络与舆情分析、统计软件与应用、教育学概论、教育统计学、教育心理学、教育管理学、教育评价学、教育经济学、教育大数据分析。

3 教学模式改革

新工科建设除了要求对原有工科专业的课程体系进行改革，使之适应新产业的知识结构要求外，更强调工科专业人才培养要聚焦解决复杂工程问题能力的培养，这就要求对传统的教学模式进行改革。

3.1 VIP教学模式

校企联合成立VIP项目管理组，项目管理组从项目资源池中遴选适合的项目设立VIP项目，其教学目标是：①以一个真实的大数据项目为主线，循序渐进的让学生完成包括数据集成、分析挖掘、可视化的数据处理全过程，了解大数据行业项目处理的实际流程；②打造真实的工程场景，尽快建立学生对于学科的学习兴趣，在实际工作中培养学生的工作素养与专业能力；③通过实际的大数据行业全流程项目实战，训练学生大数据思维；④学生在实践中完成学科知识系统化的深入理解，具备理论与经验共同导出行动的能力，完成无法预测结果的任务，更深入地建立课程与实际工作场景的关系。具体实施步骤如下：①各专业课程的理论授课：确定课程教学内容、方法与目的，重点讲授关键知识点、技术点；②各专业课程的实践授课：通过不同的子项目覆盖课程的关键知识点和技术点，帮助学生在实践的过程中进行理论的学习与深入掌握，最终通过一至两个综合项目将所有课程相关的知识点、技术点串联起来，帮助学生对于课程的整体掌握；③专业实战课程：让学生分阶段（环境部署——数据预处理——数据可视化）的完成项目实战实训，建立各门独立学科与数据处理各个关键阶段的实际关联；④VIP项目实践：以一个真实的大数据项目为主线，让学生基于Xdata、Insight、Mining等行业系统开展项目实战，将所有学科知识以及各个数据处理关键阶段全部贯穿，完整了解并掌握行业实际工作内容与流程；⑤毕业设计部分内容：在工程师与老师指导下，将大学前3年所做的VIP项目进行深度的数据挖掘与分析，最终形成指导行业的大数据分析报告（包含数据采集—预处理—储存—挖掘—分析—可视化）。

3.2 典型VIP实验教学项目安排

课程学时/学分：64/4。

主要仪器设备：电脑（Windows与Linux双系统）、曙光Infinity9000平台。

实验教学内容：涉及所有专业课程。

大数据VIP实验教学项目主要内容见表5。

表5 VIP实验教学项目主要内容

VIP教学法紧密结合学生专业课程的学习及职业素质的培养，强调引导和主导学生大学阶段的自我教育设计及教育过程实现；同时VIP项目的内部管理参考企业的研发管理和团队管理，强调KPI（关键绩效指标）考核，为学生创造企业化工作氛围和职业素质培养锻炼的环境；VIP教学模式贯彻了以学生为中心的教育理念，注重培养学生解决复杂工程问题的能力，其教学内容、考核方式可根据实施效果持续改进，满足新工科建设的要求[6]。

4 结语

新工科建设是机遇，也是挑战。要培养适应大数据时代新产业发展的工程技术人才，要求对原有IT专业的培养方案进行修订。湖北大学作为教育部数据中国“百校工程”首批试点高校，提出了面向大数据应用的新工科专业建设理念，对信息类专业课程体系进行整体改革，针对不同专业开设不同模块的大数据课程，开展分层次的大数据教育。对推进学校一流本科专业建设，满足社会对不同类型的大数据人才的需求，具有重要意义。下一步，学校将进一步贯彻教育部产教融合、协同育人的教育教学改革理念，加强校企混编型大数据师资团队建设，不断完善实践教学平台建设，以教育部倡导的八大信息类学科竞赛为引领，建立适合新工科人才培养的课外创新创业教育体系，建立基于校内质量监控与校外评价反馈的持续改进机制。培养满足大数据时代要求的学科知识交叉、工程实践能力与人文素养协调发展，具有解决复杂工程问题能力的IT类新工科人才。