9月22日，上海工程技术大学电子电气工程学院副教授黄润才在CIO时代APP微讲座栏目作了题为《对大数据专业人才培养的几点思考》主题分享。
2017年，上海工程技术大学作为首批招收数据科学及大数据技术专业的高校之一，第一批学生已经入学。这是国家或教育部对于学校前期工作的认可，也是对后续工作的鞭策。作为参与申报组织相关工作的老师，谈一下近些年的体会以及目前开展教学的体验。作为一门专业培养，不能将大数据专业培养成计算机学科的大数据方向。由于大数据的体系有自身的技术线路，在招收工作进行之前做了大量的调研和研究。
一、理解大数据专业
1.专业特色
大数据专业是一门交叉性的学科，以统计学、数学、计算机作为三大支撑性的学科，以及一些应用领域作为拓展性的学科。因此，大数据专业的培养体系比较复杂，且口径比较宽，这时是以宽口径、重应用为主的特色，包括数学基础、知识体系、编程能力、平台运维、系统架构和应用开发能力、算法研究能力等等。因为大数据目前由政府与行业主导，高校还未直接掌握大数据资源。因此，在大数据办学的过程中，应该是政企产学研合作结合的方式，政府支撑、高校主导、行业资源利用、科学院所联合开发平台，共享互动，联合办学。
2.应用领域
大数据应用形势发展非常迅猛，在此背景下，本科大数据专业近几年纷纷被高校申报。目前，大数据应用在各行各业取得了突飞猛进的发展，但教育行业还未拥有大数据的形势，但却站在培养大数据人才的前沿。因此，金融、政府部门、电信、零售、安全、交通、媒体等行业处于大数据应用的前沿，也是这些行业在推动大数据人才的应用。
各行各业在大数据的获取和应用领域中，教育在目前状态下在应用数据中不具有优势，但具有教学资源、教学平台、开放式办学理念，在人才培养方面要走出自己的一条独特道路，与政府企业相融合。
大数据的应用模式主要有四个方面：数据源、数据获取与存储、数据分析与应用、可视化产品与服务，这四个方面也是培养人才过程中的重点教学内容，其中每个过程都有可能涉及智能化体系，人工智能的结合是大数据的必然方向。大数据应用可以总结为两大类：精准化定制服务和决策支持与预测。所谓精准化定制服务是指供需双方依据大数据找到对需求方的特定化服务，通过大数据的按需分析达到最佳配置，类似于定向购物。通过大数据的分析提供定制化服务，达到精准化的方向。决策支持与预测是根据过去的数据或大数据容量，加入相关的因素就某个对象进行数据分析，能提供预警或动态优化，做出一些优化的结果对决策支持提供方法，包括风险预警和实时优化，
3.人的需求
各行各业都在需求大数据领域的人才，无论企业规模的大小都有需要，从小型企业到大型企业都有大数据方面的人才需求。从目前的结业形势来看，很多企业无论大小都在需要大数据行业领域的人才。
二、大数据相关技术
不能把大数据专业培养成计算机学科的方向，作为一个专业，肯定有知识体系、基础、应用、平台。
1.数据获取
大数据如果作为一个行业，数据获取是处在前沿的一项技术，通过各种数据获取的手段，能获得大数据的数据来源。物联网是前端获取数据，包括社交网络、移动互联网等等，这些是获取数据的主要来源，尤其目前的用户越来越多样化，数据的品种和形式也越来越多样化，结构化、半结构化、非结构化的海量数据都是构成大数据的来源，由于成千上万的用户可能同时进行并发访问和操作，因此要对大数据采集方法进行一些分类处理。
网络的数据采集是通过网络爬虫、网络公开API方式从网站上获取数据信息的过程，将结构化、半结构化及非结构化的数据从网页中抓取出来。流量的采集可以采用DPI、DFI等带宽获取技术进行处理，这也是大数据的传统来源，目前也是依然存在的。因此，大型数据库（包括网络后台的大量数据）是用来存储数据的，通过这种方式采集端部署了大量的数据库，如何在数据库之间负载均衡和分辨进行深入的思考和设计，这些都是数据库存储大数据需要考虑的问题。
2.数据存储
在进行数据存储时，传统的计算机学科会提到数据库，但大数据存储数据可能不仅仅是单纯的数据库问题。这里指的存储包括用户端（数据来源），应用服务层是计算机学科中经常遇到的概念，在传统的计算机学科中讲的是数据库，但到了大数据存储时数据存储服务层可能会有大量的体系结构。
3.数据可视化
在后台如何呈现给用户或如果通过数据分析将用户需要的结果以图形化、图像化的形式表现出来，这是大数据中很重要的一个方法。可视化主要是借助于图形化的手段清晰有效地传达与沟通信息，将大型数据集中的数据以图形图像形式表现，并利用数据分析和开发工具发现其中未知信息的处理过程。在进行大数据可视化分析设计时有以下几点是需要在未来的教学工作中需要注意的：
1）可视化分析：可视化的显示结果根据用户的需要可以定制一些显示形式，比如以地图、树状图、柱状图、区域图、雷达图等方式，将后台大量的数据分析结果展现在用户面前。由专业人员开发一些显示工具，或利用现有的图像化、可视化工具将数据接口做好；
2）可视化信息：关注知识的可视化展现和图形的设计；
3）可视化工具：如何将数据进行可视化图像，这一点以前在计算机学科中有很多可以使用的工具，如Excel、MATLAB等工具都具有可视化的功能。可视化的工具最简单的Excel，即少量数据的可视化，专用的一些可视化工具。传统的工具可能在数据量的处理上比较小，展示形式也不是很丰富。在大数据领域中，最重要的、技术手段最高的、发展最为迅猛的也是数据分析工具，也是大数据人才培养方面技术含量最高的一个方向。
4.数据分析
提到数据分析，传统的计算机学科会与数据挖掘进行对比，也是数据分析的一个主要方法，但与大数据分析相比有各自的特点，算法的复杂度、数据的状态，比如在线的或存量和增量的关系。所谓大数据、云计算、云存储的环境，各方面对数据和环境的要求不是很高，且大多是结构化的数据。
在数据分析方面，可能包括实时数据分析、可视化数据分析、智能化数据分析、文本数据分析、Web信息分析等等，这些可能在大数据领域汇总比较流行的数据分析方式。
三、人才培养的思考
高校老师考虑最多的可能是如何形成一个培养体系，如何将学生培养好步入社会，无论是教育人员还是科研人员，都需要在系统的培训下形成一个完善的知识结构。从企业、应用掀起的一个浪潮，高校的培养往往会滞后于企业的需求，给高校带来了契机，同时也带来很大的压力。本科人才还未出现之前，大多数企业在工作中培养，以及在高校中的硕士、博士阶段培养专业的大数据人才。
1.培养层次
大数据的人才不一定全部是高学历，技术从底层到高层算法的研究，其实是有递接性质的，因此，大数据人才培养也相同，从专科、本科、硕士、博士可能都会找到自己的就业岗位。在培养层次方面，可以是多方位的，目前高校中一般是本科、硕士或博士的培养层次。
2.培养体系
教学计划或培养方案应该是从底层或高层形成一个金字塔的结构。从底层开始依次为新工科建设、信息学科大平台，包含数理技术、计算机技术、大数据的专业知识，以及本科生和研究生的培养。研究生阶段可能更注重于一些高阶段的算法研究。
3.总体规划
上海工程技术大学对大数据人才培养的方向上做了一些思考与规划。全校已有的学科资源结合优势学科、优势力量集中办好大数据，当然是以电子电气工程学院为主，计算机学科主办的模式，以及数理统计学提供数学基础方面的支撑。一些比较强的学科已经开始运用行业特色做一些行业应用，比如城市轨道交通、航空运输、服装设计等。集中优势学科能拓展学科平台办好大数据专业，将优势学科集中起来，以计算机学科为主，考虑各个学科的优势和应用，主要是一些平台的应用。
四、进一步的工作
1.校企合作
这是大数据专业的必经之路，目前很多学科都是产学研相结合，大数据专业尤为突出。近几年，上海工程技术大学先后与很多行业与企业开展了产学研合作交流，包括国外的华盛顿大学、南洋理工大学、苹果公司、甲骨文、上海仪电集团、上海未来宽带技术等国内外高校和企业都纳入这个平台中。
2.教师队伍
在申报大数据专业时，已规划了师资队伍的建设，具体包括教授7人，副教授十名左右，讲师有一批形成梯队，讲师中包括刚毕业的博士，博士学位的二十位左右，整个队伍在构建大数据专业的培养体系时已形成了相对完善的师资队伍，但相关的队伍仍有待加强，比如挂职、在职培训，结合大数据行业的发展形势必须走出校门，与企业、政府挂钩。
上海工程技术大学在大数据技术及专业的筹建在人力物力财力方面给予了大力的支持，逐渐形成了机器学习与计算机视觉、智能计算与现代交通信息融合、绿色计算与大数据应用、信息物理融合与物联网工程四个具有鲜明学科特色和发展潜力的学科方向，为数据科学与大数据技术专业的开办和进一步发展提供了学科支撑。
3.实验室建设
以中国最大的大数据操作系统厂商联合成立了大数据实验室，以工信部全国云计算及大数据应用技术人才培训考试认证为契机，合作开展大数据分析人才的培养工作。先后建设了与华盛顿大学共建的联合实验室，与企业共建的视觉研究所等等，这些研究中心为大数据教学的开展奠定了基础，同时也提供了很多实习的机会。
第三十六届CIO班招生
国际CIO认证培训
首席数据官（CDO）认证培训
责编：SCzZ24uY
免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。
抢沙发
