京公网安备 11010802034615号
经营许可证编号:京B2-20210330
贵州大学实施专业综合改革助推大数据产业发展
4月20日上午,贵州大学大数据与信息工程学院信息与通信工程系主任张达敏和往常一样来到办公室,继续“通信工程”专业综合改革试点项目具体实施方案的制定。“这个项目主要是实施专业综合改革,为贵州大数据产业发展培养实用人才。”张达敏说。
为响应我省实施的大数据产业发展战略,作为省内唯一的“211”高校,贵州大学于2014年5月成立大数据与信息工程学院,设立大数据科学与工程系,目前有信息管理与信息系统(电商大数据)和物联网工程(大数据采集与分析)两个本科专业,成为首个以大数据作为学院设置方式的高校。当时,张达敏参与了这两个本科专业培养方案的制定。
张达敏说,制定大数据人才培养方案,面临的首要困难就是可参考资料少,因为全国范围内目前还没有专门培养大数据人才的高校,教育部的本科专业和研究生专业目录中尚没有明确的大数据专业,学科建设和人才培养得不到充分有效的参考和借鉴。
为此,张达敏和相关学科的负责老师一起进行多番研究、考察、分析,最后整合信息管理与信息系统以及物联网工程两个本科专业,在信息管理与信息系统专业开设电商大数据技术方向,物联网工程专业开设物联网大数据采集与分析方向。至此,贵州大学大数据人才培养的基础建立。
有了本科生培养计划,张达敏又开始为培养更高层次的大数据人才而忙碌,参与学院大数据研究生创新班培养方案的制定。去年,学院大数据研究生创新班开班,从统计、信息工程等大数据相关专业中选拔第一批30人的研二学生作为首批创新班研究生,重点培养为高层次大数据人才。
“在如此短的时间内完成贵州大数据人才培养的基础工作,基本形成‘本科+硕士+博士+博士后’的一体化人才培养格局,不能不说是一个值得骄傲的成绩。”张达敏说,在今年的研究生招生调剂工作中,学院的大数据特色吸引许多优秀考生前来学院接受复试选拔,说明大数据专业的发展前景被看好。本报记者罗海兰
-延伸阅读
在筑高校多举措培养大数据人才
去年,贵州大学大数据与信息工程学院招收第一批100名本科生和30名研二年级学生,首批大数据专业方向的研究生将于今年7月毕业,这标志着贵州自己培养的大数据人才,很快就将为贵州大数据产业发展贡献力量。今年,该院大数据专业本科招生计划将比去年有所增加,其中,物联网工程(大数据采集与分析)计划招生55人,信息管理与信息系统(电商大数据)计划招生55人。
不止是贵州大学,在筑高校都积极响应大数据发展战略,纷纷想方设法培养大数据人才。目前,贵州财经大学正与北京小象科技有限公司旗下的在线教育服务平台“小象学院”商谈合作,开展大数据产业平台开发和数据分析人才培养;贵州师范学院与浪潮集团共建“贵州师范学院——浪潮并行计算实验室”,以此为基础开展大数据应用开发类人才培养;贵阳学院与贵州江月兴科技有限公司共建“物联网大数据实验室”,开展大数据应用技术人才培养。这些,将为我省发展大数据产业提供智力支持和人才保障。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05