大数据创新实验室建设_大数据实验室方案

文章目录：

• 1、省部共建公共大数据国家重点实验室分数
• 2、高校实验室大数据开发平台建设方案
• 3、哪类院校适合建设大数据实验室？

省部共建公共大数据国家重点实验室分数

不同地区分数线不一，具体分数还是要看当年的招人才计划。

专家组评审内容包括考生的学习成绩（20%）、英语水平（15%）、参与各类研究实践情况（15%）、硕士论文和发表文章及获奖（25%）、攻读博士学位期间拟进行的科学研究设想（25%）等方面，给出百分制成绩（成绩在60分以下取消其申请资格）。

省部共建公共大数据国家重点实验室（以下称“国重实验室”）是在贵州省公共大数据重点实验室基础上，以贵州大学为依托单位，整合全省科研力量，充分借助外部智力资源进行申建。国重实验室的任务是针对公共大数据，特别是政府数据的开放、共享和应用中的“聚、通、用”需求及痛点问题，分别从人工智能、网络安全和公共管理的角度，聚焦公共大数据融合与集成、公共大数据安全与隐私保护、块数据与区域治理三个研究方向的基础研究、应用基础研究和地方产业服务，构建公共大数据“融合-安全-治理-应用”于一体交叉研发体系，组建高水平研究团队，并以贵州的国家大数据综合试验区为试验基地，推进公共大数据在治理领域的创新应用，实现大数据服务地方的功能并形成特色。

2021年4月20日，贵州省科技厅和科技部基础司在北京共同组织专家按照《省部共建国家重点实验室管理办法(试行)》的要求对“省部共建公共大数据国家重点实验室”建设运行实施方案进行了论证，同意通过建设运行实施方案论证。

国重点实验室通过整合贵州力量和柔性引进省外知名专家，组建了一支以知名教授领衔、中青年教师为骨干的学术队伍。现有固定人员编制100人，已聘固定研究人员80名，其中教育部青年长江学者1人，教育部新世纪人才3人，国务院特殊津贴专家3人，贵州省核心专家2人，贵州省省管专家4人，贵州省青年优秀科技人才培养对象3人。客座及流动人员75人，其中教育部长江学者特聘教授2人，国家杰出青年基金获得者1人。

高校实验室大数据开发平台建设方案

大数据人才应用能力成长平台——Tempo Talents，从产业人才需求的视角，通过模式创新、技术创新，为高校大数据人才培养提供从平台、课程内容到教学管理的系统解决方案。平台核心围绕“人才应用能力培养”，以实践为基础，将大数据人才培养所需的知识、技能和方法论三个层面互相融合，核心是通过学生动手实践，培养数据思维及解决问题的能力。

Tempo Talents核心应用场景

Tempo Talents——大数据应用能力成长平台核心面向大数据管理应用、数据科学与大数据技术、交叉学科等大数据相关专业，应用于教学实践、集中实训、在线竞赛、学习交流等场景。

Tempo Talents核心特点

1、DT-CMPA人才能力地图，让学习目标清晰明确

基于大数据行业人才标准及一万多个大数据相关岗位招聘需求解析，定义岗位素质模型，从岗位胜任力出发，规划学习路径和学习路线。基于人才能力地图，高校可以根据自己的学科建设目标、人才培养方向，进行课程体系的规划。而学生也能根据自己的就业目标，规划学习路径，让学生学习更具目标感，清楚学什么、为什么学。

2、专业课程实践资源，满足不同类型教学、实验需求

1）系统课程体系设计，名师专业课程打造

与多位高校老师沟通合作，围绕大数据学习路线的两个基础一个链条，打造9大方向、数百个分类，开发设计1000多个原子课，为高校实践教学提供丰富的课程资源。

2）创新原子课设计，知行合一

Q:何为“原子课”？

A:将课程中涉及的技术点、知识点“原子化”拆分，从基础原理、特性到最终应用，层层递进，用闯关的模式引导学生学习和实践，目的是让学生将每一个知识点吃透、掌握与应用。

基于原子课实现“个性化定制课堂”，老师可根据人才培养需求、学科特色、所用教材在原子课程库中自由挑选、灵活搭配难易度合适的知识点原子，灵活组合，实现“个性化定制课堂”。

3）个性化定制课堂，因材施教

定制化“教学课堂”，自定义教学计划，学生学习行为与评测结果记录，洞察和解析学生学习路径与成果，过程与结果并重，探索教学目标达成的最佳方案。

3、千余个项目应用实践经验，培养学生数据思维及解决问题的能力

基于美林数据上千个行业头部客户大数据建设项目经验，以行业应用为引导，以真实项目案例为基础，内嵌6大行业，100+项目实训，让学生了解行业最新实践与应用场景，通过实战演练提升学生解决实际问题的能力。

对于大数据学习而言，最难的不是Python的一段代码实现、也不是算法原理的掌握，而是在具体业务场景中，将业务问题数据化，利用分析工具、大数据知识去找到解决方案。

针对每一个实训项目，我们都将项目落地全过程进行深度剖析，还原项目落地全流程。将分析方法论、业务问题转化为数学问题的思维方式、知识技能的应用技巧等，全部融入到具体的项目实训案例中，让学生通过实训，掌握方法、提升思维模式。

4、一体化实践运行平台，提供丰富实验实训环境

1）技术创新，实验环境管理智能高效

基于容器与虚拟化技术，提供在线编程、远程命令行、交互式编程、远程桌面等实验实训环境，通过无感知的实验资源分配与回收替代复杂的实验环境管理，让实验管理智能高效。

2）编码式加拖拽式双环境，应用型与开发型兼顾

既有以原理、技术教学为目标的编码环境，也有以应用为目标的拖拽式环境。拖拽式数据可视化分析与机器学习建模平台，以应用为目标，与编码环境充分融合，满足大数据分析应用实践，为交叉学科大数据人才应用能力培养提供环境支持。

5、激发学生学习热情，打造“自驱型”能力成长平台

闯关、竞赛、自主探索的数据游乐场，打破传统的学习模式，打造专业与趣味性融合的学习体验，充分激发学生自主学习热情，打造“自驱型”能力成长平台。

哪类院校适合建设大数据实验室？

1、 开设单独的大数据课程的高校

目前该类院校还是占多数，主要是因为教育主管部门对开设新的专业方向有一定的约束，对开设单独课程则不加限制。此类高校可以通过先开设大数据技术基础的导论性课程使学生接触了解大数据知识和相关技术，建立大数据思维。推荐教材：厦门大学林子雨老师的《数据技术原理与应用》，该教材提供全套的课件、视频、习题、实验指导、学习指南。同时打算开设课程的院校可以安排授课教师参加有林子雨博士开办的“大数据教师培训交流班”，解决授课教师的问题。

2、 开设数据科学与大数据专业方向的高校

目前国内已经申请获批开设数据科学与大数据技术专业方向有30多所。针对该类院校，我们建议可以通过建设大数据实验室对学生进行大数据知识的全面培养，使得学生能够系统的学习到大数据专业技能，从而胜任数据工程师、大数据分析师等工作。同时选用企业级大数据应用环境作为学生的实践环境，实现真正的产学研用。

完美校园大数据实验室建设主要由四部分建设内容构成，分别是：

大数据实验室硬件环境建设

大数据实验室软件环境建设

大数据基础课程内容建设

大数据行业项目案例课程建设