华为“智能基座”项目背景下的大数据实践课程改革

段小林，李鸿健，吴思远，代 宇

（重庆邮电大学 计算机科学与技术学院，重庆 400065）

新工科建设是教育部为应对新经济的挑战，从服务国家战略、满足产业需求和面向未来发展的高度，在“卓越工程师教育培养计划”基础上提出的一项持续深化工程教育改革的重大行动计划。新工科建设着重强调计算机技术、大数据、人工智能、智能制造等多学科的交叉与融合，其中大数据技术已成为计算机科学技术的前沿领域和研究热点，与大数据密切相关的人工智能技术已上升至提升国家整体科研实力的战略地位。新工科建设的本质是培养学生的工程实践能力，在这种背景下大数据实践课程建设迎来了新的机遇和挑战。

华为公司提供公有云基础设施，同时也提供以MRS（Map Reduce Service）为代表的大数据服务，为客户提供Hadoop生态的高性能大数据组件，支持数据湖、数据仓库、商业智能融合，为企业提供稳定可靠、持续创新的云服务，为企业可持续发展赋能。教育部和华为公司于2020年共同发起了“智能基座”产教融合协同育人项目。重庆邮电大学有幸首批入选该项目，与华为公司建立“智能基座”产教融合协同育人基地，通过课程资源建设、课程内容优化等教学改革手段，建立以华为云为基础的高校人才培养体系，深化产教融合，持续为信息行业输送高质量人才，打造国内产教融合协同育人示范基地。

一般认为，根据应用场景和业务类型，大数据实践类课程的内容包括基于大数据平台开发（数据采集、存储及计算）和基于机器学习方法的数据挖掘。重庆邮电大学云计算与大数据综合实践课程于2018年底开设，课程内容以大数据平台开发方向为重心，同时也力求在有限学时内将上述两个方向进行有机结合。本文以该课程建设为例，力求将其教学内容与华为云大数据服务深度融合，从课程内容与知识体系、课程建设与教学改革、课程建设成果等多个方面阐述具体改革内容，以及取得的初步成效。

大数据技术领域对人才培养有较高要求，既要求学生掌握扎实的机器学习、统计分析理论基础，又要求学生掌握大数据领域的实际工程技能。为满足企业日益增长的大数据人才需求，培养和提升学生的行业技能，国内众多高校开设了大数据课程，其中不少高校在课程建设与改革工作中取得了一定成效。例如，文献［1］以培养具有行业特色和可持续竞争力的大数据卓越人才为目标，构建了贯通能力培养的大数据课程体系；
文献［2］以大数据分析与应用课程为例，探讨了实践任务与科研项目驱动的教学模式，构建了完善的课程体系；
文献［3］提出一种面向大数据通识课程的教学方案，采用混合式教学方法提升学生的大数据素养和大数据应用能力；
文献［4］阐述了课程思政的概念与内涵，对计算机视觉课程开展思政教育的具体方法进行了探索；
文献［5］提出计算机专业课教师应与思政课教师协同合作，系统挖掘课程思政资源、凝练课程思政主题。针对传统课堂教学模式下部分学生学习兴趣欠缺的情况，也有一些高校尝试对教学模式进行了改革［6-8］，通过对课程教学进行详细设计，包括采用翻转课堂和混合式教学等模式，显著提高了学生学习的积极性和主动性。此外，部分高校探索在课程中融入竞赛环节，例如文献［9］将沉浸式实践项目、校外学科竞赛与传统课程教学资源进行优化融合，构建混合式创新教育模式。

虽然大数据课程建设已取得较大成效，但针对课程体系的探索侧重于宏观视野，缺乏对某一门具体课程的精准分析。此外，实践课程的教学研究工作略显不足，没有彻底解决新工科建设和工程教育的实质问题。总体而言，目前大数据实践类课程教学仍然存在以下普遍性问题：①课程思政难题。立德和立学是高校人才培养的重要目标，前者是人才培养的根本宗旨，后者是人才培养的主要方向。如何在实际教学过程中捋顺立德与立学的主次关系，实现思政内容与课程内容的有机融合仍然是课程思政建设的难点；
②教学平台和教学资源建设存在不足。很多高校经过前期各种学科平台建设已具备大量计算和存储资源，但缺乏简单高效、使用便捷的大数据实践教学平台。因此，在后疫情时代如何有效利用平台资源为学生提供更好的实验环境值得进一步思考、研究和实践；
③传统教学模式难以适应新工科建设对课程的要求。传统实践教学一般由教师布置实验任务，学生进行上机练习，这种教学模式无法适应新的发展趋势。如何根据实际情况建设和完善符合实际情况的教学模式是教学改革的重要环节；
④竞赛与课程成绩评定问题。目前各种科技竞赛活动如火如荼，如何将成绩评定与科技竞赛有机结合，进一步提高学生的学习积极性，提升其实践能力和独立思考能力需要进一步探索；
⑤教学师资匮乏。大数据技术作为新兴计算机技术，现阶段高校相应师资力量的培养和提升工作有待加强。目前新引进的教师虽然具备较为扎实的理论基础，但相当一部分青年博士缺乏工程实践能力，大数据实践课程教学经验匮乏。

云计算与大数据综合实践课程主要面向计算机与智能科学类专业开设，同时也面向全校理工类专业选修。课程主要涉及到云计算及大数据处理基本方法的应用及工程实践，侧重于大数据平台与开发方向，也涉及基础的机器学习算法应用。云计算与大数据综合实践课程的知识点涵盖范围较广，涉及数学（概率与统计、线性代数）、计算机（程序设计、数据结构、数据库、操作系统）等多个学科。在本科培养方案中该课程的教学时间为2周40学时，教学过程中不仅要拓展学生培养的广度，还要注重学生专业技能学习和掌握的深度，使其将知识点应用于实际工程项目中。

设置课程知识体系时，在考虑融合华为大数据相关内容的同时应注重重庆邮电大学的实际情况。首先要注重夯实基础，如图1所示，左边版块设置的是大数据基础技术栈中常用组件的学习环节，包括Hadoop，Hive，Hbase及Spark等内容。每个知识点的学习过程中均依据任务驱动的指导思想，通过案例导向的方式引导学生完成学习和实践。其中Hadoop模块要求学生利用掌握HDFS和MapReduce进行数据分析；
Hive模块要求学生利用Hive进行数据存储和分析；
Spark模块训练学生利用RDD和Dataframe进行数据分析，并引导学生利用Spark streaming解决流式计算问题。图1右边设置的是综合案例模块，该模块提供了百万至千万级规模的数据集。学生可以根据对基础知识模块的掌握情况自行设计解决方案进行数据预处理分析，并对分析结果进行可视化。同时该模块提供了扩展内容，要求学生尝试利用机器学习中的常用算法对给定数据集进行分类或预测。综合案例1为离线计算任务，要求对Ebay拍卖数据进行处理、分析及预测，并对分析结果进行可视化。综合案例2为流式计算任务，要求从农产品交易市场网站上爬取数据，采用Spark streaming对采集的数据进行清洗、转换及存储，并采用时序分析模型对蔬菜价格进行预测。综合案例3为离线计算任务，要求对运营商用户故障数据进行处理，采用聚类算法对用户进行划分，并对故障分布情况进行可视化。综合案例4为数据仓库建设任务，要求对电商平台的订单、支付数据以及用户行为数据进行ETL操作并利用数据仓库建模方法进行分层建模。通过实践训练环节，学生能够掌握大数据分析处理的工作流程，能利用Hadoop平台进行大数据存储与处理，利用Hive实现数据的分析处理，能够在Spark平台上进行大规模数据处理的算法设计，初步具备了大数据分析处理的工程实践能力。

Fig.1 Curriculum knowledge system图1 课程知识体系

在确定课程知识体系和教学内容的基础上融合华为云的技术与资源，以“案例导向，竞赛驱动”为核心思想，从课程思政、平台建设、教学模式、课赛结合以及师资培养等方面进行了探索。

3.1 课程思政与课程内容有机融合

课程思政工作不能流于表面。课程组在授课过程中注重列举相应领域的国产软硬件平台，比较其功能差异，并指出部分国产软硬件的某些关键指标已经处于国际领先水平，例如开源HDFS与华为OBS存储、MySQL与华为OpenGauss、Centos与华为OpenEuler。通过比较国内外产品的性能优劣和应用场景，可以使学生正确认识到大数据领域的发展现状，激发其学习热情和投身大数据行业的使命感。

3.2 建设校内校外线上实验平台

“工欲善其事，必先利其器”。经过不懈努力，目前课程组已可为学生提供两个在线实验平台：2018年充分利用校内现有硬件资源，采用Docker和Kubernetes部署了本地大数据综合实验平台；
2020年引入华为云ECS主机为学生提供在线实验平台。基于两个实验平台开展大数据类课程实践和项目实践，充分培养了学生的大数据专业技能和项目实践创新能力，综合素质全面提升。实验平台应具备良好的可扩展性，一方面是软硬件资源的可扩展性，当需要满足更多学生和课程同时在线使用时可增加服务器数量或提高现有服务器的内存和存储资源；
另一方面是可灵活对实验项目和综合实训案例进行扩展和修改，也可根据需要加入新的实验项目和实训案例。

3.3 依托华为“智能基座”项目，利用华为云相关内容完善课程资源

目前许多高校在校企共建课程方面进行了深度尝试并取得了显著效果［10-12］，例如云计算与大数据综合实践课程已纳入重庆邮电大学—华为“智能基座”项目的重点建设课程。课程组在充分调研华为云大数据服务的基础上结合学校实际情况对课程教学大纲进行了梳理，并在教学过程中融入了华为云的部分教学资源和教学案例。在新冠疫情防控时期将课程迁移至华为云平台上，保障了极端情况下教学活动的正常进行。此外，华为云学院也提供了大量在线学习课程，部分课程可作为该课程的课后补充学习资源。利用华为的云上大数据服务可以快速部署和验证大数据解决方案，有利于学生采用大数据技术解决实际工程问题。

3.4 建立深度融合华为云的混合式教学模式

课程教学内容以企业真实场景和实际数据为基础，主要围绕“海量数据驱动、真实案例导向”的流程进行设计。通过实践教学提升学生对大数据技术的理解及应用场景的认知，培养其分析能力和创新意识。如图2所示，本文教学模式体现出循序渐进的思想，在教学过程中依托实验指导书、在线视频、源代码等教学资源开展自学和课堂研讨，分为基础学习—课堂强化—实践提高3个阶段，其中第1阶段在上课前公布给学生，使其通过自学完成；
第2阶段为正式上课阶段，在课程上进行；
第3阶段为课后提高阶段，通过设置开放性选题，利用华为大数据服务完成。

Fig.2 Three-stage blended teaching model图2 三阶段混合教学模式

本文教学模式秉承以学生为本、以能力培养为核心的教学理念，发挥学生的主观能动性，在创新实验部分由学生自主选择实验课题或自主拟定实验课题，同时开展团队协作模式共同拟定实验方案、完成创新实验内容并写出总结报告。这种实践教学模式激发了学生的学习热情，调动了其积极性和主动性，提高了其动手能力以及分析和解决问题的能力，增强了其综合素质和创新意识。

3.5 探索课赛结合、竞赛驱动的培养模式

根据实践教学的特点，以激发学生实验兴趣、提高实验能力为目的，建立多元化实验考核办法，即根据不同层次、不同类型实验采取不同的考核办法。综合设计类实验成绩评定主要参考项目的任务指标，通过答辩等形式进行考核，成绩经过答辩小组审核后认定为相关实践环节的学分。随着大数据技术的发展和应用普及，相关科技竞赛活动逐渐增多。各级政府及产业界举办了诸多算法程序和大数据方面的竞赛，学校亦鼓励学生参与相关科技竞赛，指导其申报大学生创新创业训练项目、大学生科研训练计划项目等，以此锻炼其实践创新能力。课程采取课赛结合的方式，鼓励学生参加校内外大数据领域相关竞赛，成绩标准由课程组协商评定。例如，只要入围省部级及以上竞赛决赛即可认定成绩为良以上，如果获奖则认定成绩为优。同时探索在校内建立开放的大数据基准测试平台，为学生提供大数据在线测试环境，作为科技竞赛校内选拔的基础平台。此外，重庆邮电大学计算机学院组建了“X-Data”大数据团队，组织和引导学生参加大数据领域的各类高水平科技竞赛，全面提升学生的大数据分析与处理能力。

3.6 持续培养师资队伍

由于大数据属于新兴专业，重庆邮电大学与许多地方院校一样都面临着大数据实践类课程师资匮乏的问题。为了解决该类问题，一方面积极从国内外高校引进大数据相关专业高水平博士充实师资队伍，另一方面重点挖掘内部潜力，每年都会派出2～3位教师参加高水平大数据师资培训班，持续跟踪大数据领域的技术发展，更新教师的知识体系并增强工程经验的积累。借助“智能基座”项目，目前已经组织3批教师参加华为云的线上大数据培训，课程组教师的专业能力和工程素养得到了全面提升。

重庆邮电大学通过一系列改革措施建立和完善了云计算与大数据综合实践课程教学体系和平台，特别是疫情期间，学校利用自建实验平台和和华为云平台克服一切困难完成了教学工作，教学质量得到了较好保障。

云计算与大数据综合实践课程自2019年开始采用自建实验平台开展教学活动，2020年开始尝试在教学过程中融入华为云相关内容，在近3年的教学活动中不断总结和改进，学生成绩稳步增长，培养质量稳步提高。学生普遍反映经过该课程的学习初步掌握了大数据领域的专业知识，能够灵活运用大数据工具对真实数据集进行分析和处理。近3年该课程成绩如表1所示。

Table 1 Analysis of the grades of the last 3 years in this course表1 近3年课程成绩

云计算与大数据综合实践课程共设置了5个考核目标，分别考察学生对基础平台、方案设计、数据分析、文献检索以及综合工程实践的掌握情况。每个课程目标基准值均为0.7，课程目标的达成度计算方式为：

式中，Ai表示第i个课程目标的达成度；
和Si分别表示学生在课程目标i对应的现场检查部分的实际平均分和满分分值；
为现场检查部分所占权重，=0.7和Ri分别表示学生在课程目标i对应的报告部分的实际平均分和满分分值；
为报告部分所占权重=0.3。

如表2所示，近3年来各个指标点整体稳定增长，反映出学生的基础技能和工程能力均得到了提高，特别是综合工程能力这一指标的提升尤为显著。

Table 2 Degree of achievement of the objectives of this course in the past 3 years表2 近3年本课程目标达成度

云计算与大数据综合实践课程积极组织学生参加各类国家级和省部级大数据类竞赛，经过前期经验摸索与积累，目前已经进入队伍建设和竞赛获奖的良性循环。近3年共取得20余项大数据算法竞赛全国冠军，在中国高校计算机大赛（大数据挑战赛）、阿里天池大数据竞赛、全国高校大数据能力提升大赛等多个国家级比赛中取得优异成绩，累计获得150万元奖金，在西南地区甚至全国范围内具备一定影响力。对于未能进入知名企业实习的学生，参加大数据类科技竞赛也是一个重要的实践机会。

经过该课程的学习，学生的数据工程实践能力得到明显提升，大数据专业能力得到企业认可。不少优秀本科毕业生进入华为、阿里、字节跳动等顶级IT公司从事大数据开发、数据分析等专业性较强的技术工作，学生的专业素养得到用人单位好评；
亦有多位在校本科生作为主力开发人员参与某知名电商大数据平台的实际建设工作，并出色完成所承担的任务。

培养学生的工程实践能力是云计算与大数据综合实践课程始终坚持的重要目标。因此，本文在新工科建设背景下，以人才培养为导向，抓住与华为“智能基座”项目的合作机遇，充分培养与提升学生的大数据综合实践能力。下一步准备积极响应教育部倡导的“金课”计划，充实课程资源，提升教学质量，探索将云计算与大数据综合实践课程建设为真正意义上的线上—线下混合式金课，同时继续加强与行业内其他知名企业的校企合作和产学融合，建设课程经典案例，为社会培养优秀人才。同时继续构建教学—实践—竞赛一体化教学体系，丰富教学形式和教学内容，激发学生学习兴趣，引导其利用掌握的知识和技能解决实际项目问题。需要强调的是，大数据技术变革较快，如何保持课程内容的持续创新也是一个值得研究的问题，必须与时俱进、坚持不懈进行课程建设与改革工作。

猜你喜欢华为竞赛课程2020丝绸之路数学竞赛中等数学(2022年3期)2022-06-05《无机化学》课程教学改革云南化工(2021年6期)2021-12-21现在的余华为谁写作？作品(2021年8期)2021-09-08赛力斯华为智选SF5汽车观察(2021年11期)2021-04-24数字图像处理课程混合式教学改革与探索内蒙古教育(2021年20期)2021-03-08软件设计与开发实践课程探索与实践计算机教育(2020年5期)2020-07-24为什么要学习HAA课程？家庭影院技术(2019年11期)2019-12-09华为没有成功，只是在成长意林·全彩Color(2019年8期)2019-09-23华为能源(2019年12期)2019-02-11我看竞赛作文通讯·高中版(2017年11期)2017-12-20

推荐访问:华为 基座 课程改革