大数据实验室建设高校解决方案(图文)

全球知名咨询公司麦肯锡指出，“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用预示着新一轮生产率增长和消费者盈余浪潮的到来”。大数据正快速发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。为进一步全面推进我国大数据发展和应用，加快建设数据强国，我国已将大数据发展战略上升到国家层面，先后发布了《关于积极推进“互联网＋”行动的指导意见》(国发[2015]40号文)、《关于促进大数据发展的行动纲要》(国发[2015]50号文)等重要文件。明确了未来5-10年我国大数据发展和应用发展目标、主要任务和保障措施。因此，在未来5-10年，我国大数据产业将迎来一个飞速发展时期，对大数据相关专业人才有着巨大的需求。
 

大数据技术与应用专业主要培养大数据应用与工程技术领域的复合型高级技术人才。毕业生具有信息科学和数据科学基础知识与基本技能，掌握大数据技术所需要的计算机、网络、数据编码、数据处理等相关学科的基本理论和基本知识，熟练掌握大数据采集、存储、处理与分析、传输与应用等技术，具备大数据工程项目的系统集成能力、应用软件设计和开发能力，具有一定的大数据技术行业应用能力。毕业后能从事各行业大数据分析、处理、服务、开发和利用工作，大数据系统集成与管理维护等各方面工作。

2  大数据技术于应用专业建设

2.1  学科建设

从8个方面致力于服务高校大数据学科，分别为人才培养、教材课件、师资培训（支持）、学生实习实训、大数据实验室建设、科技项目合作、以赛促学。

2.2 “鱼骨教学法”

实践教学是在一定理论指导下，通过引导学习者的实践活动，从而传承实践知识，形成技能，发展实践能力，提高综合素质的教学活动。目前，高校教学体系的设置由于诸多限制因素，偏向过多的理论教学，往往出现课程设置与企业实际应用切合度不高，学生无法把理论转化为实践应用技能。课程内容设置方面看是繁多又各自为“政”，课程冗余、缺漏、体系不健全。
 

根据高校实践教学中的痛点，首次提出“鱼骨教学法”的概念。以企业真实需求为导向，学生学习技能仅仅围绕企业实际应用需求，将学生掌握的理论知识，通过企业案例的形式进行衔接，达到知行合一，以用促学的目的。

图2‑1鱼骨教学法
 

2.3大数据技术岗位信息

2.4  理论与实践相结合的课程体系

大数据技术专业课程主要基于Hadoop和Python技术，贯穿数据分析与挖掘的整个流程，涵盖基础课程 、数据分析与挖掘课程、项目实战课程等。

图2-2课程体系设计
 

2.5  大数据人才培养系列教材

与机械工业出板社和人民邮电出板社达成战略合作关系，在产品方面形式优势互补，并充分利用出板社覆盖全国的营销服务体系，可以有效解决高校大数据相关专业教材紧缺的困境。

系列图书以企业真实需求为导向，让学生学习技能能够紧紧环绕企业实际应用需求，将学生需掌握的理论知识，通过企业案例的形式进行衔接，达到知行合一，"用以致学"的目的。

图2-3大数据系列教材

3  大数据实验室建设

3.1  建设目标

实验室建设总目标是搭建一站式教学服务平台，一站式教学服务平台概念是在深刻理解高校学科建设及存在的若干问题上提出。围绕着学科建设的各个方面，从专业开设、课程设置、师资培养、教学资源、实验环境、学生实训实习及就业创业等环节，提供完整的产品体系，满足高校学科建设及人才培养不同阶段的需要。

3.2建设内容

本实验室主要是建设一体化教学实训平台，该平台是以云计算资源管理平台和大数据教学管理平台为支撑，以优质的课程资源和项目案例资源为核心，以自主研发的数据挖掘建模平台等为教学实训工具，把课程和软件内容统一结合，满足高校大数据教学与实训的一体化平台。 （详细产品介绍请点击这里）

图3-1实验室架构图

 

 

3.2.1   云计算资源管理平台

云计算资源管理平台底层基于Docker技术实现，是对是实验室云虚拟化资源进行管理及维护，帮助高校搭建一套全新的云计算服务中心。

                                           

图3‑2容器云资源管理基础架构

 

 

3.2.2   大数据教学管理平台

大数据教学管理平台主要为教学、实训、课程资源等提供“一站式”服务，对所有课程和用户进行统一管理，提供管理员、教师、助教、学生共四种角色。

图3‑3平台首页

3.2.3   大数据整合平台

大数据整合平台主要实现数据抽取、转换、清洗、集成，满足数据库课、数据整合与预处理等相关课程的实训需求。

图3‑4大数据整合平台

 

3.2.4   Python数据挖掘建模平台

Python数据挖掘建模平台服务于数据挖掘相关课程的实训，采用流程式搭建数据挖掘项目，帮助学生快速建立处理企业问题的工程化思维。

图3‑5实训流程图

 

3.2.5   Python编程实训平台

Python编程实训平台采用虚拟化技术，底层基于Docker搭建完整的Python实训环境，采用实训指导书与实训环境同屏的模式旨在帮助学生提升编程能力。

图3‑6Python实训平台
 

3.2.6   大数据分析平台

大数据分析平台集成Apache Hadoop的数据流业务和架构，基于Hadoop分布式集群可较大提升实训效率，学生无需编程即可快速搭建数据挖掘项目。

图3‑7平台首页

 

3.2.7   大数据开发实训平台

大数据开发实训平台采用完全分布式搭建Hadoop集群，含Spark、Hive、Hbase等大数据开发组件，满足大数据开发相关课程实训需求。

 

图3‑8大数据开发实训平台

 

3.2.8   大数据分析可视化平台

大数据分析可视化平台是一款适用于高校教学的零门槛可视化工具，平台采用B/S架构，用户只需要通过浏览器即可访问，可在没有EChart编程基础的情况下，通过拖拽的方式进行操作。平台提供丰富的模板，将数据信息的可视化完美呈现，操作方便快捷，功能、视觉内外兼修。

图3‑9丰富的仪表盘主题

3.2.9   大数据教学实训沙盘

大数据/人工智能教学实训沙盘根据企业实际项目建设而成，每个沙盘由硬件装置、教学软件、教学实训资源三部分内容组成。

沙盘的作用主要有四个：

图3-10大数据分析教学实训闭环

 

1)  机智过人教学实训沙盘

图3‑11机智过人教学实训沙盘

2)  动态人脸识别教学实训沙盘

图3‑12动态人脸识别教学实训沙盘

 

3)  电力智能分项教学实训沙盘

图3‑13电力分项计量教学实训沙盘

 

4)  自动售货机商务数据分析沙盘

图3-14自动售货机商务数据分析教学实训沙盘

 

 

提供优质的教学服务，帮助高校解决老师上课难，学生实践少的问题。

图4-1教学服务类型