大数据一体化教学实训平台简介

人工智能教学实训综合应用平台需求说明
一、建设背景与目标
2024年，全国共有618所高职院校备案人工智能技术应用（服务）专业，占全国1547所高职院校的近40%；高职院校纷纷抓住“人工智能”这把打开未来之门的钥匙，从找准定位，培养人工智能产业链上的技能人才，到持续探索，应对“人工智能+”的全面来临；人工智能教学实训综合应用平台，可服务全校师生的科研任务，提供大模型训练、人工智能内容生成、图像渲染等任务；同时，可服务于电子信息专业群开设人工智能实训课程（含大数据技术、计算机网络技术、电子信息工程技术、集成电路技术等4个专业学生），预计可服务人数450人/年；
二、设备清单
三、技术参数。

高职院校大数据实训平台建设与应用研究作者：陈凤妹来源：《中国信息化》2018年第12期随着移动互联网、物联网、社交网络等应用的快速发展，传统教育基础设施存在安全性低、配置复杂、升级成本高等一系列问题，数据的集中管理和维护变得困难，对组建新的基于云计算的教育信息化基础设施提出新要求——进一步建立教育信息化公共服务平台。

随着大数据技术的快速发展，其在社会各个领域中得到了广泛的应用，主要用于数据分析和处理，这样不仅可以满足时代发展需求，而且还可以更好的推动经济社会发展。

国务院常务会议于2015年通过了《关于促进大数据发展行动纲要》，其中明确提出：“创新人才培养模式，建立健全多层次、多类型的大数据人才培養体系”，强调了大数据这一基础性战略资料的重要性，教育部高等教育司也于 2016年面向高职院校的专业设置中增加了“大数据技术与应用”专业。

为此，一些高校也设置了大数据的相关专业，在一定程度上推动了大数据产业的发展。

由于大数据专业属于时代发展的新型专业，虽然一些高校已经开设了该专业，并对其进行了不断的摸索和创新，但是缺乏可供直接借鉴和套用的模式。

因此，本文将会立足于大数据人才培养要求和社会人才需求，结合硅湖职业技术学院大数据相关课程和大数据实验室来对大数据实训平台建设与应用情况进行分析和探究。

一、大数据实训平台设计（一）大数据处理平台Apache开发的 Hadoop分布式系统基础架构，能够为整个实训平台提供所需要的数据支持。

该处理平台除了提供包括分布式文件系统和分布式计算框架MapReduce。

HDFS和MapReduce分别为海量数据提高数据存储和数据技术，实现了计算与存储的高度耦合。

伴随Hadoop项目结构的不断发展，逐渐形成了一个丰富的Hadoop生态系统，主要有：安装部署工具Ambari、作业流调度系统Oozie、数据仓库Hive、内存计算Spark、资源调度管理框架YARN、数据库TEL工具 Sqoop、分布式海量日志分析工具Flume、分布式协调服务Zookeeper、分布式数据库HBase、分布式文件存储系统HDFS、离线计算MapReduce、DAG 计算Tez、等主流组件。

大数据一体化教学实训平台建设方案一、背景随着信息技术的快速发展，大数据技术在各行各业的应用愈发广泛。

作为高等教育的核心，教学教育需要及时跟进信息技术领域的发展，将其应用到教学中，提高教学品质和实效性。

因此，建设一套大数据一体化教学实训平台显得尤为必要和迫切。

二、目标本项目的目标是建设一套完整的大数据一体化教学实训平台，以满足教学要求和学生实训需要。

平台要求的功能如下：1.提供课程资源和学习资料，基于大数据分析优化教学内容；2.提供在线实验环境，模拟大数据处理场景，并对用户进行实时评估；3.提供实时交流平台，学生和教师可以通过平台进行互动交流；4.提供一键生成报告和数据可视化工具，方便教师评估学生实验成果。

三、需求分析1. 功能需求根据上述目标，我们需要实现以下具体功能：1.提供课件资料和学习资源，支持学生在线学习和下载；2.搭建大数据处理环境，并提供实验用数据以及相关工具；3.设计在线测验，考核学生在数据分析和处理方面的能力；4.提供实时交流平台，学生可以在此平台上互动交流，老师可以在此发布通知、答疑等；5.提供数据可视化工具，方便学生在实验后可视化分析实验结果。

2. 性能需求1.平台的响应速度要快，保证平台体验流畅，过程无卡顿；2.能够同时为大量用户提供服务，保证用户数大幅度增加时，系统性能不会出现明显降低；3.平台需要安全可靠，对用户的数据进行保护和加密，保证系统运行稳定性；4.系统的稳定性要高，保证平台能够7*24小时不间断运行。

四、技术方案1. 平台架构本平台采用B/S架构，采用前后端分离，前端采用React技术，后端采用Spring Boot。

2. 数据库系统本项目采用MySQL数据库进行存储和管理。

3. 大数据环境在平台上搭建Hadoop或Spark集群，实现大数据处理与分析。

4. 安全平台的用户数据入库前需要进行加密，采用高强度加密算法，保证用户数据的安全性。

5. 系统管理对系统进行管理，必须运用权限控制，保证不同角色只能访问自己的权限，并对系统进行监控保证其稳定性。

大数据实训平台在高校专业教学中的建设和应用作者：陈丽丽来源：《电脑知识与技术》2020年第28期摘要：大数据专业是现在非常热门的专业，各大高校自2015年起陆续开设了大数据专业，大数据专业是实践性比较强的专业，如何通过一个行之有效的大数据教学平台更好地达到增强实践能力的教学目的，是本文论述的主要问题。

本文主要阐述了大数据专业实训平台的建设原则、建设过程以及实训平台在教学过程中的应用。

关键词：交互实训;集群;虚拟化;分布式中图分类号：TP311 ; ; ; 文献标识码： A文章编号：1009-3044（2020）28-0108-03Abstract：Big data major is a very popular major now. Every university has set up big data major since 2015. Big data major is a major with strong practicality. How to better achieve the purpose of enhancing practical ability through an effective big data teaching platform is the main problem discussed in this paper. This paper mainly expounds the construction principle， construction process and application of the training platform in the teaching process of big data specialty.Key words：interactive training; cluster; virtualization; distributed1 引言随着高校在大数据教育方面的发展，各大高校相继设立了大数据专业，大数据专业的招生每年在逐步增长。

第1篇随着信息技术的飞速发展，大数据已成为当今社会的重要战略资源。

大数据技术不仅为各行各业提供了强大的数据支持，也推动了教育领域的教学改革。

为了更好地培养适应大数据时代需求的人才，我国各大高校纷纷开展大数据实践教学。

本文将介绍大数据实践教学系统的构建及其应用。

一、大数据实践教学系统的构建1. 系统架构大数据实践教学系统采用分层架构，包括数据采集层、数据处理层、应用层和展示层。

（1）数据采集层：负责收集各类数据，包括结构化数据、半结构化数据和非结构化数据。

数据来源包括校内实验室、企业合作项目、公共数据平台等。

（2）数据处理层：对采集到的数据进行清洗、整合、转换等处理，形成可用的数据集。

数据处理层包括数据清洗、数据集成、数据转换等功能。

（3）应用层：根据实际需求，开发各类大数据应用，如数据挖掘、机器学习、预测分析等。

应用层包括数据分析、数据可视化、模型构建等功能。

（4）展示层：将处理后的数据和应用结果以图表、报表等形式展示给用户，便于用户理解和使用。

2. 系统功能（1）数据采集与管理：实现各类数据的采集、存储、管理和维护。

（2）数据处理与分析：对采集到的数据进行清洗、转换、集成等处理，并利用数据挖掘、机器学习等技术进行数据分析。

（3）应用开发与测试：提供丰富的数据接口和工具，方便用户开发大数据应用。

同时，提供测试环境，确保应用质量。

（4）数据可视化与展示：将分析结果以图表、报表等形式展示，便于用户理解和使用。

（5）教学资源库：提供丰富的教学资源，如课程课件、实验指导、案例库等，方便教师和学生进行教学和学习。

3. 系统特点（1）开放性：系统采用开放的设计理念，支持多种数据格式和接口，方便用户扩展和集成。

（2）可扩展性：系统架构设计灵活，可根据需求进行扩展，满足不同规模和类型的数据处理需求。

（3）易用性：系统界面友好，操作简便，降低用户学习成本。

（4）安全性：系统采用多种安全措施，保障数据安全和用户隐私。

国泰安〃教学做一体化〃实训室智慧管理平台2006年，教育部16号文件《关于全面提高高等职业教育教学质量的若干意见》对“教学做"一体化、实施工学结合、校企合作、改革人才培养模式，提出了更加明确的要求，要“改革教学方法和手段，融’教、学、做’为一体，强化学生能力的培养、这既是课程建设与改革、提高教学质量的重要手段，也是教学改革的重点和难点。

"教学做"一体化——源自上世纪20年代，我国伟大的教育家陶行知先生就提出"教学做"合一的教育思想,这一教学模式适应职业教育特点，符合职业院校学生天性，体现以学生为主体的先进教学理念，将实践教学与理论教学有机结合，在培养学生的操作技能和理论知识的同时也有助于培养学生的创新能力。

"教学做”的内涵是教学与生产劳动、与社会实践相结合，这与德国的“双元制”教学模式和"行为导向教学法”注重实践教学、以职业能力培养与技能训练为主的模式完全契合，同时也是新时期培养我国经济社会发展所需的高素质技术技能人才的必然要求。

国泰安正是秉承这一理念，经过多年的研究开发、探索实践,提出将理论融于实践、课堂融于实践的国泰安“教学做一体化”实训皂简称"教学做实训室”），并着力将实训室打造成为职业教育的“第一课堂"，真正实现"教学做（创r合一、"手口脑机"并用。

国泰安"教学做一体化”实训室遵循“从实践到理论，再从理论到实践”的认知规律，实现理论与实践相互融合的教学模式。

将课堂搬到可以进行仿真模拟和实际动手操作的实训室。

在仿真环境里，教师演练操作、讲解技巧，学生及时实践，有助于知识点的理解和掌握。

将学生从原来被动的学习模式中解放出来, 使其真正成为学习的主人,突出学生的主体作用；将教、学、做有机地结合，彻底改变教与学分离的现象教师根据不同学生的实际情况，因人施教，因材施教；加强实践教学，注重技能培养和考核，突出职教特色，提高教学实训效果。

大数据金融应用创新实践教学平台需求说明1、平台采用分布式、模块化、组件化、接口标准化的架构设计，选用目前互联网领域最前沿的设计技术，构建一套高负载、易扩展、支持快速迭代开发、可提供持续可用性的开放性平台；平台应不限使用用户数量、不限终端(手机、电脑、平板电脑等移动终端都可以登录使用)、可以根据教师的教学需求即时的开启其他实训课程。

2、系统采用模块化设计，提供前台操作系统以及后台管理系统。

后台管理系统应是集中统一化管理所有的教学实训模块，支持学校-教师-班级-学生四级组织架构管理方式。

应可根据教学进度的需求，自定义实训内容及课时，功能应包含任课信息、排课信息、我的课程、学习资源等功能模块。

3、教师可获取管理员对其授权的所有班级的数据，包括班级信息、学员信息等，教师可编辑和管理自己班级中的学员账号信息；教师端应包含任务管理、成绩查询、链案例分析评价功能模块，教师可通过教师端直接查看学生端已设置任务，查看学生成绩以及查询任务答案。

管理端用于上传内置文件，平台资源、处理数据等。

平台的后台任务设置应能实现实训任务的计划管理、数字人民币、大数据金融、 AI 金融、云金融、物联网金融、区块链金融、银行业金融科技、证券业金融科技、保险业金融科技、监管科技、链设计、链审计等模块化的任务设置及安排。

其中计划管理应包含新增计划、修改计划、删除计划、预览计划和导入计划功能。

4、系统支持学生与教师间的信息互动，学生实训过程中应可实现学生间及与教师的互动交流、讨论、分享学习心得，在大数据应用案例分析评价中教师应能评价学生实现教学互动。

且系统支持多种账号(如QQ 账号、学号、移动*话、电子邮箱、身份证等)共同识别的登陆方式，系统管理员亦可以通过 Excel 表格方式批量导入学生的账号信息。

5、系统支持进行实务教学配置，能够上传课件、教学视频、教学文档，可根据课程的需求新增教学案例满足教学。

平台内置相应的课程教学资源，资源形式不限于文档、视频、课件等，平台应引入共享机制，教师可将优秀的教学资源上传，可向管理班级、学院、校内参加该实训课程的学生开放，真正实现教学优质资源共享共建。

大数据一体化教学实训平台简介一、平台概述大数据一体化教学实训平台是为了满足现代教育需求而开发的一款综合性教学平台。

该平台结合了大数据技术和教学实践，旨在提供一个全面、高效、灵活的教学环境，帮助学生更好地掌握大数据相关知识和技能。

平台提供了丰富的学习资源和实训项目，并支持在线学习、实时互动和自主实践，帮助学生在实际操作中提升能力。

二、平台特点1. 多样化的学习资源：平台集成了丰富的学习资源，包括教材、课件、视频教程等，供学生自主学习和参考。

这些资源涵盖了大数据技术的各个方面，如数据采集、数据存储、数据分析等，能够满足不同学生的学习需求。

2. 实时互动的学习环境：平台提供了实时互动的学习环境，学生可以通过在线讨论、问答等方式与教师和其他学生进行交流。

这样的学习环境能够促进学生之间的合作学习和知识分享，提高学习效果。

3. 灵活的实训项目：平台提供了多样化的实训项目，学生可以根据自己的兴趣和需求选择适合的项目进行实践。

实训项目涵盖了大数据处理、数据挖掘、机器学习等多个领域，学生可以通过实际操作来巩固和应用所学知识。

4. 实时监测和评估：平台具有实时监测和评估功能，可以对学生的学习情况进行实时跟踪和评估。

教师可以通过平台查看学生的学习进度、作业完成情况等，及时给予指导和反馈，帮助学生提高学习效果。

5. 数据安全和隐私保护：平台采用先进的数据安全技术和隐私保护机制，确保学生的学习数据和个人信息得到有效的保护。

学生可以放心使用平台进行学习和实践，不用担心数据泄露和隐私泄露的问题。

三、平台应用场景大数据一体化教学实训平台适用于各级各类教育机构，包括高校、职业培训机构等。

它可以作为大数据相关专业的教学辅助工具，也可以作为企业内部培训的教学平台。

学生可以通过平台进行自主学习和实践，教师可以通过平台进行教学管理和评估，企业可以通过平台培养和选拔人才。

四、平台效益1. 提高学生学习效果：平台提供了多样化的学习资源和实训项目，帮助学生更好地掌握大数据相关知识和技能。