下载文档原格式
大数据产教融合实训平台教学应用路径研究——以甘肃财贸
职业学院为例
白继芳
【期刊名称】《女报》
【年(卷),期】2024()2
【摘要】本文在总结大数据实训平台应用研究现状的基础上,提出大数据产教融合实训平台教学应用的两条路径:第一,研究基于实训平台应用实践教学,逐步形成理论指导实践的教学成果;第二,开展基于实训平台教师专业能力发展研究。
提出了开展基于实训平台教学应用实践研究、总结实践操作类课程教学技能比赛的经验等有针对性的实现方法。
【总页数】3页(P0095-0097)
【作者】白继芳
【作者单位】甘肃财贸职业学院
【正文语种】中文
【中图分类】G4
【相关文献】
1.农产品电商产教融合实训平台构建研究——以江苏农牧科技职业学院为例
2.高职院校产教融合实训平台资源开发研究——以药学专业群实训平台资源开发为例
3.产教深度融合视阈下高职实训平台建设实践研究——以烹饪综合实训平台为例
4.产教融合的业务流程外包综合实训平台构建研究——以苏州工业园区服务外包职
业学院为例5.新时代数字化制造产教融合实训基地探索与实践——以天津工业职业学院新时代数字化制造产教融合实训基地为例
因版权原因，仅展示原文概要，查看原文内容请购买。
大数据实训方案教程文件一、导语（100字）在大数据时代，大数据实训成为了提升学生数据处理能力的重要环节。
为了提供更好的教学资源，本文将介绍一份大数据实训方案教程文件，包括教学目标、教学内容、教学方法和实践环节等内容。
二、教学目标（200字）大数据实训方案的教学目标是提升学生的数据处理能力和分析能力。
具体目标包括：1）学生能够掌握大数据处理的基本概念和技术；2）学生能够运用大数据技术进行数据清洗、处理和分析；3）学生能够运用大数据技术解决实际问题并提出合理的解决方案；4）学生能够合理地选择和使用大数据工具和平台。
三、教学内容（300字）大数据实训方案的教学内容包括了理论知识和实践操作两部分。
理论知识包括大数据的基本概念、数据清洗和处理的方法、数据分析的方法和工具等。
实践操作包括使用大数据工具和平台进行数据清洗和分析，针对实际问题进行数据处理和分析，并提出相应的解决方案。
具体来说，教学内容包括如下几个方面：1）大数据的概念和特点；2）大数据处理的基本流程和方法；3）大数据工具和平台的介绍和使用方法；4）常见的大数据处理和分析方法，如数据清洗、数据变换、数据聚合和数据挖掘等；5）基于实际问题的实践操作。
四、教学方法（300字）大数据实训方案的教学方法是以问题为导向的探究方法。
教师可以提供一系列实际问题，引导学生使用大数据技术进行数据处理和分析，并提出解决方案。
在这个过程中，教师起到指导和辅助的作用，学生则负责具体的操作和实践。
此外，教学方法还可以包括一些讲解和演示。
教师可以通过讲解和演示介绍大数据的基本概念和方法，引导学生理解和掌握相关知识。
同时，教师还可以组织学生进行小组讨论和分享，促进他们之间的合作和互动。
五、实践环节（200字）为了进一步提升学生的实践能力，大数据实训方案还包括了实践环节。
在这个环节中，学生需要独立完成一系列实际问题的数据处理和分析，并提出相应的解决方案。
教师可以提供一些实际数据和案例，让学生进行实践操作，从而加深他们对大数据处理和分析的理解。
高职院校大数据教学实训实验室建设方案一、硬件设施1.计算设备：配备高性能的计算服务器和大容量的存储设备，以满足大数据处理的需求。
2.网络设备：构建高速、稳定的网络环境，保障师生在实验室内进行数据传输和访问外部资源。
3.显示设备：配备大屏幕显示器，方便学生上机实践时观察和分析数据。
4.辅助设备：包括打印机、扫描仪等常用办公设备，满足实验室日常教学和管理需求。
二、软件平台1.大数据软件：安装Hadoop、Spark等大数据处理软件，为学生提供实践环境，培养其大数据处理能力。
2.数据分析工具：配备数据可视化、数据挖掘等工具，帮助学生理解和运用数据分析的方法和技巧。
3.开发工具：支持Java、Python等常用编程语言和开发环境，为学生提供编程能力培养的平台。
三、教学方法1.探究式教学：通过提供一定的实际问题，鼓励学生主动学习和探索，培养其独立解决问题的能力。
2.项目驱动教学：以项目为核心，通过多个阶段的实践，锻炼学生的合作、沟通和解决问题的能力。
3.师生互动教学：教师通过课堂讲解和实践指导，与学生进行互动交流，激发学生的学习兴趣和动力。
四、管理体系1.实验室管理：建立实验室使用预约制度，合理安排学生的实验时间，确保实验室资源的合理利用。
2.设备管理：制定设备租借规范和设备维护计划，定期检查设备的使用情况和维修保养情况。
3.数据管理：建立数据安全管理制度，保护学生和实验室的数据安全，确保学生的实验数据的完整性和可用性。
综上所述，高职院校大数据教学实训实验室建设方案应注重硬件设施、软件平台、教学方法和管理体系的综合考虑，从而为学生提供一个良好的实践实验教学平台，培养其大数据处理和分析能力，提高就业竞争力。
第1篇一、背景随着信息技术的飞速发展，大数据时代已经到来。
大数据在教育领域的应用越来越广泛，为教育改革创新提供了新的机遇和挑战。
为了适应时代发展，某高校积极开展大数据教育改革创新，取得了显著成效。
二、案例概述某高校是一所综合性大学，拥有丰富的教学资源和良好的师资力量。
近年来，该校以大数据技术为核心，推动教育改革创新，取得了以下成果：1. 构建大数据教育平台该校投入大量资金，建设了大数据教育平台，为学生、教师和研究人员提供数据挖掘、数据分析、数据可视化等功能。
平台涵盖了多个学科领域，包括理工科、文科、艺术等，为学生提供了丰富的学习资源。
2. 开发大数据课程该校组织教师团队，结合大数据技术，开发了一系列大数据课程。
课程内容涵盖了数据挖掘、数据分析、数据可视化、机器学习等方面，旨在培养学生的大数据思维和技能。
3. 创新教学模式该校采用线上线下相结合的教学模式，将大数据课程融入传统课堂。
教师通过平台为学生提供实时数据，引导学生进行数据分析和挖掘，提高学生的实践能力。
4. 搭建产学研合作平台该校与多家企业、研究机构建立了产学研合作平台，共同开展大数据技术研究与应用。
学生可以通过实习、实训等方式，了解行业动态，提高就业竞争力。
5. 举办大数据竞赛该校定期举办大数据竞赛，激发学生的创新意识和实践能力。
竞赛内容涉及数据挖掘、数据分析、数据可视化等多个方面，为学生提供了展示才华的舞台。
三、案例成效1. 提高学生综合素质通过大数据教育改革创新，学生的综合素质得到了显著提高。
他们具备了较强的数据分析和挖掘能力，能够运用大数据技术解决实际问题。
2. 增强教师教学水平大数据教育改革创新促使教师不断更新知识体系，提高教学水平。
教师能够将大数据技术融入教学实践，激发学生的学习兴趣。
3. 促进产学研结合通过搭建产学研合作平台，该校与企业、研究机构建立了紧密的合作关系。
双方共同开展大数据技术研究与应用，为产业发展提供技术支持。
4. 提升学校知名度该校在大数据教育领域取得的成绩，提升了学校在国内外的知名度。
教学质量监测与大数据决策分析平台建设方案（一）首页视窗个性化首页应支持不同的角色呈现不同的信息内容，建立各类人员统一的诊改个性化门户页面。
要求包含个人功能快捷按钮，个人相关数据统计，当前待办、待审事项，个人关心数据展示，关注指标，预警指标，未达标指标等，实时关注诊改“8”字螺旋运行情况。
要求不同用户角色可显示不同的仪表盘信息，首页中支持用户设置个性化仪表盘，仪表盘能够将用户关注的数据以图表形式展示。
（二）数据大屏给校领导和管理员提供运行监控数据大屏，用户可以通过大屏窗产口，掌握全校诊改工作的整体情况，了解诊改各环节的进度，查看各品层面的数据情况，对异常情况及时督促管理，促使相关人员及时采取要措施改进工作。
数据大屏应支持按8字形质量改进螺旋运行路径展求示各环节的诊改数据，并可点击数据链接查看详情。
数据大屏支持学校层、专业层、课程层、教师层、学生层五个层面诊改的数据分开查看和全部查看。
（三）目标标准建立学校指标库，打造目标链及标准链是诊断改进工作推进的起点，系统应支持将目标的建立设置成独立的模板，便于管理和分类；该模块应建立五个层面的指标库，并将指标细化至可量化的观测点，再针对观测点设定目标值和标准值，通过观测点的量化分析可以展现指标的达成度；系统应设计可量化的指标数据采集方式，实现数据自动采集。
目标与标准明确、具体、可计算、可预警。
指标库应分通用指标库和个性化指标库；通用指标库下可创建多个个性化指标库，实现同一个任务下发时，支持不同的诊改对象进行个性化目标制定，使目标制定更灵活、更合理。
应支持五个层面的指标库分别进行维度划分，实现多维度目标标准，进行多维度诊改。
1.通用指标库管理：要求通用指标库可以同步给所有的个性化指标库，个性化指标库也可单独继承通用指标库（同步和继承都是清空个性化指标库的数据，用通用指标库的数据进行覆盖）。
指标库在建立之前要确定指标库的层面和维度信息，并支持批量导入指标。
支持填报、算法、SQL和接口等4种采集方式，能够展现指标数据自动采集率。
本科院校大数据教学实训实验室建设方案一、背景：随着大数据技术的迅速发展，对大数据人才的需求越来越大。
本科院校是培养大数据人才的重要基地之一，为了提高学生的实践能力和满足企业对于大数据人才的需求，建设一所符合实际需求的大数据教学实训实验室势在必行。
二、目标：1.提供实践机会：为学生提供一个能够进行真实数据处理和分析的实践平台，让学生能够在实际操作中掌握大数据技术。
2.技术研究：作为大数据技术研究的基地，为相关技术的研究提供硬件、软件和实验环境。
3.标准化培训：为职业培训提供一个标准化的教学实训平台，便于培训机构进行培训课程开发。
三、建设内容：1.硬件设施：建立一套高性能的计算平台，包括服务器、存储设备、网络设备等，满足大数据处理和分析的需求。
2. 软件环境：安装和配置大数据相关的软件和工具，如Hadoop、Spark、Hive等，为实验和实践提供支持。
3.数据采集与清洗：建立数据采集和清洗的环境，包括网络爬虫和数据清洗工具的安装和使用。
4.数据存储与管理：建立数据存储和管理的环境，包括关系型数据库和NoSQL数据库等的安装和配置。
5.数据处理与分析：建立数据处理和分析的环境，包括分布式计算框架和机器学习算法的安装和配置。
6.可视化展示：建立数据可视化和展示的环境，包括可视化工具和前端开发平台的使用。
四、建设步骤：1.确定需求：依据课程设置和学生需求，明确实验室的功能和建设方向。
2.设计方案：制定详细的实验室建设计划，包括硬件设施、软件环境和数据处理流程等。
3.采购设备：按照设计方案采购所需的硬件设备和软件许可。
4.系统集成：将所采购的设备进行组装、安装和配置，建立起完整的实验室环境。
5.开展试验：进行一系列试验，包括数据采集、清洗、存储、处理和可视化等环节。
6.教师培训：为实验室的教师进行培训，使其能够熟练操作实验室的设备和软件。
7.学生实践：将实验室纳入教学计划，为学生提供实践机会，指导学生进行实验和项目开发。
. .. 大数据一体化教学实训平台简介
大数据一体化教学实训平台是由泰迪科技自主研发，旨在为高校大数据相关专业提供一体化教学实训环境及课程资源。 本平台共包含9大模块：云资源管理平台、教学管理平台、大数据分析平台、Python数据挖掘建模平台、R语言数据挖掘建模平台、大数据开发实训平台、 Python编程实训平台、R语言编程实训平台、大数据整合平台。以教学管理平台、云资源管理平台为支撑，以优质的课程、项目案例资源为核心，并以自主研发的数据挖掘建模平台为实训工具，把课程、软件、硬件内容统一结合，满足高校大数据教学与实训的一体化平台。
大数据一体化教学实训平台架构（总） .
.. 大数据一体化教学实训平台架构（理学方向）
大数据一体化教学实训平台架构（工学方向） .
.. 大数据一体化教学实训平台特点 • B/S架构：可直接通过客户机的浏览器对服务器端的一体化教学实训平台进行访问。 • 模块丰富：提供软硬件管理、教学管理、实验实训等系列模块，满足不同的教学与实训场景使用。
• 拓展性强：教师自主开设新课程、添加各种课程资源与活动，满足用户的个性化需求。 • 单点登录：用户只需一次登录即可访问所有的教学与实训平台，解决了登录繁琐、操作不便等问题。
• 资源一体：提供教学大纲、教学视频、教学PPT、课后习题、实验指导书、实验数据、实验代码、实验环境等一系列的教学实训资源，全方位解决实际教学与实训过程中所遇到的问题。 • 教学一体：分别提供“教”与“学”的软件环境，教学与实训模块深度融合，真正实现一体化。
• 软硬件一体：硬件环境采用云柜的方式进行搭建，内部集成机柜、服务器（部署一体化教学实训平台）、供配电、UPS、变频空调、应急通风等，整个云柜架构和谐统一、方便安装与维护。
云资源管理平台简介 . .. 云资源管理平台主要对实验室云虚拟化资源进行管理及维护，负责对实验室所有软件系
统进行管理与监控，将云存储资源、服务器资源和网络资源整合，然后通过虚拟化搭建私有云平台，在私有云平台上搭建教学管理平台与一系列的大数据实训平台。
云资源管理平台功能及特点 支持系统资源实时统计和监控 支持云主机批量操作和管理 支持云主机模板创建与分配 支持操作日志查看和可视化分析 支持物理服务器集群管理 支持基础网络与私有网络 云硬盘可独立挂于云主机 平台系统高可用，容错性强 云主机性能卓越，媲美物理机
教学管理平台简介 教学管理平台是针对高校在教学中对教学资源、班级学员、练习考试、成绩等方面进行管理的平台。主要将传统的教学管理与练习考试等线下教学与学习模式转化为线上学习共同体，提升教师的教学效果及学生的学习效率。
R语言数据挖掘建模平台界面截图 .
.. 课程建设思路 泰迪鱼骨教学法 泰迪科技根据高校实践教学中的痛点，提出“鱼骨教学法”的概念。以企业真实需求为导向，通过机器学习、网络爬虫技术、ETL数据迁移与预处理、Python编程技术、数据可视化、Hadoop项目实训等课程学习，把理论教学、案例教学、工具教学、实训项目融合一体，学生学习的技能紧紧围绕企业实际应用需求，将掌握的理论知识，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。 .
.. 基于鱼骨教学法，泰迪科技针对高校大数据相关专业设计了大数据系列课程 每门课程都在一体化教学实训平台上进行授课、实训、管理、维护等
R语言数据挖掘建模平台简介
R语言数据挖掘建模平台界面截图 R语言数据挖掘建模平台是面向高校理学方向专业在R语言方面的数据分析与挖掘课程的分析建模工具，底层基于R语言引擎计算，每个用户可直接从教学管理平台跳转至本平台进行使用。本平台支持工作流计算，提供丰富的数据挖掘算法及图表可视化效果。同时支持上传R语言算法到平台端进行数分析与挖掘，具有高度可用性及灵活性。 .
.. Python数据挖掘建模平台简介 .
.. Python数据挖掘建模平台界面截图 提供丰富的案例模板 R语言/Python数据挖掘建模平台功能及特点 支持多种数据接入方式，并支持数据分享功能 提供上传基于R语言/Python的自定义算法源码的功能 提供第三方算法模型在本平台部署及分享功能
Python数据挖掘建模平台是面向高校在Python方面的数据分析与挖掘课程的分析建模工具，底层基于Python引擎计算，每个用户可直接从教学管理平台跳转至本平台进行使用。本平台提供丰富的使用示例及优质的基于Python的大数据行业案例，用户可快捷简便地使用其进行建模分析的学习。同时提供丰富的算法，每个算法可查看其基于Python的实现源代码，帮助学生更好学习数据挖掘算法及相关知识。 .
.. 提供数据源或工程设置定时任务的任务调度功能 数据挖掘工程采用工作流方式进行搭建及计算 提供丰富的数据挖掘算法 提供优质的大数据挖掘案例模板 提供所有算法API（JAR包）和WebService接口 提供各模块所对应的应用开发接口
大数据分析平台平台 大数据分析平台简介 大数据分析平台主要面向高校工学方向专业的基于Hadoop和Spark的数据分析与挖掘课程的分析建模工具，底层基于Hadoop/Spark分布式引擎，每个用户可直接从教学管理平台跳转至本平台进行使用。支持工作流，用户可在没有编程基础的情况下，通过拖拽的方式进行操作，以流程化的方式将数据输入输出、数据预处理、挖掘建模等数据挖掘过程连接，建立一个完备的数据挖掘工程。 大数据挖掘建模平台界面截图
提供丰富的数据挖掘案例模板 提供丰富的Hadoop/Spark数据分析与挖掘算法 .
.. 大数据分析平台平台
大数据分析平台简介 大数据分析平台主要面向高校工学方向专业的基于Hadoop和Spark的数据分析与挖掘课程的分析建模工具，底层基于Hadoop/Spark分布式引擎，每个用户可直接从教学管理平台跳转至本平台进行使用。支持工作流，用户可在没有编程基础的情况下，通过拖拽的方式进行操作，以流程化的方式将数据输入输出、数据预处理、挖掘建模等数据挖掘过程连接，建立一个完备的数据挖掘工程。 大数据挖掘建模平台界面截图
提供丰富的数据挖掘案例模板 提供丰富的Hadoop/Spark数据分析与挖掘算法 规范的数据挖掘标准流程 优质的大数据挖掘案例模板 丰富的Hadoop/Spark分布式挖掘算法 灵活多样的应用开发接口 . .. R语言编程实训平台
R语言编程实训平台是一套建立在虚拟化层上基于R语言的实训平台，其部署于服务器端，内含R语言软件工具，每个用户可直接从教学管理平台跳转至本平台进行使用。本平台更注重理学专业方向中的统计分析、建模应用，数据分析与挖掘等，其具备强大的建模分析与丰富的图表可视化功能。本平台让学生在掌握了理论的基础上，结合大数据实践应用案例的学习与实操，通过基于R语言项目实战，让学生在短时间内掌握使用R语言工具进行数据分析与挖掘。 R语言编程实训平台界面截图
支持查看实验指导书的同时在实训平台中进行编程实验 提供丰富的基于Python的实验指导书、实验数据、实验代码等资源 .
.. R语言/Python编程实训平台特点
基于B/S架构，方便维护与管理 提供与实际应用一致的数据分析与挖掘工具 提供统一、高性能的大数据开发实验环境 提供大数据系列教程的实验指导书、源码、数据 同一界面内可查看实验指导书及操作实验虚拟机 支持实验虚拟机全屏操作 快速下载实验虚拟机中文件至本地物理机
大数据开发实训平台简介 大数据开发实训平台是一套建立在虚拟化层上基于Hadoop与Spark的实训平台，本平台提供了一个开放、稳定和高度可扩展的框架，集成有Apache Hadoop的数据流业务与现有的数据架构，每个用户可直接从教学管理平台跳转至本平台进行使用。基于此平台，用户能在极短的时间内掌握Hadoop分布式文件系统HDFS、大数据并行计算编程框架MapReduce、Hadoop资源管理器YARN、大数据仓库Hive、分布式存储系统HBase、高级过程语言Pig、大规模数据处理计算引擎Spark、工作流定义组件Oozie和其他组件的使用方法，基于以上组件完成大数据开发实训项目，进行基于Hadoop/Spark框架的大数据应用开发。 大数据开发实训平台界面截图
支持查看实验指导书的同时在实训平台中进行编程实验 .
.. 大数据开发实训平台特点 提供丰富、强大的Hadoop生态圈组件 提供统一、高性能的大数据开发实验环境 提供大数据系列课程的实验指导书、源码、数据 同一界面内可查看实验指导书及操作实验虚拟机 支持实验虚拟机全屏操作 快速下载实验虚拟机中文件至本地物理机
大数据教学演练沙盘简介 大数据教学演练沙盘旨在帮助学生更好地理解业务场景及产生项目相关数据。每个沙盘都根据企业实际项目建设而成，并提供沙盘配套的教学实训资源。主要包括：机智过人机械臂实训装置、动态人脸识别比对实训装置、电力智能分项计量实训装置、菜品智能推荐沙盘等。 “大数据教学演练沙盘”实验课程改变传统的教学模式，将理论与实践融为一体的设计思路，使学生在参与、体验中完成从知识到技能的转化，这种体验式教学方式完全不同于传统理论教学及案例教学，是教学方式的一大创新。
大数据教学演练沙盘——机智过人机械臂实训装置 沙盘简介： 机智过人教学实训装置由基于深度学习的无序抓取装置（以下称：机器人）和顶尖数据挖掘建模平台（以下称：建模平台）组成，其采用工业相机和激光位移传感器相结合的方式获取无序零部件的空间位置信息，并将位置信息和机器人随机抓取的结果反馈给建模平台，建模平台利用深层卷积神经网络等深度学习算法进行训练，然后将结果传输给机器人使其可以通过训练自动实现无序零部件的抓取，极大提高了机器人的智能性。 沙盘特点： ① 通过机器人的训练自动实现无序零部件的抓取，无需人工参与调试。 ② 通过建模平台进行深层卷积神经网络等深度学习算法训练，与机器人交互实现自动预测最佳抓取位置。
