一、建设目标
校企合作建设综合产教融合、人才培养、项目应用、就业实训、师资建设等能力的一体化产业实训基地,基地以学校为核心,整合多方资源,搭建产业人才流动的桥梁。基地结合大数据、人工智能、云计算、工业软件开发等专业特点,配套适应产业广度和深度的课程体系、实训资源,构建应用于全学院的产业基地,打造一支教学、高技能水平领先、具有国内引领和示范作用的国家级、省级专业团队。
1、建设适配各类信息类专业,融合信息技术应用创新产业的综合教学服务平台
2、建设适应现代化信息产业的课程体系和教学实训资源,培养复合型技能人才
3、促进产教融合,建设校企协同实训就业平台,推进校企深度合作
4、建立产业创新创业基地,赋能企业转型,服务产业升级
5、完善信息类竞赛软硬能力,以赛促学,以赛促教
二、建设内容
1、基于产教融合模式下的教学内容优化
![](/uploads/allimg/2407/1-240GG503594J.png)
为适应时代发展,提高高职类院校整体教学水平,发展新兴信息技术,适应时代的发展,建设以新兴现代化技术为核心的专业内容,需基于现有课程体系,将新技术纳入课程内容,适度增加人工智能、大数据、云计算、工业软件开发等一系列课程。
1)与大数据产业结合,构建大数据方向课程
2)以人工智能产业为核心,建设人工智能方向课程
3)以云企业应用为核心,构建云计算实践课程建设
4)以工业产业应用为核心,构建工业软件开发课程建设
2、完善并建设高水平优质现代化课程资源服务
整合学院各方优势资源,服务大数据、人工智能、云计算、工业软件等行业,全面提升专业教学资源库的质量,使之成为集专业教学、行业企业员工技能提升、就业创业者培训和社会学习者自主学习等功能于一体的共享型、实用型、友好型、领先型、持续性的优质资源库。
1)校企合作,建设精品课程
2)以行业标准为导向,校企共建实训就业课程
3)基于专业群教学资源库,推进信息化教学应用
4)特色课定制开发
3、建设实训就业与应用基地,匹配岗位技能
![](/uploads/allimg/2407/1-240GG50414c7.png)
1)校内实训基地建设
按照以大数据、云计算、人工智能、工业软件开发四大学科和为核心,同时关注新技术应用和学生的个性发展,与新一代信息技术的“大云智”领域优质企业协同打造与行业技术发展同步的,集教学、应用、生产、培训、就业为一体的,由基础教学实训基地、产教融合实训基地、就业实训基地组成的,支撑专业群分向培养的校内产教融合型、体化多功能校内实训基地。
2)完善校内大学生素质教育硬件环境
4、打造高水平师资队伍
1)师德师风建设
落实全国高校思想工作会议精神,坚持教书和育人相统一、言教和身教相统一、潜心问道和关注社会相统一、学术自由和学术规范相统一,引导广大教师以德立身、以德立学、以德施教。
2)引进与培养专业(群)带头人、骨干教师
3)校企双主体合作育人的教学团队建设
4)教师信息化水平提升
5、建设以赛促学,以赛促教培养模式
随着产业转型升级与发展,企业对人才的需求也发生了转变,通过以赛促学,以赛促教的培养模式,将知识转化为直观的、可操作的、有趣味的实践内容,学生的长处及潜能得到充分的挖掘与发挥,促进学生的实践与创新能力,才能培养出适应现代企业需求的人才。
1)建设可支持跨专业的综合性竞赛演练实训室
2)以大赛为契机,加强校企合作,共建实训基地
3)以竞赛为契机,建立资源与网络共享的实训基地
6、1+X证书制度的职业教育建设
要面向快速变化的产业结构和经济形态推进多元协同育人,有针对性地加大与行业企业的合作,校企合作共同研制职业技能等级证书及其等级标准,全面促进学历证书和职业技能等级证书的有机融合。面向高质量发展和高品质学习构建新职业教育质量观,要促进学生个性发展与全面发展相统一,调和合格性评价与等级性评价间的矛盾,要推动职业教育评价走向发展性评价;要转变评价模式,增强评价主体的专业性,激活行业企业、第三方评价机构等参与评价的活力;主动推进人才培养供给侧结构性改革,围绕高水平办学、高品质合作、高质量就业寻求多元办学力量的支持,形成职业教育命运共同体,全面提升人才培养质量。
三、方案的优势
1)以学以致用为导向,提供的资源全部开源加上详细教学指导,帮助高校用户,把人工智能、大数据、云计算、工业软件开发技术真正的用起来的,所见即所得,而不是仅仅停留在理论层面,提供体系化的课程资源及配套服务;
2)课程方面讲横向竞争力和纵向竞争力(横向竞争力,我们针对同一知识点提供多场景案例资源及数据,例如,贝叶斯分类器,老师可以用我们提供的资源中的垃圾邮件分类来授课,可以让学生用手势识别来练习或作业,另外,环境中我们也内置了针对这个知识点不同场景的数据,这样有助于学生对这个知识点掌握更深刻;纵向竞争力,讲的是我们的课程设计从简到难,循序渐进,从基础知识到调用式应用,再到当下代表先进生产力的算法资源)。
3)行业应用场景与学习结合,将各行各业的行业应用进行教学化拆分,按照所学的每个知识点进行匹配组合,可满足实战化应用场景的教与学。
4)可以为有诉求的高校用户提供课题、基金等项目的技术及资源支持。
5)可以为高校师生提供大厂资源及就业实训岗位对接;
6)实现了云平台与硬件的技术打通后,在教学场景下,可以实现虚拟机操作-3D虚拟仿真实现-机器人等硬件执行,可以让学生学习完后,就完成了人工智能、大数据、云计算、工业软件开发,所见即所得;实训应用场景下,可以帮助用户提高应用效率,通过云平台在GPU服务器上训练模型,然后下发给机器人等硬件执行,最后将采集的数据回传到云平台做先一步的实训或应用展示,全流程打通帮助用户完成应用创新工作。
系统在底层为用户提供了GPU虚拟化技术,可以最大层次的提高资源的使用率。
当前GPU设备价格昂贵,学校部署深度学习平台通常不能保证每个学生独立使用一块显卡,通常的方案都是通过容器授权学生服务器资源。为了提高系统GPU硬件资源的利用率,支持多人使用一块GPU进行模型训练的方案,可以实现在单张显卡上运行多个容器,并在多个容器间隔离GPU。GPU虚拟化技术不仅降低了平台的硬件成本,同时也避免了GPU的资源浪费。支持分布式集群计算,提供高性能算力,可支持多用户高并发运行,能够高速处理大体量的数据,提供高效能GPU算力分配解决方案,运行环境安全可靠,开放性好、兼容性强、具有强大的工作负载能力及可伸缩性。