“2016大数据技术与应用人才培养研讨会” 在泸州成功召开

简介:

由全国高校大数据教育联盟、四川省计算机学会主办,北京大学信息化与信息管理研究中心-泸州电子商务大数据开放实验室承办,清华大学出版社、人民邮电出版社、电子工业出版社协办的“大数据技术与应用人才培养研讨会”于2016年12月17日在四川泸州成功举行。

\
活动现场
  来自全国大数据领域的“政、产、学、研”的领导、专家、高校及企业界代表,紧紧围绕大数据人才培养以及高校在大数据技术与应用专业建设等热点、难点问题展开了深入研讨。中国科学院院士、全国高校大数据教育联盟理事长陈国良、泸州市人民政府副秘书长王春芳、中国科学院计算技术研究所博士生导师罗平、西南医科大学医学信息与工程学院院长尹德辉、武警警官学院教授杨娟、福建师范大学教授陈志德、重庆工程学院副教授谢正兰以及来自百度、京东等国内顶尖互联网企业代表应邀出席论坛。
\
全国高校大数据教育联盟副秘书长
CIO时代APP总编   朱启明
  本次研讨会由全国高校大数据教育联盟副秘书长、CIO时代APP总编朱启明主持,他首先代表主办方欢迎大家的到来。他在主持中认为,此次研讨会是积极响应国家互联网+大数据战略,大力发展行业电子商务,促进传统产业转型升级的一个重要举措。泸州发展酒业电子商务离不开大数据技术与应用平台、高校大数据专业人才的支撑;泸州大力发展智能制造产业,积极推进中国制造2025战略,离不开新一代IT技术包括云计算、大数据、物联网、虚拟化、AR/VR、机器人、人工智能、区块链等新兴的移动互联网技术与数据平台的支撑。
\
泸州市人民政府副秘书长    王春芳  
  泸州市人民政府副秘书长王春芳先生为本次研讨会活动致辞。他首先对国家历史文化名城泸州以及酒文化进行了简要介绍,并表示,泸州市正在与北京大学信息化与信息管理研究中心合作,依托北大的优势资源、核心的技术经验共建电子商务大数据开发实验室,建成电子商务大数据开发平台,为泸州传统产业数据化、互联网化提供有利支持。泸州将以更加开放的姿态、更加开明的政策为大家提供更满意的环境,以诚信合作实现互利共赢。最后,他预祝本次研讨会圆满成功。
\
中国科学院院士、全国高校大数据教育联盟理事长    陈国良  
  中国科学院院士、全国高校大数据教育联盟理事长陈国良在研讨会上发表了题为《大数据及其应用》的主题报告。他主要从大数据的基本概念以及几个应用实例展开深刻阐述,他提到:人类社会的进步经过了农业社会、工业社会、信息社会三个阶段,每一个阶段都有一些有代表性或者是标志性的科学技术。信息社会中,新一代IT技术发展的典型代表就是物联网、云计算和大数据。其中,大数据的来源:一是网络连接的世界涌现了大数据,移动互联网产生了数据量,物联网主要通过布置的采集设备把宇宙一些数据都采集到现实社会中来;二是指科学工程产生的大数据;三是新技术和新应用催生了大数据,特别是传感性技术、新兴的通讯技术物联网技术等高速发展。大数据发展的主要推动力是企业界,企业的经济效益的驱动比学术意义的驱动要来的快、来的猛、来的面广,科技界主要是做技术支撑和进一步的研究开发和对未来发展进行导向。大数据提出了四V定义:大容量(Volume)、快速率(Velocity)、多样性(Variety)、高价值(Value)。接着他从智慧城市、医疗健康、美国总统竞选、安全出行等案例进行了全面分析,现今每个人都在分享和制造大数据,推动着科技和社会的发展,改变着生活和思维方式。
\
电子科技大学成都学院云计算系原常务副主任   赵阳
  电子科技大学成都学院云计算系原常务副主任赵阳女士发表了题为《大数据教育教学与相关大数据的实施经验》的报告分享。她首先介绍了电子科大成都学院云计算系的发展经历、办学特色以及现在的一些成果展示。云计算系的发展主要通过产学研一体化教学、教师团队、实施教学改革、课时分配、教学资源平台、教材自主等几大方向来实现。最后她对课程建设、大数据技术及应用专业培养方案进行了全面挖掘和分享。这几年做的一些项目,更清楚相关的产业需要什么样的人,怎么跟人才培养相结合,也是更有效的设计出一套培养方案的原因。
\
  福建师范大学计算机系副主任    陈志德
      福建师范大学计算机系副主任陈志德老师在活动上发表了题为《大数据技术与应用基础课程教学》的主题演讲。他主要从课程建设目标,课时安排,教学环境、课程教学、实验教学、经验分享几大方面进行分享。在分享中提到:在网络资源上,光纤的作用很大。数据采集完成后,用各种存储的方式保存下来,接下来通过计算、分析、展示。有两种数据获取模块:一是数据采集塔,从网络和一些路由器上直接获取数据,一天可以获取几个T的数据;二是通过爬搂的技术,从互联网上直接抽取数据下来。另外,在项目实施上,也要有人和技术的风险意识。
\
  全国高校大数据教育联盟副秘书长    刘计刚

       全国高校大数据教育联盟副秘书长刘计刚发表了题为《十百千大数据公益人才培养工程实施方案介绍》的主题分享。他主要介绍了全国高校大数据教育联盟的成立背景、发展情况、行业现状、发展思路等内容和十百千大数据公益人才培养工程的具体开展项目。全国高校大数据教育联盟现在主要做的工作有五点:建立大数据人才培养;大数据方面核心课程体系;师资培养;高校建立大数据实验教育基地;人才输出重要管道。
北大CIIM-泸州电商大数据实验室副主任鲁四海陪同陈国良院士参观实验室
\
实验室副主任鲁四海向来宾介绍实验室总体建设情况

\
全国高校大数据教育联盟副秘书长朱启明向陈国良院士介绍泸州电商大数据发展趋势

\
陈国良院士认真聆听园区电商企业代表工作成果汇报
  上午论坛结束后,陈国良院士在泸州市商务局党组成员、市贸促会专职副会长张伟、全国高校大数据教育联盟副秘书长朱启明、北大CIIM-泸州电商大数据实验室副主任鲁四海、西南医科大学医学信息与工程学院院长尹德辉、武警警官学院教授杨娟、福建师范大学教授陈志德等人员陪同下,一起参观了泸州电子商务产业园及北大CIIM-泸州电商大数据实验室,陈国良院士对北大CIIM-泸州电商大数据实验室建设取得的阶段性成果给予了肯定,并期望实验室在未来的工作中,紧紧抓住大数据时代机遇,为泸州区域电子商务产业发展提供更大的平台支撑,发挥更大的作用!
\
全国高校大数据教育联盟副秘书长
北大CIIM-泸州电商大数据实验室副主任    鲁四海
  当日下午,此次研讨会活动由全国高校大数据教育联盟副秘书长、北大CIIM-泸州电商大数据实验室副主任鲁四海主持,并发表了题为《传统行业大数据应用思考》的主题演讲。他从传统行业大数据应用发展的趋势,分析了大数据应用落地面临的挑战,并结合案例给出的传统行业成功应用大数据的实践路径和团队建设建议,指出高校大数据人才培养应不仅限于技术,同时也要关注数据分析人才的培养。
\
京东万象总经理   杜宇甫    
  京东万象总经理杜宇甫发表了题为《打造数据智慧时代的发动机--数据联通洞悉全局》的主题演讲。他展示了京东在大数据方面的成功实践,京东万象通过应用区块链技术,打造了更可靠更安全的数据交易,实现了数据交易溯源。
\
中国科学院计算技术研究所博士生导师
微信人工智能首席科学顾问   罗平
  中国科学院计算技术研究所博士生导师、微信人工智能首席科学顾问罗平发表了题为《微信AI生态--智能交互与普共享》的主题演讲。他主要介绍了微信的AI生态智能交互与普惠共享。他表示: 2016年工业界不管是在语音、图象、语言理解各方面都投入了大量的人力物力做人工智能,可能在2020年新的技术浪潮会主导整个产业界。AI的爆发是由计算能力、模型本身的研究、大量积累的数据三个不一样的方向进展促使的。微信的云技术、图象技术和自然语言理解技术都有很久的技术储备。目标是要开放和构建BOT通用的技术,用户只需要提供这个领域知识就可以快速的构建这个垂直领域的内容的服务。
\
    百度云大数据负责人   郭江亮
      百度云大数据负责人郭江亮发表了题为《百度云智能大数据助力行业应用》的主题分享。他提到:人工智能和大数据会成为创新的制高点,百度云在建设的时候,强化了三个点:一是云计算,类似虚拟机、网络等一些基础的产品;二是大数据,是现在式;三是人工智能,云计算、大数据和人工智能三位一体。都是以这三个纬度推进百度内部积累的一些大数据和人工智能技术,希望去赋能更多的行业。
\
西南医科大学医学信息与工程学院院长    尹德辉    

\
兴华财富集团电商公司总经理     赵耿    

\
讨论互动现场
  在对话讨论环节中,参会专家进行了充分讨论。西南医科大学医学信息与工程学院院长尹德辉围绕主题“实用型大数据人才培养”,发表了自己的见解。他说到,通过大数据分析,可以在各个情况下很快作出预警,比如说学生管理、精准医疗等。兴华财富集团电商公司总经理赵耿在发言中畅谈企业对大数据技术、分析人才的诉求,得到在场各高校的积极响应。在接下来的自由提问时间,参会人员纷纷就自己的疑惑向演讲嘉宾提出问题,现场气氛活跃,交流不断,精彩纷呈。

\
活动现场
  至此,“2016大数据技术与应用人才培养研讨会”圆满结束,大家期待明年再次相聚泸州!



本文出处:畅享网
本文来自云栖社区合作伙伴畅享网,了解相关信息可以关注vsharing.com网站。

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
19天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
1月前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
12天前
|
分布式计算 Hadoop 大数据
大数据技术与Python:结合Spark和Hadoop进行分布式计算
【4月更文挑战第12天】本文介绍了大数据技术及其4V特性,阐述了Hadoop和Spark在大数据处理中的作用。Hadoop提供分布式文件系统和MapReduce,Spark则为内存计算提供快速处理能力。通过Python结合Spark和Hadoop,可在分布式环境中进行数据处理和分析。文章详细讲解了如何配置Python环境、安装Spark和Hadoop,以及使用Python编写和提交代码到集群进行计算。掌握这些技能有助于应对大数据挑战。
|
29天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
21天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。
|
26天前
|
机器学习/深度学习 人工智能 数据可视化
基于Python的数据可视化技术在大数据分析中的应用
传统的大数据分析往往注重数据处理和计算,然而数据可视化作为一种重要的技术手段,在大数据分析中扮演着至关重要的角色。本文将介绍如何利用Python语言中丰富的数据可视化工具,结合大数据分析,实现更直观、高效的数据展示与分析。
|
1月前
|
存储 NoSQL 大数据
新型数据库技术在大数据分析中的应用与优势探究
随着大数据时代的到来,传统数据库技术已经无法满足海量数据处理的需求。本文将探讨新型数据库技术在大数据分析中的应用情况及其所带来的优势,为读者解析数据库领域的最新发展趋势。
|
1月前
|
存储 分布式计算 大数据
现代化数据库技术——面向大数据的分布式存储系统
传统的关系型数据库在面对大规模数据处理时遇到了诸多挑战,而面向大数据的分布式存储系统应运而生。本文将深入探讨现代化数据库技术中的分布式存储系统,包括其优势、工作原理以及在大数据领域的应用。
|
2月前
|
分布式计算 DataWorks IDE
MaxCompute数据问题之忽略脏数据如何解决
MaxCompute数据包含存储在MaxCompute服务中的表、分区以及其他数据结构;本合集将提供MaxCompute数据的管理和优化指南,以及数据操作中的常见问题和解决策略。
47 0