2018年春天,在华为与东北大学开启ICT人才培养深度合作之际,东北大学软件学院与华为云DevCloud联合完成了学院《软件工程》核心专业课的创新教学改革。参与课程的软件工程专业同学们不再是坐在课堂上聆听抽象的软件工程概念,而是基于DevCloud的Classroom服务按照企业真实开发流程,讨论需求、分工协作,体验软件开发的全过程。
经过了一个学期的教学实践后,同学们学习和掌握了华为云DevCloud在软件开发、软件项目管理方面的强大功能,了解了目前业内最先进的软件技术,开阔了专业视野,更重要的是在校园里就获得了类似于在真实软件企业实习的项目经历,提前熟悉了未来的工作场景,全面提升了自我竞争力。
新经济需要高素质复合型ICT产业人才
相关数据显示,2017中国软件和信息服务业产业规模达到5.5万亿,同比增长13.9%,中国ICT领域人才总缺口705万,ICT新兴领域人才缺口256万。高速的产业增长和人才需求之间出现断层。企业在校园招聘时,很难寻求到即具有专业知识,又精通企业开发流程、熟悉先进开发工具和开发理念的人才。而“毕业即失业”的段子也常常被毕业生用来自我调侃,学校所学知识在实际工作中无法完全匹配,致使高校人才培养与企业人才需求之间出现断层。学生如何在学校便掌握对接企业的专业技能并学以致用,成为高校人才培养模式改革的首要关注点。
对高校软件专业的教学来说,软件相关课程难教、难学、难指导、难考核,同时软件的实践性很强,所以实验是软件工程专业教学中不可或缺的一环。《软件工程》课程以往因为缺少合适的实验辅助平台,实验中,学生只能利用 Word、UML 绘图工具等对软件项目做没有明确项目计划的、简单的、原始的项目管理,很难真正地、深入地体会软件项目管理、团队合作及真实软件开发过程。
校企合作,联合创新战略型新兴人才培养
华为与东北大学的深度合作,让东北大学在全国高校中率先基于华为云 DevCloud的 Classroom服务进行软件项目管理的课程实验教学。针对课程《软件工程》的教学目标,软件学院的张爽老师带领教学团队与华为DevCloud专家一起仔细分析和研究了学生现有的专业知识储备与动手能力水平,进行课程实验的设计,并共建了基于华为云DevCloud的Classroom服务的实验指导材料,包括 《基于华为 DevCloud 的软件工程课程实验指导书》、《华为 Classroom 操作手册》、 《华为 DevCloud 操作手册----学生版》、《华为 DevCloud 操作教程视频----学生版》, 其内容涵盖了实验目的、实验要求、和实验原理、实验环境和方法、基于华为云 DevCloud 的参考案例等内容。为了确保实验效果,华为云专家也多次来到《软件工程》的课堂、实验室,与校内教师共同指导学生实验,
华为云DevCloud的 Classroom服务提供云上虚拟课堂,支持作业下发、实时查看学生作业进展等功能,为《软件工程》教学团队开展软件实验教学提供全云上平台支撑:
华为云 DevCloud 在软件项目管理方面的强大功能,能够使学生较为专业地进行小组项目管理实践,更真实地经历和体会软件开发过程;
利用华为云DevCloud的Classroom服务,能够使各项目小组结合项目所经历的 需求、分析、设计等的各个阶段及其多次迭代,在云端进行各种文档的保存、整合、管理等,更好地进行团队合作;
《软件工程》教学团队利用华为云DevCloud的Classroom服务,能够实时监控各组学生项目的进展情况,以便对学生实验进行过程考核。
《软件工程》的教学改革,让东北大学的学生们体会到了把理论知识变成软件产品的全过程,学生按照真实企业开发场景,运用华为云DevCloud平台进行实训操作,在提升学生开发实操能力的同时,将技术转化为成果,直接落地为可应用产品,加速学生创新创意的快速落地。未来,华为云将持续积极响应教育部、工信部新工科建设精神,助力全国更多高校新工科转型、提升高校新工科教学水平,从而培养更多契合ICT产业需求的战略型新兴人才。
好文章,需要你的鼓励
工业升级的关键,或许在于智能本身。“工业+机器人”将成为通向下一阶段工业体系的核心抓手。——黄仁勋。
浙江大学等联合研究发现,AI强化学习效果取决于"模型-任务对齐"程度。当AI擅长某任务时,单样本训练、错误奖励等非常规方法也有效;但面对陌生任务时,这些方法失效,只有标准训练有用。研究团队通过大量实验证实,这种"舒适圈"现象比数据污染更能解释训练差异,为AI训练策略优化提供了新思路。
瑞士政府正式发布了自主研发的人工智能模型,该模型完全基于公共数据进行训练。这一举措标志着瑞士在AI技术自主化方面迈出重要一步,旨在减少对外国AI技术的依赖,同时确保数据安全和隐私保护。该模型的推出体现了瑞士对发展本土AI能力的战略重视。
巴赫切希尔大学研究团队通过对五种不同规模YOLO模型的量化鲁棒性测试发现,静态INT8量化虽能带来1.5-3.3倍速度提升,但会显著降低模型对噪音等图像损伤的抵抗能力。他们提出的混合校准策略仅在大型模型处理噪音时有限改善,揭示了效率与鲁棒性平衡的复杂挑战。