数学建模大数据处理方法范文

导语：如何才能写好一篇数学建模大数据处理方法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关于树叶质量的建模与分析

封锁嫌疑犯的数学建模方法

正倒向随机微分方程理论及应用

数学建模与数学实验课程调查报告

基于肤色模型法的人脸定位技术研究

生猪养殖场的经营管理策略研究

从数学建模到问题驱动的应用数学

大学篮球教练能力评价的机理模型

基于WSD算法的水资源调度综合策略

关于地球健康的双层耦合网络模型

多属性决策中几种主要方法的比较

塑化剂迁移量测定和迁移模型研究进展

基于信息熵的n人合作博弈效益分配模型

混合动力公交车能量控制策略的优化模型

垃圾减量分类中社会及个体因素的量化分析

随机过程在农业自然灾害保险方案中的应用

“公共自行车服务系统”研究与大数据处理

天然气消费量的偏最小二乘支持向量机预测

微积分与概率统计——生命动力学的建模

美国大学生数学建模竞赛数据及评阅分析

微积分与概率统计——生命动力学的建模

在微积分教学中融入数学建模的思想和方法

2015“深圳杯”数学建模夏令营题目简述

字符串匹配算法在DNA序列比对中的应用

差分形式的Gompertz模型及相关问题研究

小样本球面地面条件下的三维无源定位算法

数学建模思想渗入代数课程教学的试验研究

基于贝叶斯信息更新的失事飞机发现概率模型

基于人体营养健康角度的中国果蔬发展建模

关于数学成为独立科学形式的历史与哲学成因探讨

深入开展数学建模活动,培养学生的综合应用素质

完善数学建模课程体系,提高学生自主创新能力

利用动态贝叶斯网构建基因调控网络的研究进展

地方本科院校扩大数学建模竞赛受益面的探索

城镇化进程中洛阳市人口发展的数学建模探讨

基于TSP规划模型的碎纸片拼接复原问题研究

卓越现场工程师综合素质的AHP评价体系研究

基于Logistic映射和超混沌系统的图像加密方案

嫦娥三号软着陆轨道设计与控制策略问题评析

嫦娥三号软着陆轨道设计与控制策略的优化模型

微生物发酵非线性系统辨识、控制及并行优化研究

含多抽水蓄能电站的电网多目标运行优化研究

连接我们的呼吸:全球环境模型的互联神经网络方法

垃圾焚烧厂周边污染物浓度的传播模型和监测方案

以数学建模竞赛为切入点,强化学生创新能力培养

一种新的基于PageRank算法的学术论文影响力评价方法

基于视频数据的道路实际通行能力和车辆排队过程分析

篇2

关键词：生物医学数据；统计建模；预测模型；心得体会

随着生物信息技术的飞速发展，生物医学研究领域的数据呈几何级增长。近年来，生物医学大数据受到学者们的广泛关注。生物医学大数据具有典型的“4V”特征：体量巨大（volume）、种类繁多（variety）、实时更新（velocity）、价值隐藏（value）[1]；“3H”特点：高维（highdimension）、高度计算复杂性（highcomplexity）、高度不确定性（highuncertainty）[2]。因此，综合利用生物学、医学、数学、流行病学、统计学、计算机学等多个学科的方法和手段，从中挖掘“有价值”的信息，为生物医学研究提供确凿有效的证据，显得尤为重要。笔者以肺癌全基因组关联研究（genome-wideas-sociationstudy，GWAS）为例，结合理论学习和案例实践的切身体会，浅谈利用GWAS数据建立肺癌风险预测模型的心得体会。

一、严谨的数据质量控制体系不容忽视

由于存在检测、观察、填写或录入错误，未经数据质控的原始数据极可能含有一些异常，甚至错误的观测值。在研究设计之初，便要尽可能考虑规避产生错误数据。另外，统计建模之前，仍然必须对原始数据再次进行质量控制。在GWAS中，要同时对行（样本）、列（位点）进行质量评价。例如，删除次等位基因频率低于5%、缺失率超过5%或哈代不平衡的位点；删除分型失败率超过5%、问卷性别与遗传性别不一致、存在血缘关系、属于离群值的样本[3]。另外，同时需要对流行病学问卷及临床数据进行核查。只有对数据进行清理后，才能用于后续关联分析、统计建模。

二、合理的建模方法和策略值得精雕细琢

对于GWAS高维数据，合理的方法和策略不仅要考虑统计学性能（一类错误、检验效能、预测精度），还需要考虑分析效率（计算速度）。因此，研究者应该要深入思考，为研究项目量身定制一套“合理”的方法和策略。然而，现有的统计学模型和方法往往都有相应的应用条件。实际数据由于其变量结构的复杂性，不一定完全满足所有的应用条件。并且，简单的算法速度快，但统计性能相对低；复杂算法需要牺牲计算速度来提升统计性能。因此，研究者可能需要制定多个备选方案。结合建模步骤，笔者将从以下几个方面，浅谈个人心得体会。1.初始模型：一般拟合logistic回归模型评价肺癌风险。模型中往往需要纳入一些协变量，例如：年龄、性别、吸烟、人群分层等。一般参考以下纳入原则：（a）在模型中有统计学意义（P≤0.05）；（b）即便在模型中无统计学意义，但绝大多数同类研究显示其是公认的影响因素。某些协变量可能是位点的混杂因素，例如人群分层。如果GWAS中忽视调整混杂因素的影响，则有可能导致误报噪音位点的一类错误膨胀，或识别致病位点的检验效能降低[4]。此外，研究者还需要考察协变量进入模型的形式。一般而言，无序分类变量以哑变量形式进入模型。当某些类别样本量特别小，需要进行类别合并。有序分类变量、连续性变量则需要考虑是否以非线性的形式进入模型。一种最简单的方式是，将连续性变量转化为有序分类变量，并以哑变量形式进入模型。如果哑变量各组的系数呈现线性递增的趋势，则提示原始变量与结局变量间存在线性关系。否则，可采用哑变量、样条函数等方法处理非线性关系。2.因素筛选：研究者需要从GWAS数据50万位点中筛选出肺癌相关位点，加入初始模型，以提高模型的预测精度。常规做法是，在初始模型中逐个纳入位点，对位点的主效应进行假设检验。因检验次数达50万次，研究者必须要考虑多重比较所致的一类错误膨胀。常见一类错误控制方法有Bonferroni法和FDR法。前者较为严格，后者较为宽松。GWAS识别位点一般采用“宁缺毋滥”的原则，倾向于采用严格的校正方法。除此之外，研究者还要在多个独立的人群中验证初筛的位点。如果位点在多个人群中都显示与结局存在统计学关联，则认为该位点是潜在的影响因素。除基因位点主效应外，研究者还需要关注基因-基因、基因-环境交互作用。复杂疾病往由环境、基因相互影响，共同导致。因此，有必要在模型中对交互作用进行评估。例如，基因-环境交互作用可以显著提高肺癌风险预测模型的预测精度[5]。有效的降维策略能够提高因素筛选的效率。笔者曾采用“信息熵初筛对数线性模型再筛多因素lo-gistic回归模型确认”的降维策略进行全基因组基因-基因交互作用分析[6]。信息熵方法计算速度快，且其统计量总是不小于对数线性模型，不会出现漏检的情况。前两步可以检验次数将1011次缩减至105次。检验次数降低6个数量级。最后一步，利用调整协变量的logistic回归模型对关联结果加以确认，防止出现假阳性。当然，研究者也可以根据项目“量体裁衣”，选择其他降维方法，例如：随机森林（randomforest）、多因子降维（multifactordimensionalityreduction，MDR）等。3.预测模型：经过遗传因素筛选步骤后，研究者可通逐步回归、LASSO等方法，建立含有与协变量、遗传位点的主效应项、交互作用项的风险预测模型。根据受试者工作特征曲线（receiveroperatingcharacteristiccurve，ROC）确定一个风险阈值，使得风险预测的灵敏度、特异度同时达到最优。若样本的预测概率≥阈值，则预测该样本为肺癌。4.模型评价：从统计学的角度，可采用ROC曲线下面积（areaunderROC，AUC）来评价模型的优劣[7]。此外，还可以采用交叉验证的方式评价模型，即：训练集拟合的预测模型对测试集的样本进行风险估计，并计算AUC。然而，AUC并非衡量模型的唯一标准。如果预测模型形式简单，应用便捷，即便AUC稍有逊色，也是优秀的模型之一。所以，笔者认为需要综合考虑，权衡利弊。

三、熟练的软件操作和编程技能令人事半功倍

扎实的理论基础固然重要，熟练的软件操作亦不可或缺。笔者建议研究者不要拘泥于某一软件，本着“方便原则”利用多个软件进行数据处理、统计建模。根据笔者的经验，一般不太可能一次性完成建模工作，往往需要不断调整分析策略和分析方法。因此，笔者建议研究者适当撰写一些项目相关的通用程序。如果需要重新建模，只需要修改程序参数，微调代码就可以建立新的预测模型。因此，这就要求研究者“功在平时”以培养编程能力。基于肺癌GWAS风险预测模型的建模体会，笔者建议研究者需要重视数据质量控制体系、推敲建模方法和策略、培养熟练软件操作技能。

参考文献：

[1]王波,吕筠,李立明.生物医学大数据:现状与展望[J].中华流行病学杂志,2014,35(6):617-620.

[2]宁康,陈挺.生物医学大数据的现状与展望[J].科学通报,2015,(z1):534-546.

[3]陈峰,柏建岭,赵杨,荀鹏程.全基因组关联研究中的统计分析方法[J].中华流行病学杂志,2011,32(4):400-404.

[4]ZhaoY,ChenF,ZhaiR,LinX,WangZ,SuL,ChristianiDC.Correctionforpopulationstratificationinrandomforestanalysis[J].InternationalJournalofEpidemiology,2012,41(6):1798-1806.

[5]ZhangR,ChuM,ZhaoY,WuC,GuoH,ShiY,DaiJ,WeiY,JinG,MaH,DongJ,YiH,BaiJ,GongJ,SunC,ZhuM,WuT,HuZ,LinD,ShenH,ChenF.Agenome-widegene-environmentinteractionanalysisfortobaccosmokeandlungcancersusceptibility[J].Carcinogenesis,2014,35(7):1528-1535.

[6]ChuM,ZhangR,ZhaoY,WuC,GuoH,ZhouB,LuJ,ShiY,DaiJ,JinG,MaH,DongJ,WeiY,WangC,GongJ,SunC,ZhuM,QiuY,WuT,HuZ,LinD,ShenH,ChenF.Agenome-widegene-geneinteractionanalysisidentifiesanepistaticgenepairforlungcancersusceptibilityinHanChinese[J].Carcinogenesis,2014,35(3):572-577.

篇3

1．数学建模竞赛有利于学生创新思维的培养。数学建模是对现实问题进行合理假设，适当简化，借助数学知识对实际问题进行科学化处理的过程。数学建模竞赛的选题都是源于真实的，受社会关注的热点问题［2］。例如:小区开放对道路通行的影响(2016年赛题)，2010上海世博会影响力的定量评估(2010年赛题)，题目有着明确的背景和要求，鼓励参赛者选择不同的角度和指标来说明问题，整个数学建模的过程力求合理，鼓励创新，没有标准答案，没有固定方法，没有指定参考书，甚至没有现成数学工具，这就要求学生在具备一定基本知识的基础上，独立的思考，相互讨论，反复推敲，最后形成一个好的解决方案，参赛作品好坏的评判标准是模型的思路和方法的合理性、创新性，模型结论的科学性。同一个实际问题从不同的侧面、角度去思考或用不同的数学知识去解决就会得到不尽相同的数学模型。数学建模竞赛不仅是培养和提高学生创新能力和综合素质的新途径，也是将数学理论知识广泛应用于各科学领域和经济领域的有效切入点和生长点。

2．数学建模竞赛有利于促进学生知识结构的完善。高校的理工科专业都开设很多基础数学课，例如:高等数学、线性代数、概率统计、运筹学、微分方程等，目前这些课程基本上还是理论教学，主要以考试、考研为主要目标。由于缺少实际问题的应用，知识点相对分散，很多学生不知道学了有什么用，怎么用。那么如何将所学的基础知识高效的立体组装起来，并有针对性拓展和延伸，是一个重要的研究课题［3］。实践表明:数学建模竞赛对于促进大学生知识结构完善是一个极好的载体。例如在解决2009年赛题———眼科病床的合理安排的问题时，学生不仅要借助数理统计方法，找到医院安排不同疾病手术时间的不合理性，还要结合运筹学给出新的病床安排方案，并结合实际情况评估新方案合理性;2014年赛题嫦娥三号软着陆轨道设计与控制策略，参赛学生首先根据受力分析和数据，判断出可能的变轨位置，再结合微分方程和控制论构建模型，并借助计算机软件求解，找到较好的轨道设计方案。整个数学建模过程中，参赛学生将所学分散的数学知识点拼装集成化，在知识体系上，数学建模实现了知识性、实践性、创造性、综合性、应用性为一体的过程;在知识结构上，数学建模实现了学生知识结构从单一型、集中型向复合型的转变。

3．数学建模竞赛有利于培养学生的团队协作精神，提高沟通能力。现代社会竞争日趋激烈，具备良好的团队协作和沟通能力的优秀人才越来越受到社会的青睐。数学建模竞赛也需要三个队员组成一个团队，因为要在规定的时间内完成确定选题，分析问题、建立模型、求解模型，结果分析，单靠一个人是很难完成的，这就必须要由团队成员之间相互尊重、相互信任、互补互助，并且发挥团队协作精神，才能让团队的工作效率发挥到最大。同时，数学建模作为一种创造性脑力活动，不仅要求团队成员之间学会倾听别人意见，还要善于提出自己的想法和见解，并清晰、准确地表达出来。团队成员间良好的沟通能力，不仅可激发团队成员的竞赛热情和动力，还可以形成更加默契、紧密的关系，从而使竞赛团队效益达到最大化。

二、依托数学建模竞赛，提升大学生创新实践能力的对策

1．以数学建模竞赛为抓手，构建分层的数学建模教学体系，拓宽学生受益面。不同专业和年级学生的学习基础、学习能力和培养的侧重点都存在较大差异，构建数学建模层次化教学课程体系有利于增强学生学习和使用数学的兴趣，让更多的学生了解数学建模以及竞赛，通过自己动手解决实际问题，更加真切感觉到数学的应用价值，切实增强数学的影响力，扩大学生的受益面。南京邮电大学、华南农业大学、重庆大学和南京理工大学等高校这些方面相关工作和经验值得借鉴。因此，构建数学建模分层课程体系，在课程内容设置上，结合专业特色，有针对性设置教学方案和内容，逐步完善具有不同专业特色的数学建模教材，讲义和数据库、并保持定期更新，不断深入推进创新教学理念［4］;在课程时间的安排上，遵循循序渐进的基本思路，一、二年级大学生开设数学建模选修课，介绍数学建模的基本理论和一些基本建模方法，三年级、四年级和研究生阶段开设创新性数学实验课程，重点训练学生应用数学知识解决实际问题的动手能力，并通过参加建模培训、数学建模竞赛以及课外科研活动，培养学生学习解决实际问题的能力;在课程目标的定位上，数学建模有别于其他的数学课程，集中体现在数学的应用、实践与创新，因此，数学建模不仅是一门课程，同时也是一门集成各种技术来解决实际问题的工具［6］。

2．以数学建模竞赛为载体，搭建横纵向科技服务平台，扩大数学建模影响力。数学建模竞赛的理念是“一次参赛，终身受益”，这就要求数学建模活动要立足高远，不断向纵深推进与发展，将数学建模应用融入服务国计民生。因此，选择优秀本科学生、研究生和毕业生，结合大学生创新创业计划，科研课题以及企事业单位关注的问题等，让他们自己动手去调查数据，查阅相关建模问题的文献资料，建立数学模型，借助软件进行模型求解，最后独立撰写出建模科技论文或决策咨询报告。全程参与“课外实习与科技活动”的方式，不仅实现了因需施教、因材施教的目标，还搭建了连接企业和学生的桥梁，不仅让大学生创新创业落到实处，为企事业单位提供了智力支撑，真正实现所学知识服务社会。

3．以数学建模竞赛为平台，加强教师的队伍建设，提升教师教育教学能力。数学建模授课和指导教师的教育教学能力直接影响着学生的创新能力。教育教学能力是指教师从事教学活动、完成教学任务、指导学生学习所需要的各种能力和素质的总和。数学建模的教学与传统数学教学相比，对教师的动手能力、教学内容驾驭能力、教学研究和创新能力等有较高的要求，因此，数学建模指导教师可以通过自主研修，网络研修，参与集体备课、听评课、教学研讨等方式提高自身业务水平，同时积极参与赛区、全国组织的学习和培训，加强交流，开阔视野，不断地提高自我认知、认识水平。只有建成一支高素质、实力雄厚、结构合理、富有创新能力和协作精神的学科梯队，数学建模整体水平才能有较大提升，才能适应数学建模发展的现实需要，切实有利于学生创新实践能力的提高［6，7］。

三、我校数学建模教学和竞赛改革的实践

1．构建模块化教学体系。针对我校轻工特色，结合专业培养需求，构建模块化教学体系。针对食品、生工、医药、化工和轻化等实验科学为主的专业，重点将实验设计、数据处理、数据分析和预测分析等内容模块化;针对数学基础较好的物联网、计算机、信息计算和自动化等专业，构建微分方程，运筹优化和控制论等内容模块化;偏于社科类的管理、会计、金融和国贸等专业，重点将概率模型、优化等内容模块化。再结合数学建模竞赛和大学生创新创业计划，构建“专业基础模块+知识拓展模块+竞赛需求模块+科研论文写作模块”的实践教学体系。

篇4

随着科学的进步以及不断发展，导致现代社会信息化水平日益提高，大数据时代应运而生。在信息化水平不断提高的背景下，审计人员如何利用一些必要的计算机技术来分析被审计数据，从中发现审计线索以确定审计重点、范围，这将成为开展审计工作的前提条件。而当前，审计人员采取的数据工具以Excel与SQL Server为主，本文就将针对这两种工具与R语言之间进行比较研究，并以此探究R在实际审计工作开展的可行性。

二、R语言简介

R语言是S语言的一种实现。S语言同C语言一样，只是一个标准，而围绕它有很多实现。S语言的最初实现版是S-PLUS，但S-PLUS作为一款商业软件，价格十分昂贵，其受众面较窄。后新西兰奥克兰大学的Ross Ihaka与Robert Gentleman共同开发出S语言的另一种实现-R语言。R是一个免费开源、能够自由有效地用于统计计算和绘图的语言和环境，在UNIX、Windows以及Mac OS系统中均可以运行，它提供了广泛的统计分析和绘图技术，包括回归分析、时间序列、分类和聚类等建模方法。

R是一套完整的数据处理、计算和制图软件系统，拥有一套开源的数据分析解决方案，由一个庞大而活跃的全球性社区维护。与其说R是一种统计软件，还不如说R是一统计分析与计算的环境，因为R不仅提供若干统计程序，而且还可进行统计分析，只需使用者指定数据库和若干参数即可。R的思想是：它可以提供一些集成的统计工具，更重要的是，它还可以提供各种数学计算、统计计算的函数，从而令使用者能够灵活地进行数据分析，甚至创造出符合需要的新的统计计算方法。

三、R与当前审计方法比较分析

（一）利用Excel分析

Excel作为我们生活中常用的数据统计、分析工具，早在中学时期便为我们所接触、熟知，Excel能被审计人员广泛接受，一方面与其高被使用频率以及在使用者心中根深蒂固的地位相关，另一方面与其易操作的特点、能够满足大部分数据分析要求的功能密不可分。Excel在审计人员进行非大数据分析工作时，不失为首选工具，能够帮助审计人员高效快速地分析数据并以此发现审计线索，但日前，伴随着大数据时代的进入，数据量大且结构复杂，Excel可能并不能很好地协助进行审计工作，将其与R进行比较，可发现存在以下两方面的不同，同时，这也直接反映了R的优势。

1.Excel所能处理的数据数量受限。Excel满足于非大量数据分析要求，对于海量数据的处理、计算、统计等分析过程可能并不能应用自如。本部分仅针对该公立医院2015年的部分数据进行分析，尚可满足数据分析需求，在针对该公立医院多年的药品数据进行分析时，运算速度较慢，同时会出现软件闪退及程序停滞无法运转的情况，而现今已进入大数据时代，数据数量不断增加及其繁复程度不断提高，这必将为分析数据的工具提出更高要求。而R作为大数据统计软件，能够实现大量数据分析，同时，只要下载安装合适的程序包（关于R中的包将在本文第3部分详细介绍），便能读取包括Excel、SPSS、SAS、Stata等甚至从网页中抓取的数据，基本没有R不能读取的数据形式，完全满足国家审计人员实际大数据审计工作开展的需要。

2.Excel可视化功能有限。Excel中对分析结果进行图表展示的能力有限，以常规的折线图、柱状图、饼图等图形形式居多；此外，难以将大量分析结果在一张图形中进行展示，同时对于大量数据展现的观赏性不强，难以为审计人员分析决策提供帮助。而R是现今最受欢迎的数据分析和可视化平台之一，基于R语言可制作多种精美的图形，允许众多分析结果以代表各自的图形形态在一张图中进行展示，可方便审计人员对分析结果进行宏观观察、分析。

（二）通过SQL语句查询分析

SQL查询是SQL最常用的功能，被广泛应用于目前审计机关针对特定条件、事项进行的查询分析，通过编写简单的SQL查询语句来询问特定的问题，之后数据库通过执行这个查询便可提供回答这个问题的数据信息。SQL的易理解、易操作、易上手等特点成为目前国家审计机关人员重点培训的使用工具之一。但将应用SQL语句进行查询分析与基于R语言进行统计分析过程进行比较，R语言仍具备两点优势：

1.R语言分析数据的功能更为强大。众所周知，SQL语句作为结构化查询语言，在数据查询方面具备强大的功能，优势明显，但在数据挖掘层面，比如进行聚类、回归建模分析等应用时，SQL可能并不如R语言使用得心应手；同时，面对一些高级查询，可能需要通过编写连串的、大量的SQL语句，而R自带多种函数及功能强大的程序包，涵盖统计学、生物学、数学等多个领域，而R又作为免费开源软件，使用者还在不断创建新的包来更新丰富R的使用功能，通过简单的几步函数运行便可实现多种统计需求；除此之外，R语言是用来进行统计分析和绘图的一种语言，除了自身包括强大功能的函数及多种程序包能够满足审计人员进行多种统计分析的要求之外，还可以作为一种可视化语言，能够将分析结果以各种精美的图形展现以帮助分析决策。而进入大数据时代，软件的数据可视化能力至关重要。

2.R语言的应用范围更广。SQL侧重应用于数据库软件，能够方便使用者作相关查询分析，而R作为大数据统计工具，广泛应用于数据分析、数据挖掘等诸多方面，是目前最受欢迎的数据分析和可视化平台之一，其包含的众多具备不同功能的函数、程序包，可满足数据分析人员众多需求。

篇5

关键词： 数字城市； 三维建模； 可视化技术

1. 数字城市三维模型的建模方法

1.1 地形的三维建模法

数字城市当中，地形是最主要的地理对象，也是城市实体三维空间的基础。它是将卫星遥感技术捕获的影像通过一系列的修正及校正后得到的正射影像辅以数字高程模型，即DigitalElevationModel（DEM）从而生成三维地形的图形表示。DEM以数字化的形式将地形表面形态一展无疑，同时也占据了地理信息系统中空间信息资料以及分析地形的核心位置，三维实体绘制和分析地形都离不开它，而DEM主要是通过离散分布平面点上的高程数据来进行连续分布地形表面的模拟。DEM数据主要通过三种方法来获取。一，利用野外测量仪等设备在野外进行实地测量，以此获得的数据较为精准，但是效率较低，劳动强度大，不适合大范围的数据获取；二，将地形图数字化，即将地形图扫描之后，利用相关软件对图像进行矢量化，在添加了地形的特征后，就能得到DEM数据，该方法方便快捷高效；三，全数字摄影测量，以卫星遥感影像为基底，利用该法获取数据，需要借助专业的仪器设备才能使数组准确可靠。

1.2 地物的三维建模法

目前，建筑物进行三维建模的方法有三种：一，基于二维GIS的建模方法，即将二维城市的GIS数据直接转换成三维，该方法不仅方便，还节省经费。但是二维GIS缺少了三维，建模所需要的第三维信息，因此，采用此法时，通常会将其与DEM相结合，以弥补三维建模所需的信息数据。但是由于缺乏准确的第三维数据以及相应的纹理信息，也让构建的三维模型缺少真实感，对实体城市的表达也不够完美；二，基于CAD的建模方法，也就是通过一些建模软件如AutoCAD、3Dmax等来建立相应的三维CAD模型，其中，一个或多个多边模型就能够建立一个三维CAD模型，对建筑物的几何特征及属性信息能够详细准确的表达；三基于遥感影像的建模方法，即以立体的影像数据以及数字摄影测量技术为保障，再根据影像中所得到的第五坐标来建立数字模型。

1.3 地物纹理数据的获取与映射

在建筑物的三维模型构建中，除了几何模型的构建，纹理数据是不可缺少的一个要素。纹理数据可由三种方法获得：一，贴图素材库；二，实地拍摄采样；三，从遥感影像当中提取；以上三种方法是最为经济的。地物三维模型的真实程度主要是取决于其表面贴的纹理影像的真实程度，而该纹理影像从航空影像当中进行提取。在获取纹理数据之后，需要将其映射到相关的建筑物上，让其具有真实性，纹理映射的原理是将模型中可模拟或是不可模拟的细节部分利用图像来替代，从而使显示速度以及真实程度有质的飞跃。纹理映射的核心技术是对纹理坐标的控制，每一个图像都对应着一个坐标，并以文件的形式进行保存，因此，程序在运行时，只要其中的纹理映射坐标到位，地物上就能够准确清晰的显示出相应的纹理。

2. 三维可视化技术分析

2.1 三维可视化技术现状

三维可视化技术的出现，让世界出现了无数的可能，该技术被应用到各个领域、学科，促进了发展。例如，对于数字城市三维，要实现城市三维可视化，城市实体三维建模是必不可少的一个环节，而对城市实体的分析、表达都是其中的关键。目前，三维可视化技术大多以三维软件的形式来展现。三维软件分为三类：建模软件；以模型为基础，能够实现漫游、分析、决策等基本操作的平台软件；以及让三维可视化技术能够应用到相应领域的应用软件。

2.2 可视化应用系统的框架

城市三维可视化是通过对三维地形及地物的构成进行研究，利用计算机图形学以及图像处理技术，将城市实体以三维图形的形式展现在人们眼前。将地理要素直观、真实地展现出来，将空间数据可视化，因此，三维空间数据为三维可视化的实现建造了一个坚实的基底。三维可视化应用系统的框架主要由数据的提取与处理模块、三维景观生成模块以及三维景观浏览模块组成。首先，数据的提取与处理，是指系统要将获取的DEM、正射影像以及矢量线引入到三维地理信息系统当中，建立起相应的三维模型，同时将相关的数据输入建立起对应的属性数据库，建立完成建筑物的模型，将其表面进行纹理映射，再进行其它地物的模型建立；其次，三完成维景观建立后，便可对其进行漫游浏览，也就是从多个视角进行观察，包括缩放、扩大、旋转以及俯仰等，或是对制定路线进行漫游，如果条件允许，还可以辅以立体观测设备进行真正的漫游。三维可视化系统的整个实现流程，如下图：

2.3 三维景光可视化实现方法

三维景观可视化包括地形可视化和地物可视化，首先，利用遥感影像技术来获取地形、地物的数据信息，即将高分卫星影像、DEM数据以及控制成果作为基本资料，正射纠正全色影像，并将纠正后的全色影像作为参考资料，配准纠正多光谱影像，再将纠正后的全色影像和多光谱影像进行融合，融合后的影像再按照图幅来镶嵌、裁切，通过影像增强、色彩调整等方法对分幅影像进行相应的处理，制作出DOM成果。三维可视化是将三维空间数据模型完美呈现，也可以将其称之为3D几何模型。可视化的实现方法如下：方法一，以数学数据为主的直接建模，即以OPENGL作为平台进行建模，以此法进行建模时，要注意二维到三维转换时像素的转换，即投影的变换、视角的变换以及窗口的裁剪情况，还要注意将光照加入到模型中时，光源的位置、颜色以及其中对象的材料等因素；方法二就是以虚拟现实建模语言的VRML进行建模。

3. 数字城市三维可视化中所涉及的关键性技术

3.1 模型层次细节

模型层次细节是以物体与视点之间距离的远近来确定模型精细的程度。在进行虚拟仿真时，数据量非常巨大，需要实时处理，精细程度直接决定了数据的处理速度，如果模型的精细程度过高，那么数据的处理速度就会相应地降低，若是精度过低，又达不到预期的显示效果，因此精度的选择很重要，为了避免这样的问题出现，最好的方法就是进行分层，不同层次的模型用不同的惊喜程度，这样交错出现就不会造成数据压力，同时也能达到预期的效果。

3.2 模型分块

模型分块是指根据模型所在空间位置的不同，将其划分为不同的区域，这样在进行数据处理时就能够将模型各个模块的优点突出来，如果模型的空间范围较大，利用模型分块技术不仅节约系统资源，而且将资源最大化后再与模块层次化相结合，就能够将数据量控制住，提升数据的处理速度，让演示更加的流畅。

3.3 纹理处理

纹理处理是对纹理的命名、格式、大小、贴图方式的处理。首先，纹理的命名，对于一些仿真场景较大的模型来说，所用到的纹理也是一个大数目，因此为了保证不重名或是混乱情况的发生，就需要加上一个与模型模块箱配合的前缀，然后再加上相应的名字就能够清楚的区分其所属模块与所傥恢茫黄浯危纹理的格式，一般是根据操作系统的兼容情况以及分辨率来选定用什么格式的纹理图片，同样，纹理的大小也由操作系统以及实际情况来决定，但是一般其长宽方向的像素必须是偶数倍；其三，纹理的贴图方式有很多，应该遵从其预期的表达效果来选用，而对于一些特殊纹理比如透明纹理的处理来说，一般是选用RGB格式，大小为标准大小。

4. 总结

总之，可视化技术作为一种动态技术，让数字城市成为现实，让城市的规划、管理、建设更加的先进、方便，让理论与实践完美地融合在一起。

参考文献：

篇6

关键词 :     计算机网络技术;人工智能;应用讨论;

Abstract：　Computer network technology as the core of modern society, has a profound impact on the whole society. Artificial intelligence based on computer algorithm is the development trend undoubtedly in the future. This paper will discuss the application of artificial intelligence technology in computer network.

Keyword：　computer network technology; artificial intelligence; application discussion;

1、 人工智能技术的优势

1.1、 突破计算能力的局限

人工智能采用了人类学习方式，能通过对大量信息的扫描分析，从而提高底层计算能力，特别是在GPU发展的阶段，让人工智能的计算能力增长到几倍甚至是十几倍。目前随着TPU的发展，让计算速度达到以往的30倍左右，这样不仅降低了人类数据计算成本，也能在相关人员对海量数据进行计算时，提高数据处理的精准度与全面性。

1.2 、强化对数据信息的积累

随着信息技术的发展与普及，也增加了数据处理量。随着人工智能的发展，从互联网中收集到的信息，然后经过人工智能分析、整理、储存，可尽量减少数据井喷带来的影响，帮助在数据层面做更多的积累。

2、 人工智能技术主要应用

2.1、 人工智能数据处理

充分运用其对数据信息的挖掘处理作用。计算机强大的计算能力，帮助处理数据和挖掘相关数据，并不意味着对计算机网络系统中的非法入侵方式以及途径等进行分析和处理、深入对数据的挖掘处理，而这样就能有效对比运用人工智能后的差异，通过整理进而形成一套合理的计算机编码，实现对非入侵以及途径的确认，并通过分析和掌握入侵规律，提高计算机网络运行的安全性。但值得注意的是，由于计算机网络系统自身就存在很多漏洞，需用户不断对其系统进行持续的改进，并对非法入侵的原因进行和分析，对计算机较为落后的相应设备问题，用户要进行及时的更换。

2.2 、计算机网络管理

要想提升计算机网络人工智能技术在计算机网络管理中体现其作用，就需建立安全管理的保障措施，采用其数据统计、运算以及记忆识别等对数据信息进行统计和筛选。

2.2.1、 建立专家系统数据库

人工智能技术中其核心内容是具有丰富数据的专家系统数据库，通过运用专家知识、经验以及对数据的处理和推理方法，将互联网技术中的内容嵌入专家数据库中，并运用人工智能技术进行转换，将简单的数据信息转化为较复杂的程序化信息，这样用户在对数据进行运用时就能根据专家的经验不断对数据信息进行优化处理，选择最为合适的方式用到计算机网络系统中，更好地进行互联网系统管理工作。

2.2.2、 提供智能解答

人工智能技术应用到计算机网络系统中还有一个重要的作用就是实现对用户问题的解答。用户在运用计算机并想从网络中获取信息时，人工智能技术就能自动在互联网中搜寻相关答案并匹配出最佳答案。与以往的问答方式不同，人工智能技术的解答只需通过一个简单的指令就能实现，并能持续做好后续的筛选工作，进而对数据信息进行很好的分析和处理，找出用户最需要的信息，缩短整个信息搜寻的时间，提高用户在海量数据信息中找到精准答案的效率。

2.3、 BP网络技术

BP网络技术能输出或输入相关的数学映射关系，从而加强学习和存储功能。它是集生物学、心理学和统计学等相关学科做支撑的现代网络技术，可高度模拟人的大脑神经，有规律地进行计算。随着它的广泛应用，人们开始越来越了解和熟练掌握其相关功能，如音频、视频等的处理都是经过BP神经网络技术。它的优势就是注重数据方面的独立分析和处理，也随时引进新技术，增加新能力，不断创新和发展。

2.4 、支持向量机算法

支持向量机算法可带来超强的人工智能技术，基于一种完整的样本数量，实现非线性的数据采集，从而高度准确地应用于计算机的高维度数据模式。在人工智能技术与计算机网络技术高度融合时，人工智能技术只要查找到一个与实际较符合的核函数，并进行类别区分，最终就可实现基数大的目标函数。现今，支持向量机算法广泛应用于计算机建模、地图分析等多领域，提高了建模质量，为人工智能技术与计算机网络技术高度融合提供最大可能。

2.5、 智能反垃圾邮件系统

民众在使用电子邮件的过程中，经常会收到一些包含了敏感信息和病毒的邮件，或是收到一些垃圾邮件的骚扰，这些软件给用户造成很大的困扰。利用人工智能技术，可提升电子邮箱对垃圾邮件的拦截，防范垃圾电邮对用户的骚扰。其通过在电邮系统服务器之前设立一个多层次的邮件过滤方案，使那些对用户无用的邮件无法进入到服务器内，从而实现对垃圾邮件的拦截。目前的QQ邮箱、163邮箱以及一些企业级的邮箱都利用人工智能技术实现了反垃圾邮件的智能化，使用户不再受垃圾邮件的侵扰。

2.6、 智能检测、升级系统软硬件

在大数据时代背景下，数据处理技术的发展和应用为计算机网络的软、硬件提出更高的要求，而计算机及其衍生技术的快速发展又使得计算机网络的软、硬件升级换代日益频繁。计算网络应用的软、硬件基础设施建设直接决定了其在数据采集处理以及信息流通共享上的效率，注重计算机网络软硬件设施建设，与时俱进地对其进行升级，更新成为用户最为关心的内容之一。人工智能在计算机网络上的应用，可根据其工作需求对软硬件性能作出科学的判断，并根据判断结果对软件系统进行更新升级，也可及时提醒用户对硬件系统进行更新升级。

人工智能的先进性同时还能提高企业在数据信息资源流通共享中的安全等级，其自动升级和检测提醒功能，能保证企业的计算机网络实时处于最优状态，不仅提高数据信息资源共享效率，还提高企业计算机网络的安全性能，避免数据信息资源被盗取、泄露的可能。

3 、人工智能应用问题分析

3.1 、安全问题

任何技术的开发和应用的前提条件就是安全，这是第一位的。人工智能作为一项高尖端技术，如果脱离人类的控制，将引发严重的安全问题。其一，技术滥用引发的安全危机。人工智能可能被不法分子利用，如黑客可通过智能技术攻击国家的网站、盗取机密信息。此外，黑客还可以借助计算机技术攻破公司的防火墙，非法获得公司的财务信息，甚至将公司财务的资金转移到自己名下；其二，技术缺陷或管理不当诱发的安全隐患。到目前为止人工智能系统还不够成熟，有些技术存在漏洞，可能使人工智能系统出现异常或失灵。例如，深度学习技术不完善，机器人的生产及安装不当会导致严重后果等。

3.2、 伦理问题

人工智能的产生，带来新的伦理问题。智能机器的行为规则能否与社会规范相兼容。机器人也要遵守社会伦理道德，按照人类伦理来行动。如若不然就会引发特殊的伦理问题。谷歌等公司研制的无人驾驶汽车，拆除方向盘、油门和刹车，仅靠智能系统感知周遭情况，基于大数据的分析而判断行车方向。如果是正常行驶、没有意外发生，那么智能汽车可以安全行驶。然而，遇到前方有5人闯红灯，路边有2人在等待，在不能及时刹车的情况下，无人驾驶汽车是选择直行还是转向路边呢？而这类交通事故的发生，又由谁来负责？显然，这是人类都难以抉择的问题。

4 、结束语

综上所述，人工智能出现以后，一种模拟人的大脑进行学习而获取有用信息的智能技术，在当今时代得以高水平发展。

参考文献

[1]戚爽,计算机网络环境下金融信息安全保障体系的构建[J].长春金融高等专科学校学报, 2015(4).78-81.

[2]贾新春,彭登永,李雷,等,城市路网的一种最优路径搜索算法[U].山西大学学报(自然科学版) , 2020,43(1):58-64.

[3]赵娟平,高宪文,符秀辉,改进蚁群优化算法求解移动机器人路径规划问题[U]南京理工大学学报, 2011,35(5):637-641.

[4]苏晨大数据背景下计算机网络安全及解决策略[J]J南方农机, 2020,51(23):153+156-157.

[5]詹盘毅,王霞.大数据时代人工智能在计算机网络技术中的应用[J].科技创新与应用，2020(33): 168-169.

篇7

关键词： 高职 高等数学 改革 数学建模 发展 评价

1.前言

高等数学是一门基础工具学科，其目的在于培养学生分析问题、解决问题的能力，为学生学习专业课程提供必要的数学知识和基本工具；更重要的是通过对数学知识的学习，学会数学的思维方法，启发学生的创造性思维，培养学生严谨踏实的科学精神和意志，提高学生的整体素质。随着时代的进步和科技的发展，它的作用正越来越为人们重视，所以许多学校都把高等数学作为校级重点课程。如何提高高等数学的教学质量是从事高等教学的教师共同关心的话题。长期以来，由于受应试教育的影响，加上教法、学法、环境等各方面的因素，这门课程的开设往往达不到预期效果。

二十一世纪以来，随着我国高等教育事业的快速发展，高等职业教育也因此得到迅猛发展。但随之而来的首先是高职院校入学新生的数学总体水平有明显的降低，层次更加参差不齐。其次，知识经济时代的高要求和社会竞争的空前压力使学生的课程比以前多得多，要求也更广泛、全面，导致学生花在高等数学上的时间比以往相对减少许多，但教学内容却基本上没有减少，教学要求更没有降低，这给高等数学的教学带来了困难。因此，寻找一种适应不同层次学生的、较为灵活的教学方法就显得尤为迫切。

深化高职数学课堂教学改革，提高学习的积极性和主动性，提高教学质量，培养高素质高职人才势在必行。笔者通过对高职高专各专业学生的调查并结合自己对《高等数学》教学的实践进行了一些探索。

2.改革与创新

2.1教学思想

当前高等教育己从精英型向大众普及型转化，高职教学中受教育的对象是企业未来的高级“蓝领”。高等数学的教育注重的是学生学到了什么，是否会应用，而不在于教师的理论水平有多高，对数学公式、定理的论证多完美。教师所要做的是将抽象、繁琐的理论直观化、简单化，让学生易于接受。传统教学思想应该转变为以培养应用型、创新型人才为目标的新思路。

2.2教学内容

2.2.1合理安排教学内容，减少难点。

根据各专业的特点，认真钻研大纲，对教学内容进行增减。把学生掌握基础理论、基础知识、基木方法，提高逻辑思维、推理论证和分析问题解决问题的能力放在首位，不过分追求数学知识的系统性和严谨性，讲透概念，淡化演绎，加强基本技能训练，如在微积分部分，重点讲清一元微积分的思想与方法，精讲多练，至于多元微积分，可引导学生采用归纳、推理、类比的方法去处理，而较复杂的逻辑证明，只作简单说明或略去。教学中注重沟通新旧知识之间的联系，帮助学生建立一定的知识网络，以不变应万变，减轻学生学习负担，化解知识的难点。

2.2.2理论与实际相结合。

现今的高等数学教材中是重理论轻应用、重经典轻现代，数学思想、应用意识引导不足。而今数学的应用不仅在传统的物理领域，而且已经渗透到了许多非物理领域。教师在教学过程中，应针对不同专业灵活选用教材。结合专业，在讲解数学概念时，与学生熟悉的生活实例或与专业相结合的实例联系起来，效果会很好。例如在讲导数概念时除举出书本上的变化率问题，还可以结合不同专业多介绍些变化率的问题。比如在经济类专业可介绍边际成本的概念，产品总产量对时间的导数就是总产量的变化率，产品总成本对占量的导数就是产品总成本的变化率；在机械电子类专业可介绍质量非均匀分布细杆的线密度、变速圆周运动的角速度等变化率问题；在生物化工专业可介绍物体的冷却速度、化学反应速度等变化率实例。这样不但能使学生建立明确的数学概念，提高整体教学效果，而且能拓宽学生的思路，有利于提高学生把实际问题转化为数学问题的能力。这种联系实际的教学，使学生的理论理解和实际应用能力都能得到提高，也有利于培养学生对高等数学的兴趣和学习的自觉性。

2.3教学方法

2.3.1现代多媒体教学与传统方式教学相结合。

现代多媒体教学与传统方式教学各有利弊。多媒体教学能把在传统教学手段下难以表达的教学内容或无法观察到的现象，直观、形象地表现出来，从而加深学生对问题的理解，提高其学习积极性。例如：函数y=x+2，当自变量趋向于1时，函数y的极限为3。以往不用多媒体上课时，只能在黑板上画图像和列表格，教师用语言来表述“无限”接近这概念，显得静止呆板。不管教师如何卖力地讲解，学生都必须抽象思考这些变化趋势，效果并不好。而采用现代媒体手段教学，当自变量在变化着且从左侧或右侧无限接近1时，函数也在变化着且无限接近3，这时不仅有数字上的“无限”接近，而且在图像上能逼真地表现出“无限”接近，生动的场景能使学生更容易理解这一概念。

但是，传统方式的教学，依然有它无法比拟的优势。在课堂上，师生可以更好地互动交流和相互启发式地讨论。教师边板书边叙述，既有眼神、表情，又有手势等多种感官的刺激。不仅可以激发教师教学思维的激情，而且能带动学生发挥主观能动性，促使学生思维能力和思维品质的提高。例如：在表达数学公式、数学定理的推导过程时，现代多媒体就显得非常机械呆板，具体解题过程枯燥乏味，无法体现教师设置悬念、启发探究、奇思妙想的解题思路，难以收到好的教学效果。

为了提高教学效率，同时不影响教学效果，我们可以将两者结合起来，取长补短。比如：在讲解抽象的概念、现象时，可以利用多媒体技术直观地将其描绘出来，帮助学生尽快理解。而在推导计算时，辅以粉笔教学，带动学生的思维，这必然会带来良好的教学效果。

2.3.2开设数学建模和数学实验课。

2.3.2.1开设数学建模课有百利而无一弊。数学建模进行数学教育的思想方法是：从实际问题出发，发现其中的规律，提出猜想，进行证明或论证。数学建模要求学生结合计算机技术，灵活运用数学的思想、方法独立地分析和解决问题，不仅能培养学生的探索精神和创新意识，而且能培养学生团结协作、不怕苦难、求实严谨的作风。由于受到高职教育时间的限制，分配给数学课程的课时数较少，因此可以将数学建模课作为选修课来开设。

2.3.2.2另一种更为可行的办法是，将数学建模的思想和方法有机地贯穿到传统的数学基础课程中去，这是一种非常适合我国高等职业教育实际的教育方法。目前我国高职教育的几乎所有的专业都开设了微积分课程，还有许多专业开设了线性代数、概率统计等课程。基于此，我们可以将某些数学模型，如银行存款利率的增加、人口增长率、细菌的繁殖速率、新产品的销售速度，甚至某些体育训练问题等，插入到数学基础课程教学中去。

2.3.2.3引入计算机数学实验课，打破数学课只有习题课，没有实验课的传统模式。开设数学实验课，其目的是培养学生的数学建模能力、科学计算的方法与手段、数据处理能力。通过学习Mathematica、Matlab、Sas等数学软件，学生能够在不断的应用与探索中领会数学与现代高新技术的完美结合，并获得现代科技所需要的数学知识与数学素质，而且可以促进学生对数学规律的理解、认识，使讲授记忆作业的传统学习过程变为学生自主探索思考解决问题应用的过程；不仅能加深学生对数学知识的理解和掌握，而且有利于培养学生解决实际问题的意识和能力，提高学生学习数学的积极性和主动性。

3.小结

社会需要的人才是多元化、多层次的，既需要理论、研究型人才，更需要大批应用型人才。我们在平时教学的每个环节中应当注重培养学生的数学应用意识和创新能力，使学生能够学会应用数学知识解决生产、科技中的问题，使人才从知识型向能力型转化，全面提高他们的数学素质。当然，提高学生数学素质并不是一蹴而就的，它是广大数学教育工作者长期奋斗的目标。

参考文献：

［1］郑锡陆.对高职数学采用多媒体教学的探讨与实践［J］.职业教育研究，2006，（1）.

篇8

关键词：研究性教学；研讨教学；案例教学；自主选题

中图分类号：G642.0 文献标志码：A 文章编号：1674-9324（2016）37-0181-02

在大学本科生的教学实践中，我们不难发现，面对某些专业课题的提出，学生给出的答案更多的是碎片式的知识点，而不是系统性的解决问题的思路。“授之以鱼，未若授之以渔”，不仅让学生学到知识，更应该让学生提高自我学习的能力，进行创新性思维的培养。本文首先讨论了研究性教学的内涵与基本特征，然后以《多媒体数据处理》课程教学为实践平台，将发现教学、研讨教学、案例教学等几种教学组织形式应用于研究性教学中。结果表明，研究性教学能够有效激发学生的学习热情，培养学生的创新性思维。

一、研究性教学在“多媒体数据处理”课程实施中的必要性

研究性教学是培养学生创造能力和创新精神的一种教学活动，是教师通过指导学生从自然、社会和生活中选择与学科相关的专题进行研究，使学生在主动探索、主动思考、主动实践的研究过程中，吸收知识、应用知识、解决问题、获取新的经验和展现个性，从而提高素质，培养创造能力和创新精神的一种实践活动。研究性教学将学生知识、能力和素质培养设为教学目标，不再单纯以增加学生头脑中固定不变的知识为目的，而是将学习知识与研究问题相结合，增强学生以知识为基础的对开放式情境的问题意识，提高学生的自主探索精神、创新意识和研究能力等。

“多媒体数据处理”课程主要针对大学本科层次的“数据资源开发与利用”专业开设，该专业的课程设置主要以数据资源的建设、开发和利用等数据建设生命周期为主线，目标是使学生将来成长为数据资源管理工程师。该类学生已经进行了相关专业的基础课程的学习，具备了一定的知识储备和实践能力，传统的灌输式教学方式已经无法满足其进行拓展性思维训练和创新性实践的需要。而研究性教学是一种以探索和研究为基础的教学组织形式和教学方式，与该类学生的培养目标较为贴合。“多媒体数据处理”课程以多媒体数据为核心，将音频、图像、视频等媒体数据的获取、处理、存储技术有机地整合在一起，揭示其内在联系；对多媒体数据的格式、多媒体数据的传输、多媒体数据的应用等内容进行详细地阐述，同时，还对大数据、数据可视化等新兴技术进行延展学习。结合“多媒体数据处理”课程的特点，本文主要在课堂教学、课堂内外相结合、考核方式三方面进行了研究性教学实践。

二、基于课堂教学的研究性教学实践

与传统教学模式相同，课堂是研究性教学非常重要的教学环境。如何进行科学有效的研究性课堂教学设计，是研究性教学的重要内容之一。本文在课堂教学中开展的研究性教学的教学组织形式主要侧重发现教学法和研讨教学法，下面分别给出一个教学例子。

（一）发现教学法

发现教学法是美国心理学家布鲁纳倡导的，他将科学家发现真理的认识过程引入教学之中，认为学生的学习与科学家的发现之间的差别“仅在程度而不在性质”。他注意调动学生学习的积极性，使自己成为一个发现者。

以“颜色模型”一节的课堂教学为例。在分别给出三基色原理以及颜色模型的基本概念之后，再重新将人眼对三种基色吸收规律曲线以及RGB颜色模型的示意图放在同一张幻灯片上，然后等待1分钟，如果学生没有反应，则进一步提问：“这两种之间是一致的吗？”此时，有一部分学生便会发现其中存在的矛盾点，“RGB颜色模型三个坐标轴所对应的颜色与人眼敏感的颜色并不一致，因为人眼对三种颜色的敏感区间是有一定范围的，而非单一频率”，“这说明什么问题”，“颜色模型是为了便于研究，采用一定的数学方法，人为地对自然界颜色的近似建模，并不能代表自然界中所有的颜色”。由此，学生便从发现问题开始，经过思考问题，再到解决问题，摒弃了传统的死记硬背的学习方式，而重在培养自我更新的能力。

（二）研讨教学法

研讨教学法需要教师做的最主要工作是设置具有一定研讨价值的问题。在课堂上组织学生进行有一定深度、广度的研究、探讨，使学生通过教师引导、独立思考、互相启发、相互讨论等方式，锻炼其富有创造性的学习能力。

以图像增强中的同态滤波这一知识点为例，在传统教学模式中，讲清楚同态滤波的概念和过程就完成教学要求了，但这样，学生便缺少了思考的过程，认识不深，在遇到类似的问题时不能触类旁通。在学习这一知识点之前，学生已经进行了空域和频域增强中基本内容的学习，完全可以利用已掌握的知识解决面临的问题。实施步骤如下：

（1）将学生以3人为单位进行分组（以3组为例）；

（2）给出一张照度不均匀，暗区细节不清楚的样图，请每一小组利用已有知识对其进行增强处理，使得最终获得的图像动态范围扩大，对比度增强；

（3）20分钟讨论时间并给出解决方案；

（4）15分钟总结及拓展时间。

实施过程中，最为重要也是需要教师提前进行设计的是第三个步骤。面对问题，学生很可能在一开始无从下手，这就需要教师给予阶段性的合理的提示和引导。从图像形成的机理开始考虑，对其进行建模，其中较为关键的是如何将自然现象映射为物理量；其次，在出现物理量无法分离的情况下，如何利用数学的方法对其进行变形；最后，针对模型的构建目标，找到合适的滤波器。第四个步骤总结与拓展也是不可或缺的。在小组都提交了自己的解决方案之后，教师要对其进行修正和点评。在完成这一任务的基础上，教师进一步给出一幅加了噪声的、动态范围窄、细节模糊的样图，面对更高难度的任务，由各小组给出答案。这便是内容拓展的部分，是引发学员思考，将零散的“知识碎片”融合为科学性、系统性思维方式的过程。

三、组织学生综合利用课堂内外的时间进行案例式学习

案例式学习是指学生针对教师提前设置的微型研究课题，通过思考、问答、研究和辩论的形式，对问题进行分析研究，做出判断和决策的一种学习活动过程。图1给出了案例式学习的流程。需要提前准备的环节是微型课题的设置和学生分组，这两项工作都离不开教师的参与，特别是课题的选择，如何选取难度及范围都适度的课题是至关重要的一环。需要学生在课下完成的任务主要是对课题的自我学习，学习的深度、广度和学生的理解程度直接影响到课上交流的效果。

在“多媒体数据处理”的教学实践中，选题是针对重要章节进行的，例如在“视频编码标准”一章中，设置了“H.264与AVS的对弈”一题，旨在让学生通过查阅相关资料，了解视频编码标准的中外最新进展，并从比较中找出差距，确定我国在相关技术领域未来的研究热点。通过其中的文献检索、文献阅读、分析总结、小组讨论等环节，能够大大提高学生的自主学习能力。

四、基于自主选题的课程报告

这一环节主要是对课程考核方式进行的改革。传统的理论考核方式通常采用闭卷笔试的形式，优点是学生的成绩可量化，具有可操作性，能够考察学生对一些知识点的掌握程度。但其最大的缺点是理论与实践脱节，容易造成知识的“碎片化”。由于《多媒体数据处理》课程具有理论与实践并重、跨学科、知识覆盖面广等特点，传统的考核方法无法覆盖所有的知识点，更关键的是无法考察学生在面对问题时如何思考、解决，有没有形成良性循环的思维体系。因此，在考核方式上，将笔试、自主选题报告、实验三个部分相结合，每部分成绩的比例根据学生对课程内容的掌握情况而定。如果学生在平时课堂上对知识消化吸收得很好，可以减轻笔试所占的比重，甚至可以取消笔试。

根据实践情况看，学生对自主选题部分表现踊跃，选取自己最擅长的或者最感兴趣的部分进行汇报。比如，有一位非常擅长PHOTOSHOP的学生做了以“色彩与光影”为题的报告。他用软件模拟了几种典型的颜色模型的形成过程，不仅讲清了原理，还更加形象、直观，使大家眼前一亮。

五、结束语

本文是以“多媒体数据处理”课程教学为实践平台，对研究性教学进行的初步探索。相对于传统灌输式的教学方式，研究性教学在一定程度上改善了该课程的教学效果，比如，提高了学生的学习主动性；使教与学形成了一个良性循环；促进了学生对知识的系统化认知等。但还存在一定的问题有待解决，比如，在学生讨论问题时，如何实现机会均等；有些讨论选题不够深入或不够严谨，不能充分调动学生参与讨论的积极性等。因此，一个较为完善的研究性教学模式，需要在后续的教学实践中不断去探索和完善。

参考文献：

[1]李志义.高水平研究性大学本科教学模式的选择[J].中国高等教育，2007，（23）：20-22.

[2]潘懋元，王伟廉.高等学校文理基础学科课程与教学改革研究[M].厦门大学出版社，1996.

[3]刘汉兰，李雪刚.《高等有机化学》研究性教学的实践与思考[J].华中农业大学学报（社会科学版），2011，（5）：132-134.

篇9

关键词：统计学；教育改革；大数据

一、引言

最早提出大数据时代到来的机构是全球知名的麦肯锡咨询公司，该公司在一份研究报告中指出：“数据已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素，人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。

大数据是随着互联网技术的广泛应用带来的数据量和数据类型激增而衍生出来的一种现象，但大数据一词不仅指规模大、种类多的数据集，还包括对这种数据集进行采集、处理与分析以提取有价值信息和直接创造价值的技术构架和技术过程。大数据的第一个特征是数据量巨大。截止到2012年，数据量已经从TB（1024GB=1TB）级别跃升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB（1024EB=1ZB）级别。第二个特征是数据类型繁多、异构性突出，包括网络日志、音频、视频、图片、地理位置信息等等。第三个特征是数据价值密度较低，数据中存在大量重复性和无价值性信息或噪声。如何通过强大的计算技术和统计分析等方法迅速完成数据的价值提纯，是大数据时代亟待解决的难题。第四个特征是处理速度快、时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

目前，不同的学科领域对大数据概念有着不尽相同的解释，但各种解释中大致可以从两个方面去理解。首先，大数据概念体现在数据量的巨大、种类的众多及产生速度的飞快，同时产生的数据集极有可能包含着各种半结构化和非结构化数据；其次，大数据概念还体现在对数据进行处理的手段和流程方面，由于数据量的庞大和类型复杂，利用常规的统计软件已经无法对当今的数据进行及时有效的存储、分析及处理。因此，所谓的大数据并不是单纯指数据流量的巨大，还指其结构的复杂和种类的多样，在数据处理和分析上需要采用高端计算平台或高级统计软件，以及海量数据中存在着可挖掘的潜在的大量价值信息与知识。

近年来，随着高速计算机的应用、信息技术的快速发展，特别是云计算技术的发展，使大数据的存储和分析技术得到迅速发展，目前的核心技术有MapReduce、GFS、BigTable、Hadoop，以及数据可视化等。在数据搜集上，可方便地通过在线互联网数据库获取二手数据或一手实时数据。在数据分析上，传统统计学方法采取的是基于统计模型的样本数据分析，而大数据分析技术则是通过高端计算平台，对大数据中的信息进行挖掘。

统计学作为对数据进行处理和分析的科学，必然受到大数据的影响。在大数据时代，统计学教育必须与时俱进，跟上时展步伐。近年来，有不少文献讨论了大数据环境下我国统计学教育的改革问题（例如[1]-[5]），本文在分析大数据时代特征的前提下，进一步讨论我国统计学教育的现状与挑战、统计学教育改革的内容、方法、借鉴和适应时代要求的变革问题。

二、统计学教育的现状与挑战

2013年，教育部对我国统计学专业设置进行一次新的调整，将原来的既可授予理学学位，也可授予经济学学位的统计学专业划分为统计学、应用统计学和经济统计学三个本科专业[6]。根据教育部高等学校统计类专业教学指导委员会2013年11月公布的数据，当时全国有194所高校开设了统计学专业，156所高校开设了应用统计学专业，164所高校开设了经济统计学专业[6]。目前，全国开设这三个统计学专业的高校个数和在校学生人数与2013年相比都有不少的增加。

面对大数据时代，我们目前的统计学教育无论在培养目标和教学内容上，还是在教育方式和人才培养模式上，都存在着亟待解决的挑战性问题。例如，在专业培养目标和人才培养过程中，我们比较重视课程层面上的评价，比较轻视专业层面上的整体评价，缺乏对学生综合能力的反馈机制。

关于教学内容，目前三个统计学专业在统计理论和应用统计两个方面有不同的侧重。统计理论主要包括：抽样理论、实验设计、估汁理论、假设险验、决策理论、贝叶斯统计、半参数和非参数统计、序贯分析、多元统计分析、时间序列分析、小样本理论和大样本理论等。在数据分析中，现今的统计方法基本以结构化数据为主要处理对象，而对非结构化和半结构化数据的分析和工具涉及较少。因此，现今统计学课程及内容已不能满足从事非结构型和半结构型的大数据研究和商业应用对人才培养的需要，必须进行必要的改革。

对于教育方式，鉴于大数据时代要求，统计分析人员需要具备较高的数学和现代统计学基础，具有较高的软件操作能力，掌握一定的大数据收集、整理、分析、处理和挖掘数据的技能。日本学者城田真琴认为：“数据科学家要有计算机科学专业背景，数学、统计方面的素养和使用数据挖掘软件的技能，善于利用数据可视化的手法展现晦涩难懂的信息，而且具备相应的专业知识、眼界和视野，具有适应社会发展和创造价值的能力”。现今的统计学教育方式还不能很好适应大数据时代数据科学人才培养需要，必须进行必要及时的调整和变革。

对人才培养模式，大数据时代不仅要求培养具有数据处理和分析所需的基本素质与技能，更重视培养从海量数据中发现和挖掘价值信息、把握市场机遇、创造利润的潜在能力。面对大数据时代的诸多挑战，现代统计技术、数据挖掘方法、计算机信息技术、软件工具和理念的日新月异，培养统计人才的教育模式也需要相应变化，统计学教育只有与时俱进，主动做出全面的调整和变革才能适应新时代知识进步和激烈人才市场竞争的需要，积极迎接大数据时代的挑战。

大数据时代对统计学教师有更高的要求，统计学教师需要与时俱进，跟上时代步伐。随着互联网、物联网、云计算等信息技术的发展，对数据的分析和处理的技术也随之要求更高，统计学教师固有的知识体系已不能满足培养现代统计人才的需要，必须进一步深化和更新原有的统计学理论知识，而且还需要学习掌握计算机技术、互联网、数据库和信息科学等有关知识和技术，同时还要熟悉处理非结构型和半结构型数据的知识和技能，以适应现代统计学教育对教师的知识结构和基本素质的要求。

大数据时代对统计专业的学生也提出了更高的要求，他们不仅需要掌握现代统计理论、统计方法和专业统计软件，还要学会如何分析、处理来自互联网或各种实际问题中的海量数据，如何利用统计软件和互联网技术进行数据操作，如何借助软件技术和统计准则判断数据质量，如何进行模型选择和评价模型方法的有效性，如何准确清晰地呈现统计分析结果和结论，等等。

2014年11月，美国统计学会了统计学本科专业指导性教学纲要 [7]，该教学纲要对统计学专业提出四个方面的要求：（1）具有扎实的数学和统计学基础、强大的统计计算和编程能力，熟练使用统计软件和数据库；（2）分析来自现实问题的真实数据，真实数据是统计专业教育的重要组成部分；（3）掌握多样化的统计模型方法；（4）具有通过语言、图表和动画等方式解释数据分析结果的能力。美国是统计学教育和人才培养最先进的国家之一，该指导性教学纲要代表着美国统计学专业培养人才的基本要求和发展方向，对我国统计教育的改革具有重要的参考价值。以该指导性教学纲要为参考依据，对照我国目前的统计学本科专业教育，无论是在培养目标和课程设置方面，还是在教学内容和教学方法方面，都存在着亟待解决的挑战性问题。

三、统计学教育的改革

大数据时代的统计学教育不仅是各种统计方法、数据挖掘方法和信息技术手段的延续或发展，更主要的是这些方法的集成应用和在实际数据分析中的真实体验。过去，企业数据库价格昂贵，在统计学教育的教学案例或实验课教学中，很少采用真实和海量的数据库资源，基本都是采用过时或虚拟的数据。今天，像百度大数据引擎这样的数据库的逐步对外开放，将有助于开展“线上大数据统计实验”教学。为了适应大数据时代要求，有必要利用网络资源以及各种数据处理软件，搭建线上大数据分析实验教学平台，全面开展大数据统计实验教学的改革。实际上，借助大数据分析平台，本科阶段的统计学教育就可以融人联机分析和数据的可视化教学。其次，要时刻关注大数据分析理论的进展，及时将新理论新方法融入课堂教学内容。

需要指出的是，在大数据时代，经典统计理论和方法并没有过时，但需要进行改进和进一步发展。这是因为，网上采集的巨型数据集往往存在大量的重复性和无价值数据信息，使得大数据价值密度降低。在对这些数据进行分析处理之前往往需要通过去噪、分层、截断、聚类等方法的预处理，将其变成便于进行分析处理的小数据，继而借助于经典统计方法进行分析和处理。因而在大数据时代仍然需要采用传统统计学的小样本理论和方法。所以，即便是在大数据时代，经典统计方法仍然是进行统计分析的基石，其核心地位不可动摇。所以，在大数据时代仍然要强化统计学的基本理论和方法，尤其是在长期发展和实践应用中经过验证的、成熟有效的经典和现代统计方法，在大数据时代仍然没有过时，但需要结合大数据分析的需要对经典统计方法进行必要的发展和改进。

大数据科学需要统计学与数学、计算机等学科的结合。亚马逊大数据科学家John Rauser 认为：“数据科学家是统计学家和计算机工程师的结合体”。为了满足大数据时代的要求，统计学专业的课程设置需要进行必要的调整。应根据新时代人才培养的要求，增设与大数据前沿领域发展相关的课程，如计算机网络和大数据相关的软件应用，同时要加大实验课和社会实践课的比重，引导学生理解和掌握大数据概念、理论、技术和方法，培养其运用大数据的相关分析工具解决实际问题的能力。对于理论课程，除基本统计理论外，还应开设一些较为现代和深入的课程，如现代贝叶斯方法、神经网络、数据挖掘、应用随机过程论等。另外，还应开设与大数据分析相关的关联规则、决策树、机器学习、支持向量机等课程。

为了培养与时代适应的统计学人才，统计学专业教师应不断更新自身的知识结构和价值观念，改变认识数据、收集数据和分析数据的思维，主动学习和补充互联网、现代数据分析技术、数据库和数据挖掘技术，使自己的知识体系不断更新和提升，跟上时展的步伐。

在大数据时代，要注意培养学生适应社会的能力。统计专业人才培养模式应以提高本专业学生数据分析方面的能力，开阔他们的视野，培养其适应社会的能力。应积极引导学生进入实训场所动手操作和锻炼，尝试以企事业单位的财政、金融、保险、统计、咨询和信息公司等部门为主构建专业性教育实践基地。鼓励学生到大数据相关的机构部门、产业园区和企业中去调查研究和实践。此外，统计专业应积极同其他专业进行合作，联合培养适应新时代要求的数据分析人才。鉴于大数据对数据分析人员在计算机技术、行业认知、业务知识、数据分析工具和方法的要求提高，统计学科应主动与计算机、经济学、管理学等相关学科合作，培养学生的计算机能力、专业素质和业务修养。

“它山之石可以攻玉”，关于统计学专业的课程设置，可以参考和借鉴美国统计学会公布的统计学本科专业指导性教学纲要。根据该教学纲要，统计专业的课程设置应该涵盖五个模块[7]：（1）统计方法与统计理论。建立统计模型并对模型的输出结果进行评价，熟悉统计推断，能够从数据分析中得出恰当的结论。（2）数据操作和统计计算。熟练使用一款专业统计软件进行探索性数据分析，发现和清洗数据中的错误记录，具有编程能力和算法思维，可以进行各种数据操作，还应掌握统计计算技术，能够进行模拟研究。（3）数学基础。熟练掌握微积分、线性代数、矩阵论、概率论和数理统计的基础知识。（4）实践训练和表达能力。具有良好的表达和交流能力，善于通过图示和动画等听众易于理解的方式展示分析结论，并且具有团队合作精神和项目领导能力。（5）特定领域的知识。掌握特定应用领域的知识，并用统计学特有的思维方法来分析和解决特定领域的实际问题。

大数据时代是以数据为中心的时代，统计学专业的教育改革必须适应这个时代的要求。统计数据分析中软件应用能力至关重要。在众多统计软件中推荐使用R和SAS软件，因为R是免费开源软件，其统计建模、统计计算和可视化功能强大，更新迅速，是最新统计方法的主要平台，非常有利于培养学生的编程能力和知识更新能力，而SAS软件被很多公司用于数据管理和数据分析，在实际应用领域具有长期而深远的影响，是数据分析不可或缺的专业统计软件。当然，教学中也可以尝试使用其他专业统计软件，例如经济统计专业学生也可使用SPSS软件，但最好会使用SAS或R软件。在加强软件使用和编程能力的基础上，应加强学生统计计算和统计模拟能力的培养。在大数据时代，强调统计计算的重要性是大势所趋。统计模拟技术是伴随着高速计算机和信息技术的快速发展而广泛应用的现代技术，可用来解决传统学科领域中无法解决的问题。例如，在计算技术飞速发展的今天，贝叶斯统计方法过去曾经面临的计算瓶颈正在逐渐消失，基于马尔科夫链蒙特卡洛（MCMC）技术的统计模拟方法在数据分析中的强大威力正在日益显现[8]。

参考文献：

[1] 刘春杰，大数据时代对当代统计学教育的挑战，统计与决策，2015年，第8期。

[2] 孟生旺，袁卫，大数据时代的统计教育，统计研究，2015年，第32卷4期。

[3] 葛虹，韩伟，大数据时代统计教育变革的SWOT分析与发展策略，统计与决策，2015年，第4期。

[4] 张海波，黄世祥，统计学专业学生大数据分析能力的培养方式选择，统计与决策，2014年，第24期。

[5] 李卫东，大数据对统计学科发展的影响，统计与决策，2014年，第13.期。

[6] 教育部高等学校统计类专业教学指导委员会.统计学专业教学单位.http：///category/信息公开/教学单位，2013-11-15.

篇10

大数据常被人们用来描述市场海量的有可能挖掘到的结构化、非结构化以及半结构化的数据信息。而对于大数据的处理不同于普通数据，其需要运用更为先进的数据处理分析技术，这样才能够最大化对海量数据进行提取、处理以及储存工作，从大量数据中挖掘具有高价值的信息数据。基于计算机互联网的发展，物联网是从其扩展与延伸出来的。计算机互联网所对应的虚拟数据，而物联网则是通过智能处理技术、传输技术以及感知设备等，实现在真实的物体之间进行联通，并将数据有效传输到计算机互联网上。物联网技术的应用能够实现广大企业对内部数据信息的智能化管理和自动化监控管理，大大提高企业的工作质量和效率。

2信息与计算科学建设过程中存在的主要问题

2.1专业建设缺乏特色。信息与计算科学专业主要涉及到两门学科，它们分别是信息科学与计算科学。因此，高校在建设该专业过程中必须确保两门学科的比重性，一旦过于偏重其中一门学科，一定程度忽视了另外一门学科，就会导致该项专业结构体系的不合理，会偏离了最初建设该项专业所制定的目标。高校在该专业课程的教材与参考资料使用上缺乏实用性特点，仍在沿用传统相关教材内容，难以满足现代大学生的专业学习需求。因此，有必要有效增加该专业新研究方向的介绍，不断拓宽专业学生的知识面，充分激发学生的学习积极性和主动性。2.2专业人才培养目标不够明确。由于部分高校受到传统教育观念的影响，一些专业的课程设置往往只是从以往教育专业延伸出来，未能够对其进行深入研究探讨。例如，在信息与计算学科专业建设上，一些高校只是通过效仿教育部数学类教学指导委员会推荐的“信息与计算科学专业教学规范”，未能够有效根据自身的办学特点和情况，明确该专业设置的教育目标，体现出学校的办学思想，从而导致在对该专业人才的培养工作上偏离了正常轨道。存在部分以工科为主的院校在建设该项专业时，甚至以高等数学去替代了数学分析课程，这样一来就难以实现培养更多数学学科高端人才的目标，也不符合国家教育部门最初制定的“信息与计算科学专业培养的毕业生能够在社会教育、科技、经济金融以及信息产业等行业领域中从事教学、研究以及管理开发工作。2.3专业课程体系设计不够合理。由于高校在信息与计算科学建设中培养目标不够明确，这样一来就会导致教学课程体系不够合理。学校往往只会将一些计算机相关课程与数学专业课程有效融合在一起，缺乏对信息与计算科学专业的深入研究分析，难以形成科学完善的课程教学体系。该专业学生最终会出现数学学习整体水平难以赶上数学专业学生，计算机学习整体水平比不过计算机专业学生的局面，从而降低了他们在社会上的就业竞争力，难以轻松寻找到符合自身专业特点的工作岗位。专业教学课程的单一化不利于激发学生的学习兴趣和热情，学生缺乏学习指导，未能根据课程学习制定自身的未来就业发展目标。2.4专业人才培养与社会需求不相适应。高校在设置信息与计算科学专业时，必须明确该专业课程开展的目的是为了培养更多社会实践型人才，能够满足经济市场企业对于该类人才的需求。而实际情况是，存在部分高校在建设信息与计算科学过程中，只关注到学生专业理论知识的掌握，一味扩大专业招生规模，严重忽视了专业培养人才为社会服务的办学宗旨。高校缺乏组织该专业学生积极参与到社会实践活动中，学生与教师难以了解到社会的需求，教师课堂教学的开展往往只是针对教材的内容，这样无法有效调动起学生的学习积极主动性，促使他们全身心投入到课堂学习中。

3基于大数据和物联网环境下信息与计算科学建设的主要措施

3.1信息与计算科学建设的个性化发展。高校在建设信息与计算科学过程中，要充分发挥大数据和物联网技术的优势作用，通过将大数据挖掘与教学内容相结合在一起，实现学生在校园网络平台的个性化学习，而不是将该专业学习仅仅局限在课堂范围内。教师在专业课程教学开展前必须充分掌握了解到市场对该专业人才的需求特点，从而有针对性的制定学生培养目标，创新课堂教学模式和内容，有效激发学生的学习兴趣和热情。大数据与物联网时代能够更好实现高校的个性化和针对性教育，教师可以将各项学习资源融入到校园学习平台中，按照班级学生的不同学习爱好和特点，有效推送该专业领域的前沿技术、资源以及人才需求讯息等内容，这样有利于贯穿信息与计算科学专业学生终身学习的全过程，不断拓宽学生的专业学习知识面，能够接触到外界更多的专业信息，促进自身学习的全面发展，努力成为市场企业所需的专业人才。3.2信息与计算科学建设课程体系的优化设计。高校要加强对计算机互联网技术的应用工作，通过建立起科学完善的大数据分析系统，不断提高对学校各项数据信息的挖掘利用水平，从而有效建立起良好的信息与计算科学专业课程体系。在信息与计算科学专业课程的设立工作内容上，高校可以针对现代大学生的学习特点，灵活运用模块化教学方法，将课堂专业知识内容与计算机技术有效融合在一起，课程体系不仅要包括了各项核心课程，还要有效增加计算机软件开发和数学建模等模块，充分发挥出计算机互联网资源在教学中的作用，提高学生在计算机软件上的实践应用能力，从而促进信息与计算科学专业学生的全面发展，能够自主完成各项学习任务。与此同时，教师可以在大数据系统中调出学生的相关学习信息数据，综合考虑学生的学习兴趣爱好和本校该专业的设施水平，有针对性的设立各个教学模块，创新专业学生的学习内容，不断提升课堂教学的效果。3.3信息与计算科学专业教师队伍的信息化建设。首先，高校要利用先进的物联网技术打造出校园教师系统，实现各级各类教师信息的科学收集整理工作，每位专业教师都要建立起与之对应的电子档案，从而有效形成安全可靠、统一高效的教师基础信息库。然后，高校在信息与计算科学建设工作中，要以教师系统为支撑，针对教师当前教学情况存在的不足之处，定期组织教师参与专业化的培训教育工作，引导该专业教师积极参与社会各种实训活动，了解到市场的动态发展规律以及企业对该专业人才的要求内容，从而能够确保自身的教学内容和方法更加符合学生的未来发展，促使学生毕业后能够快速适应就业岗位要求。最后，高校要将教师队伍的大数据作为教师科学决策的重要依据，利用计算机数据分析技术对大数据展开多层次、多角度的管理分析处理工作，保障对当前信息与计算科学专业教师队伍实际水平和情况的高质量评价工作，明确教师队伍信息化建设的发展目标，不断提高专业教师在日常工作中的决策水平，实现教师管理过程的精细化，有效提升该专业教师的整体服务管理水平。信息与计算科学专业教师在自身的教学过程中，要以大量数据为支撑，深度分析社会对该专业人才需求的相关信息内容，确保在人才培养目标方向上是符合市场发展趋势的，而不是一味凭借自身感觉进行课堂教学。教师要最大化发挥出学校各项多媒体资源的价值，丰富课堂教学方式，不断优化改进教学方法和重点内容，促使学生在课堂学习中集中注意力，提高自身的学习质量和效率。

4结语

综上所述，基于大数据和物联网时代背景下，高校在信息与计算科学专业建设工作上要根据自身的办学水平和特色，建立起科学完善的专业课程体系，确保教学课程内容符合现代人才培养的趋势，能够充分满足学生对该专业学习的需求，提高课堂教学质量和需求。此外，高校要积极组织与师生参与到社会实训活动中，丰富专业教学方式，努力为社会培养出更多实践型人才。

作者:宇文富博 单位:营口中昊电梯工程有限公司

参考文献：