
CDA与腾讯、苹果、Google等企业成功入选教育部产学合作协同育人项目
2018年4月28日,教育部高等教育司发函〔2018〕18号《教育部高等教育司关于公布有关企业支持的产学合作协同育人项目申报指南(2018年第一批)的函》。
为贯彻落实《国务院办公厅关于深化高等学校创新创业教育改革的实施意见》(国办发〔2015〕36号)和《国务院办公厅关于深化产教融合的若干意见》(国办发〔2017〕95号)精神,深化产教融合、产学合作、协同育人,经企业申报、产学合作协同育人项目专家组审议通过,形成了2018年第一批产学合作协同育人项目申报指南。
本批次申报指南中,共有346家企业支持项目14576项。
本次项目,北京国富如荷网络科技有限公司CDA数据分析师与腾讯、京东、百度、苹果、Google、IBM等企业成功入选,主要在“教学内容和课程体系改革项目”,“师资培训项目”,“实践条件和实践基地建设项目”,“创新创业教育改革项目”四个方面进行产学合作协同育人。详情如下:
l 教学内容和课程体系改革项目
"大数据分析方向的教材编写及课程内容建设,充分结合产业一线实践和案例,引入行业相关企业案例,产学结合推动高校教材和课程的建设改革,突出实践,培养创新型大数据分析人才。
CDA数据分析研究院将为参与课程建设的老师提供必要的实验环境、数据以及实验项目,合作高校老师可以围绕CDA数据分析研究院提供的相关素材,结合本专业的实际情况,将大数据开发融入到培养计划,并在此基础上编写教材。CDA数据分析研究院将会根据参与老师的工作量和贡献程度,为每个项目提供总额3万元的活动经费。 "
l 师资培训项目
"根据高校学科建设的需要,由各合作高校派遣学科带头人、骨干教师,CDA数据分析研究院提供切合社会实际需求的课程,努力为院校培养大数据分析方向的优秀师资,推进教学改革与创新工作,帮助合作院校完善学科建设。带动参训教师积极参与教学培训、课题研究、技术研讨、学习和交流活动。根据条件设立面向优秀师资的专题项目研究中心,组建项目团队,引导优秀师资发挥桥梁作用,达到和企业协同育人的目的。
在培训过程中,为了提高培训效果,结合系统、科学的视频的理论课程和暑期集中的实践课程的方式,让参加培训的老师能够循序渐进地掌握相关的技能,并通过圆桌讨论、项目演练等方式,加强参训教师的思考深度和实践能力。"
l 实践条件和实践基地建设项目
"高校与CDA数据分析研究院联合建设实践条件,以共建实验室的方式,通过高校提供场地,企业投入设备和课程,弥补高校在投入上的不足,提高合作高校的硬件水平, 完善高校的实践条件,培养符合行业需求的大数据分析人才。
本项目面向全国高等学校经济学、经济统计学、会计学、计算机科学与技术、软件工程、数学应用、统计学等经管、金融或计算机相关专业,以提高高校实践条件为目标,投入先进的大数据分析设备及平台,并将企业实际的开发流程和实际项目引入到合作高校,从而提升高校师生的动手能力。 "
l 创新创业教育改革项目
为了响应国务院关于“大众创业,万众创新”的号召,更好培养大学生的创新创业精神,借助CDA数据分析研究院的“双创教育”平台,在合作高校中建设创新创业课程体系及实践训练体系,提高创新创业实训效果和质量,落实创新创业成果孵化,搭建宣传展示平台。同时,将在通过在合作高校中引入创新创业孵化器,探究创新创业教育产学合作模式,积累合作经验,打造典型案例,为更多高校在高新产业人才创新创业体系建设健全工作提供参考,并带动更多企业共建创新创业教育产学合作生态。
此次CDA数据分析师(北京国富如荷网络科技有限公司)与教育部的合作,为高校大数据与数据分析的教育起到了正向推进作用,也符合了“CDA人”组织的理想,是CDA发展中一次意义深远的事件。相信在产、学双方的共同努力,数据分析与大数据人才会层层辈出,走向企业,走向国际。
关于CDA
经管之家“CDA数据分析师”品牌(运营公司:北京国富如荷网络科技有限公司),致力于为社会各界数据分析爱好者提供优质、科学、系统的数据分析教育。
截止2017年底,CDA已与国内多所高校进行了战略合作,搭建大数据实验室与共建专业;已出版13本CDA数据分析师系列丛书,市场发行量数万册;已进行100多期数据分析及大数据系统培训课程,培养学员超过40000多名;已举办七届全国数据分析师认证考试,持证人数千人;已开展了四届中国数据分析师行业峰会(CDA SUMMIT),每届参会人数逾3千人;中国数据分析师俱乐部(CDA CLUB)每月举办各类型沙龙会议等活动共100多期。
2016,CDA研究院加入由工信部指导下的“中国大数据生态产业联盟”理事会成员,分管教育事业。
2017,CDA与工信部赛迪达成战略合作,经管之家“CDA数据分析师”品牌得到了社会各界的普遍认可。“CDA数据分析师”队伍在业界不断壮大,对数据分析人才产业起到了巨大的推动作用。
——CDA数据分析研究院
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15