2022级软件技术专业人才培养方案.doc

2022级软件技术专业人才培养方案.doc

  1. 1、本文档共17页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

PAGE

PAGE51

2022级软件技术专业人才培养方案

编码

ZY-510203-2022

制定时间

2022年4月24日

主持人

谭超

团队成员

黄晓清叶勇健曾申舟郑超郑蕊田美艳林勇升慧科集团—张俊陈松涛

一、专业名称

软件技术

二、专业代码

510203

三、招生对象

普通高中毕业生/“三校生”(职高、中专、技校毕业生)

四、学制与学历

三年制,专科

五、职业岗位与岗位能力要求

(一)职业岗位

就业面向的行业:人工智能、制造业、电商、银行证券、交通、互联网等行业

主要就业单位类型:软件开发类、系统集成类、运维支持类、事业单位

主要就业部门:开发部、产品部、测试部、售前部、运维部等

可从事的工作岗位:

岗位能力分析表

序号

岗位名称

岗位类别

岗位描述

岗位能力要求

初始岗位

发展岗位

1

数据分析专员

?

¨

根据业务需求进行数据收集与存储,在此基础上进行数据处理与清洗(包括多个存储文件的合并与连接),最后制作数据分析报告

掌握爬虫获取数据(如request技术、scrapy框架等)技术应用;掌握非结构化数据存储策略;熟练使用Pandas、NumPy、Matplotlib进行字段预处理、数据清洗、数据可视化等。

2

人工智能训练师

?

¨

负责对应模型的训练数据预处理;进行人工智能产品使用过程中的数据管理;负责人工智能模型训练时的算法参数设置和优化;负责对人工智能产品进行性能调优。

熟练使用NumPy、OpenCV库进行图像数据运算;

熟练使用Nltk、Jieba库辅助处理文字数据;熟悉人工智能常见算法如决策树、K紧邻、神经网络等;熟悉人工智能算法训练流程。

3

智能应用开发工程师

?

¨

负责智能产品系统开发,参与产品的需求调研和需求分析,配合其他开发人员、测试人员,完成产品开发和发布上线。

熟悉XML、HTML、DOM、XPATH、HTTP/HTTPS协议;熟练掌握数据库设计的步骤和方法;掌握调研和需求分析流程;熟练掌握Python编程与开发工具;熟悉人工智能产品的应用原理。

4

数据挖掘工程师

¨

?

针对预处理后的数据进行分析和建模,深入挖掘数据的业务价值;利用机器学习领域的前沿技术和工具建立和创建可行解决方案;建立通用化解决方案和工具,并能应用到项目中

熟悉一门编程语言,如Python/Java;掌握NumPy、Pandas、Matplotlib等;熟悉常用机器学习框架,例如Sklearn、SparkMLlib等;能根据业务场景设计适合的可视化展现形式。

5

视觉应用工程师

¨

?

参与项目需求分析,负责计算机视觉相关算法模型(如目标识别、目标检测、实例分割等)的应用、开发、训练等工作;负责计算机视觉模型的优化,并能应用到项目中;负责或参与深度学习平台和框架的搭建工作,包括算法实现及系统研发。

熟练掌握Python编程语言;熟练使用OpenCV等任一种视觉软件库进行视觉系统开发;熟悉图像处理各种算法的基本原理,并能够灵活运用算子进行图像、视频的内容提取、分类、检测、跟踪、分割等;熟悉DNN、CNN、RNN、LSTM等深度神经网络模型,熟悉SSD,FasterR-CNN、MaskR-CNN、YOLO等目标检测网络,并掌握其相关的优化方法。

(二)典型工作任务及其工作过程

序号

典型工作任务

工作过程

1

数据爬取

爬取微博、论坛、社交网站等的帖子、消费者点评、新闻、电商销售信息、图片和视频等,获取各种结构化和非结构化数据,进行链接分析和转码。

2

数据预处理

对爬取到的非结构化数据,包括图片、视频、文本等进行初步清洗、预处理,即使用Pandas、Numpy进行字段预处理、数据清洗(如缺失值处理、异常值检测等),使用OpenCV进行图像处理、图像增强等。

3

数据分析

参考行业标准,定义问题,结合业务,构建行业数据指标分析体系;根据需求进行数据多维度分析,实现多个结果指标,从多个角度挖掘数据价值;明确决策需求,理解业务各个阶段的产出结果,选择恰当合理的可视化技术、工具进行可视化表达;根据分析结果的方差或偏差进行合理的改进,最后制作数据分析报告。

4

AI训练

标注和加工图片、文字、语音等业务的原始数据;监控、分析、管理人工智能产品应用数据;训练和评测人工智能产品相关算法、功能和性能;调整、优化人工智能产品参数和配置。

5

数据挖掘

根据业务需求,对多种数据源进行数据预处理和探索性分析;进行特征工程、特征选择和数据建模,然后跑模型、调参数、对模型进行评估;将模型应用到大数据平台,通过监控平台,检测模型的运行效果,不断迭代模型。

六、培养目标与规格

(一)培养目标

本专业培养具有良好的综合素质,具有扎实的理论知识,具有坚实的专业知识,具有分析问题和解决问题的

文档评论(0)

zhongshanmen002 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档