- 1、本文档共17页,可阅读全部内容。
- 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、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、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)。
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)