杜祥军 高级实验师
单位:青岛大学
部门:计算机科学技术学院
职位:院长助理
提供学校: | 青岛大学 |
课程编号: | 4491080900008 |
【课程编号】C07080900035 【课程类别】专业基础必修课 【总学时数】32 【周学时数】2 【学 分 数】1 【先修课程】高级程序设计语言、离散数学、面向对象程序设计、计算机系统基础、程序设计与基础算法实践 【适用专业】计算机科学与技术 【课程简介】《计算机创新创业实践》是为计算机科学与技术专业开设的一门旨在激发学生专业学习兴趣、增强学生专业创新能力的基础必修课程。本课程主要从计算思维、数据思维、系统思维等角度讲解分析与解决问题的方法,具体包括具体创新思维与技法、计算思维与问题分析、数据科学与大数据分析方法、机器学习与深度学习、计算机系统设计开发等。课程将计算机类专业竞赛与学术研究的模式引入教学环节,促使学生理解并逐步熟悉计算机等相关专业的前沿与复杂工程问题的解决模式,为后续各专业的深入学习和创新能力的培养奠定基础。
计算机创新实践旨在通过课堂讲授、项目开发、创新实践等多种形式拓展学生对专业领域前沿和工程问题的理解,提升其专业理论与技术水平,具有系统性、实践性、创新性高的特点,在具体授课过程中,应把握以下几条主线:
1. 以专业领域前沿技术与复杂工程问题为引导驱动。
前沿技术与复杂工程问题对经济社会发展具有重要作用,是包括学生在内的社会整体的关注热点。随着计算机相关技术的迅猛发展,计算机前沿技术已经与众多行业和社会问题相结合,成为解决行业与社会问题的重要手段。因此,将专业领域前沿技术与复杂工程问题纳入到创新实践教学中,能够极大地提升学生的学习兴趣。另一方面,这些技术与问题往往涉及到专业领域中众多基础理论与关键方法,以其为引导,能够系统的串联专业教学中的各个知识点,对于提高学生的系统思维、创新能力具有重要作用。由于不同专业的前沿技术与复杂工程问题不同,因此应在技术与问题设计方面综合考察,既要有各专业通用、学生可接受的内容,又要考虑选课学生的特殊专业领域,并将两类技术和问题进行融汇贯通,使之形成有机融合的整体。
2. 注重面向具体问题的数学建模、数据描述与算法设计体系化求解方法。
计算理论是计算机相关专业的基础。由于创新创业实践课程的选课学生基础相对薄弱,因此在授课过程中,应向其系统的介绍数学建模、数据描述、算法设计、项目开发、系统实现等方法,使之理解利用计算机程序设计解决工程问题的全周期过程以及相关方法。并在建模、数据描述、算法设计等方面向其讲解核心的理论与技术方法,使其在面对具体问题时能够从这些方面提出有效的解决方案,或指出已有方案中存在的问题并提出优化或改进方法。进而,促使学生能够进行更深层次的探索,形成进行技术或学术创新的意识,提升其创新创业的能力。
3. 注重创新思维与探究性学习能力培养。
本课程涉及的内容贯穿大学计算机相关专业教学的全过程,其中的部分内容超出选课学生的知识范畴,因此在授课过程中应鼓励学生将时间或兴趣集中在某类或某个专业领域前沿技术分析或复杂工程问题的解决上来,以此形成主线,通过技术或问题的渐进式讲解培养其探究性学习意识与能力,进而提升其专业领域的创新思维,为其专业兴趣与发展方向的凝练与持续学习提供支撑。
4. 将竞赛模式融入教学全过程。
计算机专业领域的相关竞赛种类繁多,既有适应各个专业的建模与程序设计类竞赛,也有各专业自身的竞赛。这些竞赛对于提升学生的创新能力、沟通与团队意识、项目管理、社会文化认知具有重要作用。因此,在本课程授课过程中,应将多种竞赛的模式融入到教学中,形成赛教相长的教学特色。例如:建模与程序设计类竞赛的方法与组队形式可以应用到问题建模、算法设计等教学环节中,大数据与人工智能竞赛可以与计算机科学与技术专业教学相结合,网络攻防与信息安全竞赛可以融入到信息安全专业教学中,网络技术与嵌入式竞赛可以与物联网工程专业的创新实践相结合,互联网+、创青春、挑战杯等竞赛可以与所有专业学生的创业实践相结合。另一方面,这些竞赛既有个人赛,也有团队赛;既有现场赛,也有项目作品赛;既有创新实践,也有创业实践;综合各项比赛的特色模式形成有机的整体,能够极大的促进学生对前沿技术的掌握,以及创新创业、沟通、团队协作、持续学习发展等方面的意识和能力。
1. 算法引论——一种创造性方法,Udi Manber著,黄林鹏等译,北京:电子工业出版社,2010.
2. 数学之美,吴军著,北京:人民邮电出版社,2012.
3. 程序设计中常用的计算思维方式,吴文虎,王建德编著,北京:中国铁道出版社,2009.6.
4. 机器学习,周志华,北京:清华大学出版社,2016
5. 深度学习,Ian Goodfellow, Yoshua Bengio, Aaron Courville, 北京:人民邮电出版社,2021.
课程章节 | | 文件类型 | | 上传时间 | | 大小 | | 备注 | |
1.1 创新的内涵与障碍 |
.pdf
|
2023-09-20 | 1.62MB | ||
1.2 创新思维与技法 |
.pdf
|
2023-09-13 | 2.63MB | ||
1.3 计算机创新史 |
.pdf
|
2023-09-13 | 1.81MB | ||
1.4 IT行业创新的反思 |
.pdf
|
2023-09-13 | 1.37MB | ||
1.5 创新集结号 |
.pdf
|
2023-09-13 | 996.71KB | ||
.xlsx
|
2023-09-13 | 9.88KB | |||
.xlsx
|
2023-09-13 | 9.93KB | |||
2.1 如何发现问题 |
.pdf
|
2023-09-13 | 1.02MB | ||
2.2 如何分析问题 |
.pdf
|
2023-09-13 | 961.44KB | ||
2.3 计算与计算思维 |
.pdf
|
2023-09-13 | 1.58MB | ||
2.4 运用计算思维解决问题 |
.pdf
|
2023-09-13 | 1.34MB | ||
2.5 计算思维实践 |
.pdf
|
2023-09-20 | 870.77KB | ||
.pdf
|
2023-09-20 | 536.62KB | |||
2.6 数学建模竞赛案例 |
.pdf
|
2023-09-20 | 298.38KB | ||
3.1 时间序列问题 |
.pdf
|
2023-09-20 | 974.27KB | ||
3.2 数据科学与大数据问题 |
.pdf
|
2023-09-20 | 1.21MB | ||
3.3 深度学习与计算机视觉问题 |
.pdf
|
2023-09-20 | 86.15MB | ||
3.4 网络科学问题 |
.pdf
|
2023-09-20 | 1.54MB | ||
3.6 创新实践训练1——团队组建与开题 |
.pdf
|
2023-09-20 | 573.84KB | ||
4.1 数据分析方法 |
.pdf
|
2023-09-20 | 1.47MB | ||
4.2 数据挖掘基础 |
.pdf
|
2023-09-20 | 863.81KB | ||
4.3 聚类与Kmeans |
.pdf
|
2023-09-20 | 1.03MB | ||
4.4 分类与KNN、朴素贝叶斯 |
.pdf
|
2023-09-20 | 23.99MB | ||
4.5 大数据类竞赛案例 |
.pdf
|
2023-09-20 | 555.71KB | ||
4.6 创新实践训练2——项目中的数据处理 |
.pdf
|
2023-09-20 | 789.72KB | ||
5.1 机器学习基础 |
.pdf
|
2023-09-20 | 1.50MB | ||
5.2 机器学习典型方法 |
.pdf
|
2023-09-20 | 2.91MB | ||
5.3 深度学习 |
.pdf
|
2023-09-20 | 2.06MB |