面向高校 | “云原生技术应用与实践”示范课程项目开放申报

本文涉及的产品
注册配置 MSE Nacos/ZooKeeper,182元/月
可观测可视化 Grafana 版,10个用户账号 1个月
可观测监控 Prometheus 版,每月50GB免费额度
简介: 阿里云公司针对 2022 年 4 月批次,将设立 “关键领域卓越工程师联合培养基地项目”、“教学内容和课程体系改革”、“师资培训”、“实践条件和实践基地建设” 四大类共 85 个项目。

产学合作协同育人


在教育部高教司指导下,围绕国家重大战略需求、产业转型升级、创新型人才培养,阿里云通过教育部产学合作协同育人项目平台支持高校金专、金课建设、助力高校教育质量提升,共同培养理工农医类专业紧缺型人才,服务制造强国、质量强国、网络强国、数字中国建设。


2022 教育部-阿里云产学合作协同育人项目介绍


阿里云公司针对 2022 年 4 月批次,将设立 “关键领域卓越工程师联合培养基地项目”“教学内容和课程体系改革”“师资培训”“实践条件和实践基地建设” 四大类共 85 个项目。


1.png


本篇将介绍 “云原生技术应用与实践” 系列示范课程建设项目


  • 项目介绍


该项目基于当前业界应用广泛的云原生技术,建设产教融合示范课程和实验案例。面向计算机、软件学院的软件工程类相关课程,如云原生系统开发、高级软件工程等;基于云的软件开发、部署和演化,对原有的知识体系和课程实践内容进行重构。突出微服务架构、容器化部署、开发运维一体化等云原生软件技术的特点。


建成一批高质量、可向全国高校共享的课程教案和教学改革方案,培养广大学生云原生技术开发思维和工程技能,提升学生数字化素养。 


  • 项目周期:两年


  • 申报条件


申报课程应以现有课程为基础, 已经开设或即将在 2022 年秋季学期开设的课程。


申报课程学时安排应不少于 32 学时,平均每年开课次数不少于一次。


同等条件下,优先考虑已在高校开设一年以上课程,优先考虑受益面大的课程申报(须提供学校教务处过去一年内的开课和选课情况证明)。


申报的课程如已成为学校、市级或省级精品课程建设项目,将优先考虑(须提供精品课程证书)。


  • 建设要求


示范课程建设项目成果,须包含课程内容和典型教学案例两部分,形成完整的项目建设内容。


立项示范课程项目须完成以下任务:


  • 参加一次阿里云组织的云原生技术师资培训,获得培训证书;

  • 课程大纲:包括具体的课程时间分配、章节、实验、习题描述;将阿里云云原生的相关技术内容(如容器、微服务、中间件、Serverless 等),系统性融入课程大纲,相关内容的学时不少于 8 学时;

  • 教师授课教案:每章节均提供 PPT 课件。提供课程相关的参考书目、论文参考文献、网络资源等内容;

  • 典型教学实验案例:围绕课程教学内容,开发不少于 4 个典型教学实验案例(实验描述、实验步骤和代码);


  • 习题:按照教学内容和进度情况,每章节均设计与该章节匹配的习题,并给出参考答案;


  • 课程视频内容;


  • 公开发表的教学论文;


  • 鼓励编写云原生技术生态的软件工程类教材书籍,须系统性融入阿里云的云原生技术内容包括容器、微服务、中间件、Serverless 以及 RocketMQ、Dubbo、Nacos 等知名开源项目等(有额外资助);

  • 鼓励学生参加云原生开源项目;

  • 鼓励学生基于云原生技术进行原创性科学研究、在国内外高水平会议和期刊上发表学术论文;

  • 结题报告和教务处提供的开课与选课人数证明;

  • 请明确注明可公开、可共享。

 

  • 技术与教辅资源支持:

[1]微服务治理技术白皮书:

https://developer.aliyun.com/ebook/7565


[2]Nacos架构&原理:

https://developer.aliyun.com/ebook/36


[3]微服务实战技术图谱:

https://developer.aliyun.com/graph/microservice


[4]Serverless 技术图谱:

https://developer.aliyun.com/graph/serverless


[5]云原生技术公开课:

https://edu.aliyun.com/roadmap/cloudnative


[6]Kubernetes 技术图谱:

https://developer.aliyun.com/graph/Kubernetes


[7]RocketMQ 官网:

https://rocketmq.apache.org/


[8]RocketMQ 代码托管:

https://github.com/apache/rocketmq

 

项目联系


  • 项目联系人:

姜曦:云原生应用平台运营

邮箱:jessie.jx@alibaba-inc.com

注:本批次项目申报截止日为 2022 年 6 月 30 日


教师可下载安装钉钉,搜索钉钉群号 33091107进入 “阿里云 AliCE-Y22 咨询群”。阿里云将安排钉钉线上宣讲会。获得立项通过的教师也须通过钉钉与阿里云技术团队保持日常联系与工作协同。


教师可扫描此二维码,登录阿里云产学合作协同育人项目专区,下载资料和查看宣讲视频。

2.png


教师可点击此处,下载项目指南和申报书模板。

相关实践学习
【AI破次元壁合照】少年白马醉春风,函数计算一键部署AI绘画平台
本次实验基于阿里云函数计算产品能力开发AI绘画平台,可让您实现“破次元壁”与角色合照,为角色换背景效果,用AI绘图技术绘出属于自己的少年江湖。
从 0 入门函数计算
在函数计算的架构中,开发者只需要编写业务代码,并监控业务运行情况就可以了。这将开发者从繁重的运维工作中解放出来,将精力投入到更有意义的开发任务上。
相关文章
|
小程序
微信小程序 - block 与 view 的区别
微信小程序 - block 与 view 的区别
891 0
|
开发者
STM32中断详解及其编程实践
STM32中断详解及其编程实践
756 1
|
存储 人工智能 测试技术
Minstrel自动生成结构化提示,让AI为AI写提示词的多代理提示生成框架
在人工智能迅速发展的背景下,有效利用大型语言模型(LLMs)成为重要议题。9月发布的这篇论文提出了LangGPT结构化提示框架和Minstrel多代理提示生成系统,旨在帮助非AI专家更好地使用LLMs。LangGPT通过模块化设计提高提示的泛化能力和可重用性,Minstrel则通过多代理协作自动生成高质量提示。实验结果显示,这两种方法显著提升了LLMs的性能,特别是在大规模模型上效果显著。
374 2
Minstrel自动生成结构化提示,让AI为AI写提示词的多代理提示生成框架
|
12月前
|
Java API 数据处理
java Stream详解
【10月更文挑战第4天】
238 0
|
存储 算法 数据挖掘
Pandas处理时间序列数据的20个关键知识点
Pandas处理时间序列数据的20个关键知识点
486 0
Pandas处理时间序列数据的20个关键知识点
|
NoSQL 关系型数据库 数据库
数据传输服务DTS(Data Transmission Service)是阿里云提供的实时数据流服务
【2月更文挑战第29天】数据传输服务DTS(Data Transmission Service)是阿里云提供的实时数据流服务
290 5
|
弹性计算 运维 Shell
自动化GitHub仓库活跃度分析
【4月更文挑战第30天】
126 0
|
存储 分布式计算 调度
云计算:原理、应用与编程实践
云计算:原理、应用与编程实践
889 0
|
开发框架 JavaScript API
uni-app的优缺点?
uni-app的优缺点?
|
安全 API Apache
Apache服务深入学习篇(详细介绍)
Apache服务深入学习篇(详细介绍)
1789 0
Apache服务深入学习篇(详细介绍)