阿里云大学创新人才赋能模式,助力贵州大数据基础人才建设

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介: 近年来,云计算与大数据持续火热,整个行业呈井喷式的快速发展。2014年3月,“大数据”首次写入《政府工作报告》,2017年两会,李克强总理更是指出“加快大数据、云计算、物联网应用,以新技术新业态新模式,推动传统产业生产、管理和营销模式变革。
近年来,云计算与大数据持续火热,整个行业呈井喷式的快速发展。2014年3月,“大数据”首次写入《政府工作报告》,2017年两会,李克强总理更是指出“加快大数据、云计算、物联网应用,以新技术新业态新模式,推动传统产业生产、管理和营销模式变革。把发展智能制造作为主攻方向,完善制造强国建设政策体系。”

作为全国首个国家大数据综合试验区,贵州在资源、环境、政策、区位等方面积累了丰富的大数据产业发展优势。自2014年以来,贵州先后出台了系列政策措施,加快推进大数据产业发展,建设了首个国家大数据工程实验室、贵州·中国南方数据中心示范基地、贵阳·贵安国家级互联网骨干直联点等,实现了跨越式的发展。

大数据战略快速推进的背后,相关人才的培养就变得尤为重要。早在2016年5月份,贵阳市政府就出台了《贵阳市大数据“十百千万”人才培养计划实施方案》,2年内将选拔培养大数据领军人才10名以上、大数据创新人才100名以上、机关企事业单位大数据优秀人才1000名以上、大数据专业人才和基础人才数万名。

作为全球领先的云计算大数据服务平台,阿里云也通过“产学合作、协同育人”的模式,基于“新工科建设”指导方针,与贵州各高校携手,助力大数据人才的培养。

2017年9月15日,贵州理工学院·阿里巴巴大数据学院正式揭牌,这是全国首个本科层次的阿里巴巴大数据学院,此举标志着高校、科研院所、企业科技教育资源共享,产学联动的大数据学院正式进入人才培养阶段。

对于助力贵州大数据人才的培养,阿里云大学总经理王晓斐表示,阿里巴巴大数据学院在贵州的落地以及此次初级认证工程师赋能培训,是政府、企业、学校联合育人的探索以及产学研教学模式的实践,希望能够通过各方共同努力,发挥各自优势,促进高校学科建设和人才培养层次提升,打造产教融合新范式,服务区域经济发展。

4feb4c85a930cdbca0940a9716dd2289c9693794

为了进一步贯彻落实《中共贵州省委 贵州省人民政府关于实施大数据战略行动建设国家大数据综合试验区的意见》,加快人才培养步伐,在2017年底,在贵州省大数据发展管理局、阿里云、慧科教育集团,三方合作,在贵州三所高校(贵州理工学院、贵州大学和贵州职业技术学院)开展了“阿里云认证初级工程师培训”,为期一个月,共计培训学生多2000人次。

572631e5ba0c6cc379e4b66338d50707a7962e7c

本次培训授课采用了阿里云大学首创的轻量级场景化的Apsara Clouder技能认证系列课程进行交付,Clouder认证的特点在于轻量级、场景化、实战性,通过组织学生集中学习线上的阿里云原厂课程,现场配备辅导老师进行答疑、实验指导,现场完成考试等全部环节,在短时间内真正掌握多项云计算、大数据的实用技能。

“学、练、考”一体的创新的模式提高了学生的学习兴趣,培训效果也大幅提升,现场的辅导老师表示,“这种模式灵活、新颖,特别是动手实验的环节,可以真正让学生们体验到云计算和大数据是怎么用的,这些都是学校课堂里学不到的。学生在老师的帮助下,完课率与实验成功的比例都很高,即便有些学生当天没有考过,回去后利用在线学习和实验,反复练习,在下一场的考试中顺利拿到证书,效果明显。”

对于此次培训的成功举办,阿里云大学副总经理臧康介绍说,“本次培训验证了阿里云Apsara Clouder认证创新模式的灵活性优势。今年阿里云在云计算、大数据、云安全三大领域分别推出了20-30款Clouder认证,这些模块化的认证又可以自由组合,满足包括学生、开发者、企业客户不同类型的培训需求,学习方式也可以选择线上、现场以及混合式教学。”

此次高校联合培训,为贵州大数据人才培养起了一个很好的开端,今后阿里云将联合生态合作伙伴,在贵州持续投入培训力量,针对未来云计算与大数据工作者(学生、云计算与大数据求职者)开展大数据开发者、大数据分析师、大数据创业者培训与技能认证,三年内将为贵州培养2500名云计算与大数据高端专业人才、10000名专业技术人才,落实大数据战略行动、打造大数据产业人才高地。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
7天前
|
SQL DataWorks 数据可视化
阿里云DataWorks评测:大数据开发治理平台的卓越表现
阿里云DataWorks是一款集数据集成、开发、分析与管理于一体的大数据平台,支持多种数据源无缝整合,提供可视化ETL工具和灵活的任务调度机制。其内置的安全体系和丰富的插件生态,确保了数据处理的高效性和安全性。通过实际测试,DataWorks展现了强大的计算能力和稳定性,适用于中小企业快速搭建稳定高效的BI系统。未来,DataWorks将继续优化功能,降低使用门槛,并推出更多灵活的定价方案,助力企业实现数据价值最大化。
|
7天前
|
分布式计算 大数据 数据处理
技术评测:MaxCompute MaxFrame——阿里云自研分布式计算框架的Python编程接口
随着大数据和人工智能技术的发展,数据处理的需求日益增长。阿里云推出的MaxCompute MaxFrame(简称“MaxFrame”)是一个专为Python开发者设计的分布式计算框架,它不仅支持Python编程接口,还能直接利用MaxCompute的云原生大数据计算资源和服务。本文将通过一系列最佳实践测评,探讨MaxFrame在分布式Pandas处理以及大语言模型数据处理场景中的表现,并分析其在实际工作中的应用潜力。
32 2
|
1月前
|
存储 分布式计算 大数据
【赵渝强老师】阿里云大数据生态圈体系
阿里云大数据计算服务MaxCompute(原ODPS)提供大规模数据存储与计算,支持离线批处理。针对实时计算需求,阿里云推出Flink版。此外,阿里云还提供数据存储服务如OSS、Table Store、RDS和DRDS,以及数据分析平台DataWorks、Quick BI和机器学习平台PAI,构建全面的大数据生态系统。
73 18
|
2天前
|
SQL 存储 分布式计算
阿里云 Paimon + MaxCompute 极速体验
Paimon 和 MaxCompute 的对接经历了长期优化,解决了以往性能不足的问题。通过半年紧密合作,双方团队专门提升了 Paimon 在 MaxCompute 上的读写性能。主要改进包括:采用 Arrow 接口减少数据转换开销,内置 Paimon SDK 提升启动速度,实现原生读写能力,减少中间拷贝与转换,显著降低 CPU 开销与延迟。经过双十一实战验证,Paimon 表的读写速度已接近 MaxCompute 内表,远超传统外表。欢迎体验!
|
1月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。对象如用户、账号、商品等,通过唯一ID记录其相关事件,如操作日志、交易记录等。这种模式下的统计任务包括无序计算(如交易次数、通话时长)和有序计算(如漏斗分析、连续交易检测)。尽管SQL在处理无序计算时表现尚可,但在有序计算中却显得力不从心,主要原因是其对跨行记录运算的支持较弱,且大表JOIN和大结果集GROUP BY的性能较差。相比之下,SPL语言通过强化离散性和有序集合的支持,能够高效地处理这类计算任务,避免了大表JOIN和复杂的GROUP BY操作,从而显著提升了计算效率。
|
2月前
|
存储 分布式计算 druid
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
44 1
大数据-152 Apache Druid 集群模式 配置启动【下篇】 超详细!(一)
|
1月前
|
分布式计算 Java 开发工具
阿里云MaxCompute-XGBoost on Spark 极限梯度提升算法的分布式训练与模型持久化oss的实现与代码浅析
本文介绍了XGBoost在MaxCompute+OSS架构下模型持久化遇到的问题及其解决方案。首先简要介绍了XGBoost的特点和应用场景,随后详细描述了客户在将XGBoost on Spark任务从HDFS迁移到OSS时遇到的异常情况。通过分析异常堆栈和源代码,发现使用的`nativeBooster.saveModel`方法不支持OSS路径,而使用`write.overwrite().save`方法则能成功保存模型。最后提供了完整的Scala代码示例、Maven配置和提交命令,帮助用户顺利迁移模型存储路径。
|
2月前
|
SQL 存储 算法
基于对象 - 事件模式的数据计算问题
基于对象-事件模式的数据计算是商业中最常见的数据分析任务之一。这种模式涉及对象(如用户、账户、商品等)及其相关的事件记录,通过这些事件数据可以进行各种统计分析,如漏斗分析、交易次数统计等。然而,SQL 在处理这类任务时表现不佳,特别是在有序计算方面。SPL 作为一种强化离散性和有序集合的语言,能够高效地处理这类计算,避免了大表 JOIN 和大结果集 GROUP BY 的性能瓶颈。通过按 ID 排序和分步计算,SPL 能够显著提高计算效率,并支持实时数据处理。
|
2月前
|
分布式计算 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(一)
55 5
|
2月前
|
资源调度 大数据 分布式数据库
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
大数据-158 Apache Kylin 安装配置详解 集群模式启动(二)
51 2