教育部最新发布:180所高校本科新增AI课程,138所高校新增大数据课程

本文涉及的产品
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 教育部最新发布:180所高校本科新增AI课程,138所高校新增大数据课程

今年是我国高校开设大数据本科专业的第五年,也是人工智能专业被纳入本科专业的第二年3月3日,教育部公布了2019年度普通高等学校本科专业备案和审批结果,共有196个高校新增备案本科专业,各高校新增备案专业1672个

教育部链接:http://www.moe.gov.cn/srcsite/A08/s7056/202003/t20200303_426853.html根据今年公布的最新名单,共有138所高校获批大数据本科专业

除了数据科学与大数据技术专业之外,今年还是人工智能专业被纳入本科专业的第二年,根据统计,共180所高校新增人工智能本科学业,包括中国人民大学、北京化工大学、北京邮电大学、北京师范大学、中国传媒大学、复旦大学等,相比于第一年35所高校获批,今年数量涨势迅猛,超过去年的5倍
在此次获批名单中文摘菌还发现,80所高校获批智能制造工程专业,63所高校获批机器人工程专业,36所高校获批智能科学与技术专业,19所高校获批智能建造专业,16所高校获批智能医学工程专业,12所高校获批物联网工程专业,7所高校获批智能电网信息工程专业。
简单回顾,2016年2月,北京大学、对外经济贸易大学、中南大学首次成功申请到“数据科学与大数据技术”本科专业。2017年3月,第二批32所高校获批。2018年,在教育部公布的高校新增专业名单中,有248所学校获批,是过去两次审批通过额度近8倍。至此,国内共有283所高校正在筹备“数据科学与大数据技术”专业,该专业学制为四年,授予工学学位或理学学位。
完整名单链接:http://www.moe.gov.cn/srcsite/A08/s7056/202003/W020200303365402032446.pdf

研究生扩招18.9万的研究生名额,AI领域或成重点

按照教育部此前印发的《高等学校人工智能创新行动计划》,到 2020 年,我国将在高等教育领域实现如下具体可数的目标:

  • 建设100个 “人工智能+X” 复合特色专业;
  • 编写50本具有国际一流水平的本科生和研究生教材;
  • 建设50门人工智能领域国家级精品在线开放课程;
  • 建立50家人工智能学院、研究院或交叉研究中心。


为了实现这一目标,除了在本科逐步推广AI教育外,研究生阶段的教育也将继续深入。
1月21日,教育部、国家发展改革委、财政部联合发布《关于“双一流”建设高校促进学科融合加快人工智能领域研究生培养的若干意见》,把人工智能纳入“国家关键领域急需高层次人才培养专项招生计划”支持范围,扩大研究生培养规模,计划安排研究生尤其是博士生招生计划专项增量,并将引导高校精准扩大人工智能相关学科高层次人才培养规模。
2月28日,教育部副部长翁铁慧透露,今年扩招的约18.9万研究生名额将重点投放在服务国家战略和社会民生急需领域,其中就包括人工智能专业
根据文件内容,高校将完善人工智能领域学科布局,同时加强人工智能基础理论、机器学习、计算机视觉与模式识别、自然语言处理、知识处理与挖掘、智能芯片与系统、数据分析与大数据系统、认知心理学和神经科学等多个方向的建设。
在学科设置上,文件也鼓励高校统筹各类资金,支持人工智能相关学科建设,逐渐形成学科优势特色,推动人工智能向更多学科渗透融合,除此之外,有条件的高校也可以以自主试点、先行先试方式,自主设置人工智能交叉学科。
AI人才分布不均,师资恐成最大难题之一
人工智能教育正式逐步普及本科,这不仅说明人工智能在当下甚至未来很长一段时间内,都将是科技持续发展的主要动力,也说明了中国在人工智能高水平人才上仍然十分稀缺。
从最新公布的获批高校名单来看,除985、211院校外,还有一些二本院校。
全世界都面临着人工智能教育的逐渐低龄化难题,加大人才培养力度固然重要,但同时不能忽视了,学科体系、师资力量等因素对学生起到的影响根据德勤的研究报告《全球人工智能发展白皮书》,可以看出,中国AI人才分布呈现出不均衡的态势,京津冀地区数量最多,其次是长三角和珠三角地区,内陆地区的人才相对匮乏。

各城市人工智能人才数量占比,地图依据各省市人工智能人才数量,颜色越深代表人工智能人才数量更多;柱状图表示的人工智能人才占比=各城市人工智能人才数量/中国人工智能人才总数而从各高校发表人工智能国际论文数占比情况来看,超过75%的人工智能人才由国内高校培养,清华大学、上海交通大学、浙江大学在人工智能领域拥有较强的科研能力,也是我国人工智能人才的主要输出院校。

考虑到人工智能本科专业去年才正式成立,在课程设置、教学方法、教育路径、实验配置等各个方面全都不明朗,各个高校的实际情况也不尽相同,目前尚未形成比较统一的教学目标
人工智能专业本身要求学生对数学基础掌握牢固,同时需要具备相应的跨学科知识,既需要学生的好学和钻研,也需要经验丰富的老师进行引导。
此次高校新增人工智能专业,相信在高考后也将掀起一阵报考热潮。
清华北大港科大领跑国内AI研究

上周,世界大学QS公布了最新排名,在计算机分榜排名前100的高校中,国内高校共有12所入选,其中,排名13名的清华大学以绝对优势领跑,北京大学和香港科技大学紧随其后,分别位列第19名和第26名。

除上述三所高校外,进入前100榜单的高校还包括,香港中文大学、上海交通大学、香港大学、香港城市大学、复旦大学、台湾大学、香港理工大学、中国科学技术大学和浙江大学。
与去年入围QS计算机科学与信息系统分榜高校相比,今年少了3所,南京大学、国立交通大学、国立清华大学跌出前100,清华大学从去年第15名前进到13名,北京大学从15名下降到19名,香港科技大学保持不变。
对计算机相关专业感兴趣的同学来说,QS的计算机科学与信息系统分榜具有相当有价值的参考。QS的学科排名包括了4个评价指标:学术声誉、雇主声誉、研究引用率、H指数。不同学科的评估指标占比不尽相同。
完整榜单:

https://www.qschina.cn/university-rankings/university-subject-rankings/2020/computer-science-information-systems

将围绕人工智能、大数据等领域,打造一批反映世界先进水平的自然科学教材
1月,国家教材委员会印发了《全国大中小学教材建设规划(2019-2022年)》,这是新中国成立以来首次对各学段、各学科领域教材建设作系统设计。
根据《规划》指出,未来,高等学校教材建设将围绕人工智能、大数据、区块链、网络空间安全、环境科学、海洋科学、能源科学等领域,打造一批反映世界先进水平的自然科学教材
除了高等院校的教材将逐渐适应新时代之外,早在2017年7月,国务院印发了《新一代人工智能发展规划》,宣布要实施全民智能教育项目,在中小学阶段设置人工智能相关课程,逐步推广编程教育。
1月7日,清华大学宣布,图灵奖得主、中科院院士、清华大学交叉信息研究院院长姚期智将领衔主编的教材《人工智能(高中版)》,值得注意的是,本书编委全部来自清华交叉信息研究院计算机科学实验班(姚班)和人工智能班(智班)教学团队。这本专为高中生打造的教材《人工智能(高中版)》将于今年9月正式出版。姚期智院士在发布会上表示,“我们(编委会)会把高中教育当作和大学教育一样的事业,怀抱同样的热忱,尽心尽力”。

在清华《人工智能(高中版)》之前,2018年4月,商汤联合华东师范大学慕课中心推出了国内第一本面向中学生的AI教材《人工智能基础(高中版)》;6月,苏州大学出版社出版“中小学人工智能系列丛书”;11月,优必选与华东师范大学出版社联合发布“AI上未来智造者——中小学人工智能精品课程系列丛书”。
人工智能学习目前呈现出低龄化的趋势,在这个过程中,培养计算思维是关键,要更好地学习和处理人工智能领域中纷繁复杂的问题,就必须找到“无变化的模式”,将其转化成基础问题。
目前中国人工智能产业不断扩大,因此更需要雄厚的人才基础。做好人工智能的科普工作,让更多青少年认识人工智能、了解人工智能,在当下显得尤为重要,也是决定人工智能技术创新和产业发展的重要因素之一。

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 
相关文章
|
17天前
|
机器学习/深度学习 人工智能 运维
智能化运维:AI与大数据在IT运维中的应用探索####
本文旨在探讨人工智能(AI)与大数据分析技术如何革新传统IT运维模式,提升运维效率与服务质量。通过具体案例分析,揭示AI算法在故障预测、异常检测及自动化修复等方面的实际应用成效,同时阐述大数据如何助力实现精准运维管理,降低运营成本,提升用户体验。文章还将简要讨论实施智能化运维面临的挑战与未来发展趋势,为IT管理者提供决策参考。 ####
|
1月前
|
机器学习/深度学习 人工智能 数据可视化
何恺明CV课程 | AI大咖说
麻省理工学院(MIT)电气工程与计算机科学系(EECS)副教授何恺明开设了两门精彩课程:“Advance in Computer Vision”和“Deep Generative Models”。何恺明是计算机视觉和深度学习领域的杰出科学家,曾提出深度残差网络(ResNet)等重要成果。这两门课程不仅涵盖了最新的研究前沿,还由何恺明亲自授课,内容涉及卷积神经网络、生成对抗网络、变分自编码器等,是学习计算机视觉和生成模型的宝贵资源。
72 8
|
1月前
|
存储 人工智能 分布式计算
大数据& AI 产品月刊【2024年10月】
大数据& AI 产品技术月刊【2024年10月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
15天前
|
人工智能 分布式计算 DataWorks
大数据& AI 产品月刊【2024年11月】
大数据& AI 产品技术月刊【2024年11月】,涵盖本月技术速递、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
2月前
|
机器学习/深度学习 人工智能 运维
智能运维:大数据与AI的融合之道###
【10月更文挑战第20天】 运维领域正经历一场静悄悄的变革,大数据与人工智能的深度融合正重塑着传统的运维模式。本文探讨了智能运维如何借助大数据分析和机器学习算法,实现从被动响应到主动预防的转变,提升系统稳定性和效率的同时,降低了运维成本。通过实例解析,揭示智能运维在现代IT架构中的核心价值,为读者提供一份关于未来运维趋势的深刻洞察。 ###
115 10
|
2月前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
2月前
|
人工智能 算法 前端开发
首个 AI 编程认证课程上线!阿里云 AI Clouder 认证:基于通义灵码实现高效 AI 编码
为了帮助企业和开发者更好使用通义灵码,阿里云上线了“AI Clouder 认证课程--基于通义灵码实现高效 AI 编码”。本课程汇聚了后端、前端、算法领域 5 名实战派专家,带你体验 4 大研发场景实践,上手 3 大实操演练,深度掌握智能编码助手通义灵码,实现全栈 AI 编码技能跃升。
|
2月前
|
人工智能 分布式计算 大数据
大数据&AI产品月刊【2024年9月】
大数据& AI 产品技术月刊【2024年9月】,涵盖本月技术速递、2024云栖大会实录、产品和功能发布、市场和客户应用实践等内容,帮助您快速了解阿里云大数据& AI 方面最新动态。
|
5天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术深度解析:从基础到应用的全面介绍
人工智能(AI)技术的迅猛发展,正在深刻改变着我们的生活和工作方式。从自然语言处理(NLP)到机器学习,从神经网络到大型语言模型(LLM),AI技术的每一次进步都带来了前所未有的机遇和挑战。本文将从背景、历史、业务场景、Python代码示例、流程图以及如何上手等多个方面,对AI技术中的关键组件进行深度解析,为读者呈现一个全面而深入的AI技术世界。
52 10
|
10天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
下一篇
DataWorks