武汉晴川学院·中软国际实习实训基地，秉承“专业共建、模式共构、方案共制、教材共编、教学共施、基地共建、师资共培、质量共提、就业共助、成果共享”的建设思路，围绕实训基地建设、人才培养模式改革、双师型队伍建设、实训就业指导等方面进行专业共建，共同打造“一流”的新一代信息技术人才培养的实践教学基地，达成区域示范引领的发展目标。

1.具体建设规划如下：

（1）在共建的实习实训基地的良好的合作基础上双方签订产业学院协议。

（2）在实训基地共建过程中，计划在人才培养模式、提升专业质量、开发校企合作项目、指导毕业设计、开发校企合作课程、建设高水平师资队伍、共建实习实训基地、搭建产教研合作平台等8个方面展开基地建设。

         2.组建方式以及培育过程。

在共建的实习实训基地合作中，充分利用高校与企业的各自优势，将企业岗位所要求的多学科交叉能力贯彻到校企产教融合培养体系中，多学科交叉融合作为人才培养的重点。构建从基础课程到专业课程、从实训到实习的校企共建共教模式。

具体培育过程按照3个阶段8个内容展开。

图1 培育过程三阶段图

（1）培育前期：制定人培方案，实践实习基地将配合学校培养目标、毕业要求，协助学校教师更好地修订人才培养方案。建设高水平教师队伍，教师培训基地，改革教师评价体系，引导教师向“双师双能双栖型”转变。

（2）培育期：参与实习实训，实践实习基地按照实习实训的大纲要求，做好学生的实习教学任务、实习项目的实施等。指导学科竞赛，辅导人工智能专业学生参加各类学科比赛。指导毕业设计，将充分利用实践实习基地,组建"双导师"指导团队，对毕业生进行毕业设计指导。共建高质量实践课程，实习实训基地围绕新一代信息技术产业对学生知识能力的需求，引入企业工程案例、实践教学资源，共同开发线上线下混合式及虚拟仿真课程。

（3）培育评价期：提供就业推荐服务，对实习实训基地内的24级人工智能专业的学生依据成绩与职业测评报告进行分类就业，对于所有合格毕业生，提供渠道推荐就业。

基地阶段性建设目标

1.围绕基地建设目标和任务，开展数字化、智能化背景下的实践教学改革与创新，主要包括实践教学内容更新，实践教学方式方法改革，实践教学质量评价与保障体系构建，说明未来3年的实施计划、年度目标。

（1）实践教学改革与创新

根据各专业的最新发展趋势，更新课程内容，增加机器学习、深度学习、自然语言处理等前沿技术的实践教学比重，确保学生掌握行业最前沿的知识。同时共同研发《人工智能》、《计算机视觉》、《机器学习》、《深度学习》等课程，为专业核心课程与市场接轨提供保障。

（2）实践教学方式方法改革

推动线上线下混合式教学，利用VR、AI等技术创建虚拟实践基地和仿真实验室，提高学生的动手能力和创新思维。

（3）实践教学质量评价与保障体系构建

建立基于OBE模式的实践教学质量评价体系，定期对实践基地进行评估，确保教学质量稳步提升。

（4）未来三年实施计划

2 实习实训情况

2.1 教学大纲

《毕业实习》教学大纲

一、实习目的与要求

    1．实习目的：

毕业实习中的集中实习的目的是学生在教师、实习单位技术人员指导下，经学院审批后在实习实训单位或者校内集中完成的与专业密切相关的实践活动。通过企业实习，学生的实践动手能力得以提升。将在校期间学的理论知识与实际工作场景相结合，通过实际操作加深对理论知识的理解和掌握，提升解决实际问题的能力。掌握大数据行业所需的专业技能，如数据挖掘、数据分析、数据可视化、大数据平台搭建与维护等，为将来的职业生涯打下坚实的基础。团队合作精神、沟通协调能力得以提升。认识到数据安全和隐私保护的重要性，树立正确的职业道德观念，培养对数据质量、工作结果负责的态度，以及遵守行业规范和法律法规的自觉性。提高就业竞争力，为未来的就业打下坚实的基础。

分散实习的实习目的是通过顶岗实习等形式，由学生自主选择相关企业，在实习中真实感受职场环境，深入理解行业运作机制，将所学的理论知识与实际工作紧密结合。实验目的旨在提升学生的实践能力，使其能够在实际工作岗位上应用所学知识，解决具体问题，从而增强职业素养和就业竞争力。

2．实习要求：

（1）熟悉数据挖掘算法和编程语言，如Python等，具备解决复杂问题的能力。

（2）熟悉数据库技术、编程语言和大数据处理框架，如Hadoop、Spark等。

（3）深入了解机器学习理论，具备编程和数据处理的能力。

（4）具备深入的统计学、数学和机器学习知识，能够独立完成数据分析和建模工作。

（5）熟悉数据可视化工具和编程语言，具备良好的设计能力和数据敏感度。

（6）具备独立分析问题和解决问题的能力，能够运用创新思维提出有效的解决方案。

（7）掌握与团队成员、上级领导和客户有效沟通的技巧，提高团队协作能力和项目管理能力。

（8）掌握编写工作文档和实习报告的方法和技巧，能够清晰、准确地记录实习过程和成果。

（9）具备自我学习和自我提升的能力，能够不断跟进新技术、新应用，保持个人竞争力。

（10）掌握企业开发常用的建模工具和设计模式，构建良好的软件系统。了解实际软件项目开发全过程。体验企业工作环境和工作方式。加强团队意识、交流和表达能力。

二、实习内容及要求

学生应根据个人兴趣、专业特长及职业规划，选择与数据科学与大数据技术专业相关的企业或机构进行实习，如互联网公司、数据分析公司、金融机构、科研机构等行业相关单位选择适合的实习岗位进行实践。集中实习暂定4个方向，后期根据就业市场需求灵活调整，学生选择其中一个方向开展实习。分散实习根据实习岗位要求，由实习企业给定。

暂定的集中实习的4个方向如下：

（一）数据分析师方向

1.掌握基本的统计学原理和预测模型，如线性回归、逻辑回归、决策树、随机森林等

2.掌握常见的数据结构和算法，以便在数据分析过程中进行高效的数据处理和计算。

3.掌握编程语言和工具，如Java、Python、R、SQL等，能够高效地进行数据挖掘、分析及处理。

4.掌握数据采集传输、数据存储、数据计算、数据查询、数据可视化等主流热门的开发框架。

5.熟悉软件全流程开发所使用的建模工具、开发工具、版本控制和测试工具等。

6.了解企业相关的业务知识，如市场营销、运营管理、财务等领域，便于更好地理解数据，为决策提供更有价值的建议和支持。

（二）大模型数据开发方向

1.熟练掌握至少一种主流编程语言的语法，如Python、Java等，并能够熟练使用常见的开源库，如TensorFlow、PyTorch等。

2.掌握大数据处理技术，熟悉Hadoop、Spark、Flink等大数据处理框架，有大规模数据处理经验。

3.掌握深度学习与自然语言处理知识，Transformer、BERT等经典模型，以及自然语言处理（NLP）的相关技术。

4.具备数据预处理与清洗能力：能够独立完成数据的获取、格式处理、内容处理等工作，确保数据的准确性、一致性和可用性。

（三）数据可视化工程师方向

1.掌握数据挖掘方法和技术：能够从大量数据中提取有用信息，运用数据分析和挖掘工具（如Python的Pandas、NumPy库，R语言的ggplot2、dplyr包等）进行数据处理和分析。

2.熟练掌握Python、JavaScript等编程语言，能够利用这些语言进行数据处理和可视化编程。

3.掌握HTML、CSS、SVG、WebGL等前端技术，能够将这些技术应用于数据可视化项目中。

4.熟悉常用的数据可视化库（如D3.js、Chart.js等），能够利用这些库创建复杂的数据可视化效果。

5.掌握不同类型图表（如折线图、柱状图、饼图、热力图等）的适用场景和设计原则，能够选择合适的图表形式来展示数据。

6.掌握数据可视化的交互设计原则，能够创建具有交互功能的数据可视化作品，提升用户体验。

  （四）数据科学家方向

1.掌握描述性统计、推断统计和概率论基础知识。

2.熟练掌握至少一种编程语言，如Python、R。

3.掌握如何获取数据，并对数据进行清洗，包括处理缺失值、删除异常值、统一数据格式等，确保数据的质量。

4.掌握数据转换、整合等处理技巧，为数据分析做好准备。

5.掌握关系型数据库和非关系型数据库的基本概念，能够使用SQL进行数据查询和操作，从数据库中提取和整理数据。

6.掌握常用的机器学习算法，如线性回归、逻辑回归、决策树、聚类、降维等，以实现对数据的深入分析和预测。

7.熟练掌握可视化工具及图表设计方法，能够将复杂的数据转化为易于理解的图表和图形。

  三、实习时间及内容安排

四、实习组织形式与指导方法

（一）实习组织形式

实行采取分散实习和集中实习相结合的方式。实习单位应是符合实习目的与要求的产业学院、企事业单位等，完成不少于8周的时间。每位实习生由实习单位指导教师和校内实习指导老师共同监督。

集中实习是由学院统一安排学生到学院实验基地实习。引入企业和学院双导师制度，可以为学生提供更为全面和深入的指导，有助于提升学生的实践能力和专业素养。学校导师可以传授学术知识和专业技能，引导学生进行科研实践和学术探索；而企业导师则可以向学生传授实际工作经验和职业技能，帮助学生了解行业动态和就业需求，为学生的职业生涯规划提供指导。通过双导师制度，学生不仅能够在学校学到理论知识，还能够在企业实践应用，从而全面提升自己的综合素质。

分散实习是由学生自行选择、联系实习单位，优先选择学院实习基地。已落实工作单位的学生可以在单位实习。自行联系实习单位时，需联系妥当该单位的实习指导老师。分散实习由学院指派专业任课教师或年级老师担任专业指导教师进行多种形式的指导。

（二）指导方法

集中实习：

1.学校导师的指导方式

学术指导：学校导师主要负责对学生的思想道德修养、专业基础知识、教学理论与教学技能、教育实践进行指导。他们可以通过专题讲座、学术研讨、课程讲解等方式，帮助学生巩固学术基础，提升理论水平。

实践指导：学校导师还会深入实践基地，指导学生见习和实习。他们可以通过现场观摩、教学示范、案例分析等方式，帮助学生掌握实际教学技能，提升实践能力。

职业规划指导：学校导师还会关注学生的职业发展，为他们提供职业规划指导。他们可以通过个别咨询、就业指导讲座等方式，帮助学生明确职业方向，提升就业竞争力。

2.企业导师的指导方式

技能培训：企业导师主要负责对学生的从教技能、课堂教学实践、角色转换和专业发展进行指导。他们可以通过技能培训、岗位实习、工作指导等方式，帮助学生掌握实际工作技能，提升职业素养。

经验分享：企业导师具有丰富的实践经验，他们可以通过经验分享、案例分析等方式，向学生传授行业内的宝贵经验和知识，帮助学生更好地适应职场环境。

职业规划指导：与企业导师一样，学校导师也会关注学生的职业发展。他们可以从企业的角度出发，为学生提供更加实用的职业规划指导，帮助他们了解行业动态和就业需求，为未来的职业发展做好准备。

3.联合指导方式

协同教学：在集中实习中，学校导师和企业导师可以协同教学，共同指导学生完成实习任务。他们可以通过联合授课、共同备课、互相听课等方式，实现优势互补，提升教学质量。

定期交流：学校导师和企业导师可以定期进行交流，共同讨论学生的实习情况、存在的问题和解决方案。他们可以通过电话、邮件、视频会议等方式保持沟通，确保实习工作的顺利进行。

综合评价：在实习结束后，学校导师和企业导师可以联合对学生的实习成果进行综合评价。他们可以根据学生的实习表现、技能掌握情况、职业素养等方面给予客观公正的评价，为学生的未来发展提供参考。

分散实习：

1.实习开始前，学生自主选择实习单位。根据实习单位的工作安排，结合毕业实习教学大纲的要求，逐一落实在各单位实习的具体内容和日程安排。

2.指导教师针对学生提出的问题和各实习单位的具体情况，通过线上、线下多种渠道逐个对学生作答疑辅导。

3.学生持实习介绍信分别到各实习单位报到，并按照各实习单位的具体安排开展实习。

4.指导教师在实习期间不定期了解情况并作指导。

5.指导教师在实习结束后评阅实习报告、评定实习成绩，并就实习情况给学生作讲评。

五、实习手册要求

（一）实习手册格式要求

1.实习手册（报告）须符合内容体系要求。

2.层次分明、条理清楚、行文流畅、符合逻辑、论证有力、文字简练。

3.工作量饱满，字数超过 3000 字。

4.统一格式，排版打印。

（二）实习手册内容要求

第一部分：实习单位基本情况

该部分篇幅不宜过大，应简明扼要实习单位全貌，介绍实训所在校内实训基地的基本情况，包括实训基地的设施、设备、功能及以往实训成果等。

第二部分：实习单位实际做法

实习单位的主要业务流程及特点介绍。

该部分是实习报告的主要部分，直接反映出学生观察问题和分析问题的能力。撰写时应对实习工作中比较突出的某一方面的问题进行详细叙述。反映问题要实事求是，不能夸大事实，应有充分的数据、资料加以说明。

第三部分：分析评价

对第二部分所述做法进行总结分析，指明其特点、优缺点和不足，能够运用软件工程专业知识，对实习的业务进行分析与评价。

第四部分：建议与对策（不做要求）

（三）实习手册正文规范要求

实习结束后，学生应按要求填写实习手册。

1.实习手册用黑色签字笔，正楷字体书写，要求书写工整，字迹清晰，字体大小适中。

2.实习周志不少于 8 篇，每篇不少于 500 字；毕业实习手册不少于 3000 字。实习总结内容应包括实习时间和地点、实习目的与要求、实习内容简述、实习报告内容等。实习周志和实习手册必须由实习生本人如实填写，不得雷同或抄袭。

六、考核方式与成绩评定

（一）考核方式：

考查，实习学生必须在规定的时间内完成全部实习任务，并提交实习周志，实习手册（必须加盖实习单位公章），方可参加考核。

1.学生应定期撰写实习手册中的实习周志。

2.学生应定期向实习带队教师和实习指导老师上交实习心得。

3.实习结束时学生应向实习带队教师或实习指导老师提交实习手册。

（二）成绩评定

1.实习成绩构成

毕业实习考核成绩由学校及实习企业双方根据学生在实习期间的表现进行综合评定，其中集中实习×50%+分散实习×50%，强调实习过程性考核与结果性考核相结合。

2.实习成绩评定标准

根据企业导师与校内导师综合评定结果，按照百分制标准确定成绩及等级。

90～100 分（优秀）：实习态度端正，组织纪律性强，无缺勤和违纪；工作积极主动、刻苦、勤奋，按照实习大纲很好地完成了实习内容；实际操作能力强，理论联系实际好；实习报告全面系统。

80～89 分（良好）：实习态度端正，组织纪律性强，无违纪行为；工作积极主动，较好地完成了大纲要求的实习内容；有一定实际操作能力，能理论联系实际；实习报告全面系统。

70～79 分（中等）：实习态度基本端正，无违纪行为；完成了大纲要求的实习内容；有一定实际操作能力，能理论联系实际；实习报告全面。

60～69 分（及格）：实习态度基本端正，无违纪行为；基本完成了大纲要求的实习内容；完成了实习报告。

60 分以下（不及格）：有下列情况之一者，其实习成绩为“不及格 ”。

（1）未达到实习大纲规定的基本要求，实习报告潦草，或内容明显错误。

（2）无故缺勤，累计超过 3 天者。

（3）因工作不负责造成严重后果者。

（4）实习工作业务发生重大错误者。

（5）不服从组织安排，违法乱纪者。

3.凡实习成绩不及格者，不能取得学分，须重修及格后方能毕业。

七、实习纪律

（一）学生必须接受实习指导教师的指导，按时完成分配的工作任务，认真总结、考核和交流。

（二）学生在实习期间必须服从管理，遵守国家法律、法规，遵守实习纪律和实习单位的有关规章制度，遵守实习队（组）制定的作息制度和规定。

（三）学生因病、因事不能参加实习，必须办理请假手续，请假在一天以内的由实习带队教师批准，一天以上经带队教师同意后，报学院领导按学校有关规定办理，否则按旷课处理。病、事假累计超过实习时间的四分之一者，不予评定实习成绩；不请假擅自离开实习地点者，按旷课论处；旷课累计超过 3 天，实习成绩按不及格处理。实习成绩不及格者必须重新进行实习。

（四）不准占用实习时间进行与实习内容无关的活动。

（五）对违反实习纪律或有关规章制度的学生，实习小组组长、指导教师要及时进行教育，令其改正；对违纪造成恶劣影响或严重后果者，必须立即停止其实习，并报学校予以处理。

（六）实习应认真学习学校《普通高等教育教学实践活动工作条例》等文件，接受安全教育，并签订《实习安全承诺书》，按照学院要求统一购买意外伤害保险，切实保障人身财产安全。

八、实习教学指导书与主要参考资料

1.参考教材

［1］林子雨，《数据采集与预处理》，人民邮电出版社，2022.2.

［2］田雅娟，《数据挖掘方法与应用》，科学出版社，2022.12.

［3］黄源，蒋文豪等.大数据可视化技术与应用（第二版）[M].清华大学出版社，2023.01.

［4］吕云翔，姚泽良等.大数据可视化技术与应用[M].机械工业出版社，2023.02.

［5］林子雨，Spark编程基础 （Python版 第2版）（附微课视频），人民邮电出版社，2024年8月；

［6］曾国荪、曹洁，《Spark大数据技术与应用》（微课版），人民邮电出版社，2024年3月；

2.参考阅读书籍或者期刊

［1］张良均，《Python 数据分析与挖掘实战》，机械工业出版社，2023.3.

［2］ 黑马程序员主编，《Hadoop大数据技术原理与应用（第2版）》，清华大学出版社，2023.7

［3］林子雨，《大数据技术原理与应用（第4版）》，人民邮电出版社，2024.8

［4］王国平.Python数据可视化之Matplotlib与Pyecharts实战（第1版）[M].清华大学出版社，2023.

［5］董付国. Python数据分析与数据可视化（微课版）[M].清华大学出版社，2023.05.

［6］杨尊琦. 数据分析及可视化——Tableau原理与实践[M].机械工业出版社，2022.07.

［7］徐鸿雁. 数据可视化分析（Excel 2016+Tableau）（第2版）[M]. 电子工业出版社，2023.06.

［8］曹如军，《Spark基础编程》，清华大学出版社，2024年2月.

［9］辛立伟、张帆、张会娟，《Spark原理深入与编程实战》（微课视频版），清华大学出版社，2023年7月.

［10］郑浩森、张荣，《Spark大数据分析实务》，人民邮电出版社，2024年7月.

［11］刘均,王璐烽，《Spark分布式处理实战》，人民邮电出版社，2023年9月.

［12］王磊，《图解Spark大数据快速分析实战》，人民邮电出版社，2022年2月.

3.参考网络课程资源推荐

［1］中国大学慕课：课程《可视化导论》，浙江大学，陈为、巫英才主讲.

［2］中国大学慕课：课程《数据可视化》，西南财经大学，曾凡吟等主讲.

［3］中国大学 MOOC 精品课程 https://www.icourse163.org/course/XMU-1205811805?from=searchPage&outVendor=zw_mooc_pcssjg_

［4］厦门大学 大数据课程公共服务平台 https://dblab.xmu.edu.cn/post/bigdata-research-group/

4.实习实训基地提供的资料：

实习实训基地提供项目相关技术文档、设计规范和开发指南。