跨象乘云™ 的数据科学与大数据技术课程体系，是真正面向企业大数据业务的实践性课程，通过全仿真工程模型，教育技术工具，旨在帮助高等院校学生了解：各种大数据技术如何运作，这些技术应何时用于较大规模的大数据项目中，它们如何同时发挥作用，为企业提供最高的大数据项目投资回报率。该课程体系通过多个贯穿教学综合项目案例，旨在将大数据项目开发完整的生命周期与战略阶段 ——
完整的嵌入高等院校数据科学与大数据技术专业（080910T）[……]
在当今以数据为推动力的经济中，计算机科学和业务课程如果没有数据库和数据管理方面的课程，就不能说是完善的。应了解计算机如何组织、使用和处理数据，这对于了解如何使用我们掌握的数据以及如何寻求创新方式以更好地管理和使用数据都至关重要。数据库出现由来已久，不过总会出现新的内容需要学习。《数据库原理与应用》是第一门入门课程，本课程向学生介绍基本关系数据库概念。本课程向学生教授关系数据库术语以及数据建模概念，构建实体关系图 (ERD) 及映射 ERD 等知识。使用 SQL Developer Data Modeler 构建 ERD，使用结构化查询语言 (SQL) 与关系数据库进行交互并处理数据库中的数据。[……]
本课程面向略有一点编程经验的学生。本课程向学生介绍了面向对象的概念、术语和语法，通过动手参与活动学习创建基 JAVA 程序所需的步骤。学生将学习 JAVA 编程概念、使用 JAVA 设计面向对象的应用程序，以及通过动手参与活动创建 JAVA 程序。本学习课程面向编程经验较少的学生。学生将学习面向对象的概念、术语和语法，以及通过引人入胜的实践活动创建基本 JAVA 程序所需的步骤。学生将学习 JAVA 编程的概念、使用 JAVA 设计面向对象的应用程序并通过引人入胜的实践活动创建 JAVA 程序。[……]
大数据时代中，实现高效的数据分析除了依赖于分布式架构，并行处理，先进的数据预测算法模型外，数据库以及数据仓库模型本身，同样不可忽略的关键点。数据建模代表了企业业务流程的复杂度，记录了重要的业务规则和概念，并有助于规范企业的关键术语。它清晰地阐述、协助企业揭示商业过程中模糊的想法和歧义。此外，可以使用数据模型与其他利益相关者进行有效沟通。正如要是没有蓝图，不可能建造一个房子或桥梁。本课程为专业基础课程，面向提升学生数据素养与数据思维锻炼，学生将学习分析复杂的业务方案并创建数据模型 － 组织的信息的概念化表示形式。学生 将实施其数据库设计：使用 SQL 创建一个物理数据库。 在此期间会讲解基本的[……]
无论是数据科学、人工智能还是机器学习， Python 都是最热门的首选语言。本课程从零基础对 Python 进行教学，从基础的数据类型与结构、条件判断与循环、函数，到进阶的面向对象编程和函数式编程进行学习，并且每章节都安排了相应的实战练习，加强对知识点的理解与掌握，让 Python 快速的成为高校学生的编程工具。[……]
本课程面向初次接触人工智能的学生，涵盖的主题包括：人工智能的历史，人工智能在企业及各行各业的应用，解释为何数据对训练神经网络至关重要，以及数据科学工作流程的步骤，同时向学生介绍监督学习和深度学习，并介绍当前的硬件和软件选型。同时，神经网络原理可视化解析器，是一个面向深度学习与新一代人工智能，以图形化界面用于教学目的的简单神经网络交互式演示项目，它非常强大地可视化了神经网络的训练过程。通过直观的交互式演示与实验，让教研人员与学习者高效的掌握神经网络背后的核心思想，并在短时间内对神经网络工作原理以及核心概念具备深刻的认知。通过神经网络可视化解析器，来了解神经网络的原理，通过对源数据，进行训练以达到[……]
网络上的数据量越来越大，单靠浏览网页获取静态数据越来越困难，如何有效地提取并利用信息已成为一个巨大的挑战。本课程是专业核心课程，面向数据运营经理职位，采用简洁强大的 Python 语言，全面介绍网络数据采集技术，让学生从不同形式的网络资源中自由地获取数据。同时，本课程是实战性极高的课程，基于多位网络数据采集专家自身工作的宝贵经验汇编而成。特别在国内开放数据环境尚未成熟前，通过汲取前人宝贵的工作经验，学生将以最短的学习路径，了解如何使用 Python 脚本和网络 API 一次性采集并处理成千上万个网页上的数据。本课程不仅介绍了网络数据采集的基本原理，还提供了详细的代码示例与校内本地示例网站（网络[……]
机器学习和深度学习项目在大多数企业中变得越来越重要。同时，一个完整的项目流程包括数据整理（Data Preparation）、构建分析模型以及部署至生产环境。该流程是一个：洞察与行动的循环，此循环能不断地改进分析模型。当你打算使用机器学习或深度学习技术来构建分析模型时，一个重要的任务是集成并通过各种数据源来准备数据集，这些数据源包括比如文件、数据库、大数据存储、传感器或社交网络等等。此步骤可占整个分析项目的 80％。显然，数据整理是数据科学的核心。它包括数据清洗和特征工程。另外领域知识（Domain Knowledge）也非常重要，它有助于获得好的结果。数据整理不能完全自动化，至少在初始阶段不[……]
大数据时代的到来，迫切需要高校及时建立大数据技术课程体系，为社会培养和输送一大批具备大数据专业素养的高级人才，满足社会对大数据人才日益旺盛的需求。本课程定位为大数据技术入门课程，为学习者搭建起通向“大数据知识空间”的桥梁和纽带。本课程将系统梳理总结大数据相关技术，介绍大数据技术的基本原理和大数据主要应用，帮助学习者形成对大数据知识体系及其应用领域的轮廓性认识，为学习者在大数据领域“深耕细作”奠定基础、指明方向。[……]
无论是人工智能，机器学习还是深度学习，其发展与壮大均得益于大数据产业的不断成熟。只有在海量数据，多来源数据，多格式数据分析框架的支撑下，机器学习与深度学习的各种算法模型，才能经过不断的训练，重复验证循环，最终得到理想的结果，而形成机器智能认知。大数据已成为人工智能的基础设施，如何实现大数据与人工智能的有机结合，已成为现今高科技互联网企业的重点探索方向。
2018 年，跨象乘云™ 与华中科技大学软件学院合作，面向数据科学与大数据技术专业，编写《数据科学与大数据技术专业系列规划教材》，经专家评审，确定列入人民邮电出版社教育出版的重点规划。同时，跨象乘云™ 配套企业级仿真工程实践系统环境，专业[……]
