大数据工程硕士项目

一、大数据工程硕士项目

随着信息时代的到来，大数据已经成为当今社会中一种无处不在的存在，它的重要性不言而喻。在数据量不断增长的背景下，大数据处理和分析的需求日益凸显，这也带动了大数据工程硕士项目的兴起。

什么是大数据工程硕士项目？

大数据工程硕士项目是为培养掌握大数据处理和分析技术的专业人才而设立的学术项目。该项目旨在通过系统的课程设置和实践经验，让学生掌握大数据处理的各种技术和工具，培养他们具备在大数据领域进行研究和实践的能力。

大数据工程硕士项目的课程设置

大数据工程硕士项目的课程设置通常包括大数据基础知识、数据处理和分析技术、大数据平台和工具、数据挖掘与机器学习等内容。学生将通过这些课程系统地学习大数据领域的理论和实践知识，为以后的工作和研究打下坚实的基础。

大数据工程硕士项目的就业前景

随着大数据技术的不断发展和应用，具备大数据处理和分析能力的专业人才在市场上备受青睐。毕业于大数据工程硕士项目的学生通常能够在大型科技公司、互联网企业、金融机构等领域找到就业机会，并且薪资待遇优厚。

如何选择适合自己的大数据工程硕士项目？

想要选择一所适合自己的大数据工程硕士项目，首先要考虑自己的兴趣和职业发展规划。其次要关注项目的课程设置、教学团队以及就业前景等方面的情况，选择那些与自己需求最匹配的项目。

总的来说，大数据工程硕士项目为那些希望在大数据领域深造的学生提供了一个良好的学习平台，通过系统的教学和实践训练，培养学生在大数据技术领域的专业能力，为他们日后的职业发展打下坚实的基础。

二、如何看待清华大数据工程硕士项目，自己一年半在贵州培养？

本人18年考清华大数据工程专业，前几天出的消息，我考上了。复试笔试完，当场有个宣讲会，大致讲了一下大数据专业。在贵州培养的原因是大数据的学习离不开工程实践，必须要去有数据的地方学习，贵阳要建设大数据之都，软件硬件都是培养大数据人才的绝佳之地。据老师说，这个专业学的知识和“人工智能”相关度很高，而且，大数据专业并不是全在贵州培养。流程大概是这样的，半年在深研院上课，然后清华本部的老师带着去贵州做项目1.5年，之后回到深圳写毕业论文，只需要2.5年就可以毕业。

…………………………………割………………………………

2018.9.11更改信息，北京那边的导师早已确定了，培养方案是这样的，本部的导师最多去贵州给同学们上课，并不会带着学生去贵州做项目，贵州有企业导师可能会带着做项目。不过，这些企业完全没有名气，竟然有搞金属冶炼和食品厂这种，很难有好的项目可以做。企业导师学术水平也和清华的导师根本没法比，有同学联系贵州那边的企业导师，那边也给不出明确说法。

现在北京的导师们好多都说，让我们在深圳上完半年尽快去北京，自动化系教务处黄老师说和贵州那边签约了，接下来的一年半必须在贵州培养。深圳这边的袁博老师跟我们讲，去贵州应该是一定要去的，一年半的话时间确实太长了，还会耽误大家找工作，毕竟没人想在贵州找工作。

到底怎么安排，学校好像还没确定具体方案，现在仍然是走一步看一步，前途不明朗。想学大数据的同学可以考虑北京或深圳，深圳这边控制工程的同学也有数据科学项目，实习的企业可能是BAT级别的。贵州大数据项目现在来看不很明朗，而18届考研难度和控制工程相差无几，慎重报考。

………………………………割…………………………………

2018.9.24更新信息，上次更新完收到一些私信，问我是不是入坑了之类的，可能我吐槽的太狠了吧 。

扪心自问，再选一次，会不会报控制工程，可能会，但是，大数据的导师毕竟是本部导师，总体水平比深圳这边要高一些，也不算太后悔。

再选一次，会不会报其他学校，不会，因为这里是清华，是大家从小听到大的两个字，清华。

建议，想考自动化系专硕，对大数据方向不是很热爱的，或是完全不想去贵州，请转控制工程，我们这届考研难度差不多。

想学大数据的，清华伯克利学院有数据科学，控制工程也有数据科学，当然，还有我们大数据专业。具体怎么样，只能看时间检验，不过我以为，大概率三种方式培养的大数据方向的学生，虽然培养形式略有不同，但是毕业生水平不相上下。

说一下我们大数据班级的近况吧，学校在想办法在深圳这边给我们安排工位（实验室位置）。北京本部教务处的黄海燕老师、大数据项目负责人胡坚明老师，深研院教务处的黄林燕老师、深研院信息学院部李秀老师都加了我们班群。遇到的一些学习上问题，可以直接反映，感觉学校不会坑了自己的学生，要对学校有信心 。

关于导师，虽然现在不能进我导师的实验室（在北京），但是他也通过邮件,微信远程指导安排了学习任务，加了实验室的微信群和google group，每周一次邮件周报。所以说，有自由度，但是还是由导师指导方向。

-------------------------割----------------------

2018/10/15更新信息，昨天本部的老师团队来给我们开了个会，主要回答同学们提出的问题，没有电脑的，用自己的笔记本，划出来一个自习室作为工位。给同学们的感受是还可以的，遇到许多的问题，也都在解决。

------------------------割----------------------

2019/2/25更新信息，新学期已经开学了，在贵州这边进行报到，还举行了小规模的开学典礼，自动化系的领导团队、贵阳科技局的领导、贵阳市zf的副市长都来参与了，可以看出当地对于这项工作还是比较重视，至少形式上重视（手动狗头）。

这学期的安排，还是有挺多课程，清华做大数据人工智能方向的多位大佬都从北京来贵阳给我们开讲座课。所以说学校，至少说自动化系是对这个项目挺重视的。学校这么做，是借鉴了国外的模式，把专硕直接弄到工作环境中，进行实训，而不是待在实验室里研究写论文。毕竟通过这个项目，自动化系每年多培养30个人呢。

可以讲这个模式想法还是挺好的，大方向的问题在于，怎么保证研究生培养的水平，企业导师和导师也都在关注这个问题，进到企业，研究工作要基于企业的环境展开，究竟做到什么水平，还不得而知。

具体到个人，大部分同学都是毕业后参加工作，由于可能要在贵阳呆一年半，也许就没有很好的去大公司的实习机会（很多公司都是实习后可以留下来的），影响到找工作的选择余地，在贵阳工作当然很受欢迎，不过就我所在的公司而言，总经理就是企业导师，他本身就是大学老师，他带的硕士找工作也没有想在贵阳，所以贵阳能给出什么条件留住人，目前也不得而知。

说个有点丧的问题吧，有个学弟说，今年年考了大数据，感觉可能是坑，复试有点想调剂伯克利，问我大数据项目的优势在哪里，我说，不好说。前天开学典礼，后面有和老师们交流的环节，我鼓起勇气问了这个问题，老师们说看个人的兴趣，想做什么工作，不能给出建议，还是看个人的想法。可以说也是很模糊，这个项目属于清华的培养方式的新探索，究竟探索成什么模样，能出多少成果，学生毕业去向又如何，可以说目前仍不明朗。所以可以说老师们也不敢打包票说能如何如何，如果想稳一点，我个人建议除非对大数据尤其感兴趣，不然尽量先不要来趟这水。

不过，其实北京那边的培养模式，我看好多是靠的学生自主，就是实验室提供大方向和资源，然后就是师傅领进门，修行靠个人了。关于保证学生培养的质量的问题，深研院的院长说，清华学生培养质量高，有一个绝招，就是招的学生质量高（手动狗头），所以学弟学妹们也要相信自己，只要给你土壤和水，你就能长成参天大树。

------------------------割----------------------

2019年4月11日

这两天本部的黄老师和王老师来了，很认真的跟同学们谈心，平均到每位同学身上能有20分钟，我感触也比较深。

这个大数据项目，真的是困难重重，许多问题都是到了企业到了贵阳才发现，不只是从同学看企业的角度，看贵阳的角度，其实，整个系统里面有五个主要参与方，主要参与方肯定是各有自己的想法，同学，北京导师，企业导师，自动化系，贵阳科技局。

现在的情况不很理想，对同学来说影响最大，最深，因为对于其他参与方，也许只是一个项目，而对于同学，是自己的人生。由于我们的学制是两年半，所以要求这学期就必须开题，然而不少同学，包括我，都比较迷茫，由于系里要求做的东西要和企业相关，北京的导师对学生的方向指导非常受限，不少同学反映企业没什么培养高端人才的经验，企业规模较小，做的都是很工程性的东西，甚至不太需要核心技术，企业的需求和导师、自己的研究方向不容易契合。此外，由于规模较小，食堂、体育馆、图书馆这样的学校基础设施也变得稀缺起来，生活上肯定也是没有学校方便。

对于导师来讲，绝大部分导师都是对学生认真负责，但是同时，导师又比较忙，专门抽时间照顾自己课题组外的学生，实在是奢侈。当然也有一些同学在导师的课题组内，导师或是师兄师姐给的指导就比较多，也做出了一些成果，但这就需要同时做两边的东西，或是较少投入到企业中（导师派活儿肯定是首要的）。

对于企业导师来讲，招到了清华的实习生，每月都要发实习工资，可是发现这帮人没有员工那么听话，也好像不能给公司干很多活儿。

对于自动化系来讲，招这一批学生，管理上问题层出不穷，异地培养需要很多资金支持，系里一直要忙前忙后。

对于贵阳高新区、科技局同样感觉费力不讨好，一直收到同学的各种要求，食堂不行，不能借书，没地方运动等等。不停地投钱，不停地做工作，也是辛苦的不行。

目前，所有主要参与方都不满意，什么原因呢，我觉得，实习的企业不是同学们应该去的企业，这是最主要的原因。大部分同学毕业都要去互联网公司，而不是这些公司，这说明这些公司原本就不适合同学们进行实习，很多公司的任务都不是大数据的任务，同学认为和自己和导师的方向不一致，就不敢做、不愿做。拿切肉刀去切菜，真的还没有菜刀好用。其次，我觉得，各方不能急功近利，同学们来企业，并不是拿了一整套学识来的，而是作为一个研究生一年级的学生，做研究和做工程的经验都还很不足，这时候又没人给很多指导，成长会稍微慢一些。尚且没有找到一个合适的、能结合各方需求的研究方向，所以好些同学还没什么研究成果。

突破口在哪里，今天中午，黄老师和王老师找班委开会，谈的就是各方的困难。想解决问题，困难在哪里突破口就在哪里，最大的困难就是同学遇到的困难，最大的突破口也就是同学。王老师说，同学认为在企业做的东西low，但是如果能把看似low的东西做漂亮，让企业竖起大拇指，让高新区和学校看到各种成果，那就是多方共赢的局面。其实我想说，同学未尝不想做好，但是还是有些问题，北京导师离得太远，企业给不了指导，没有合适的方向。

还是阳光一点，贵阳高新区想了办法让同学的聪明才智更好的展现出来，就是给出一些资金让企业和清华开展项目合作，为企业解决问题，也在项目中锻炼同学的专业技能。自动化系也想了办法让同学更好的使用北京的资源，比如弄“学长制”，找一些师兄专门给同学指导。又比如想弄“summer school”，暑假让同学们在北京呆上一两个月，更多和导师、师兄师姐交流。班里同学的学风还是可以的，每天都有同学学到凌晨，见面经常谈论个人发展，遇到的问题什么的，我觉得同学们虽然对于现状吐槽很多，但是天资聪颖，渴望进步，学习态度端正，在有了方向后肯定会突飞猛进，然后做出一堆成果，使得各方受益。

最后，2020届和我们18届19届可能不太一样，清华深研院升级成国际研究生院了，相当于清华的一个院系，有了自主招生权。现在的学生统一写的清华大学，2020届深圳招的控制工程学生，毕业证写的就是国际研究生院。因为大数据项目是自动化系主导的招生，只是放在深研院培养一段时间，并不是深圳的学生，所以20届大数据的学生怎么算，现在好像还没定论。哦，好像20届招的就不是控制工程了，说要和国际接轨，电子、自动化等系的硕士生都是电子信息的毕业证，按照王老师的想法，以后的竞争可能更加激烈。

------------------------割----------------------

2019年9月1日

几个月过去了，又有不少人私信我，先回答一下很多师弟师妹的疑问。

一：深圳国际研究生院和原来的深研院有什么区别？

区别是有一点，之前的话是各个院系的学历，现在是深圳国际研究生院的学历，同样都是清华大学，院系不同而已。

二：推荐去深研院的大数据还是自动化系的大数据？

各有优势，自动化系的大数据有北京的导师，深研院的大数据有深圳的地理位置，方便查阅资料、找实习。相比较而言在贵阳期间离老师远，时间安排上自由度更大。我目前仍是原有观点，培养的过程有所不同，结果估计大同小异。但是就培养过程来看，个人略倾向于深圳的培养环境。学习环境和生活环境都比贵阳的大数据基地好一些。

三：贵阳基地的基础设施建设如何？

宿舍不错，三人寝，网速快，有空调&热水器；

食堂规模很小选择少；

目前没有任何便利的免费运动场所；

图书室书籍稀少，聊胜于无。

四 ：可以选择不在贵阳进行实践而选择长期呆在北京实验室吗？

有很大困难，这学期开始，因为在贵阳没有课程了，之前说和高新区出资让清华和企业进行合作的项目，全部取消了，所以不少同学在贵阳没有课程也没有项目，于是没有待下去的理由，就自作主张去了北京。这些同学不同程度的受到了批评，现在已经全部遣返。上周起，自动化系让同学们周一至周五每天在贵州基地签到，确保在贵阳。同时今天刚刚发布新规定，严格限制了请假时间（离开贵阳的时间）。

然后说一下近况吧，研一下在贵阳是有课的，学校在六月中旬组织了一波去北京的学习，按说7月初要回到贵阳，大家纷纷请了半个月假，继续待到暑假开始，然后不少同学（包括我）在北京呆了整个暑假，满打满算两个月。到北京的感受就是，这里才是学校，学校的基础设施在出了校门后才能更感到珍贵，许多大佬讲座和有意思的比赛也只在北京才能享受到。相比之下，贵阳没有学校的氛围，也没有很多条件相似的同学，在毕业前找男女朋友变得困难重重，这也是我们始料未及的。作为专硕，面临就业是更大的一个问题，过段时间要开始找实习了，贵阳的企业实习经历在找工作中估计没有什么正向作用，而在深圳和北京找大公司的实习会方便许多。

前几天我作为班委和贵阳科技局的领导交流，提出了希望能够给同学更大的自由度，让一些在贵阳没有项目可做的同学能够更长时间呆在北京，科技局的领导表示理解，并同意我的观点：学校的职责和使命就是使学生更好的成长成才，而不是限制学生自由而全面发展的空间。科技局的领导对于我们的诉求表示支持，并说希望我们第一届的同学当先驱而不是先烈，并希望班委拟定出一份请假/出差方案，然后他出面向学校转告一下这个诉求。其实学生的诉求应该直接反馈到学校，而不是基地，三周后不少老师会到贵阳参与同学们的开题工作，自动化系老师的意思是有问题到时候再谈。目前，下一届的改革方向是北京导师和贵阳的企业合作项目，然后大数据方向的学生来做这个项目，这样就不会在贵阳无事可做。

------------------------割----------------------

这一年多，有挺多人问我后续大数据项目的发展情况，我以自身和听到的同学情况和大家分享一下吧。按时间顺序，分别介绍一下学业情况、毕业情况和找工作情况。

第一是学业，大家的方向还是挺多的，我听到的方向大致有NLP、推荐、区块链，CV、异常识别、故障检测等等。多数同学是做深度学习的应用，也有同学在真实项目中做系统。因为大家的研究方向各异，所以不太好评判方向的优劣，不过我发现无论哪个方向，多给导师干活儿的同学往往研究成果更丰富，所以建议大家多听多做。

第二是毕业情况，由于疫情等各种原因，我们班的同学没能都按原定的两年半毕业。全部的30个同学里，9位选择1月份毕业的全部毕业了。 21位选择6月份毕业的有14位按期毕业。明明大家都天资聪颖，但仍有7位同学不能按期毕业，有直接原因也有间接原因。其一是学校从21年6月这批开始，对硕士毕业抓的严了，不止大数据专业，全校都有一定比例不能按时毕业的。其二是因为我们这一届，不少同学因为疫情和无人督促等原因导致研究进展较慢，在预答辩的时候还没准备好内容，因而不能按时毕业。其三是由于我们是第一届，导师和同学间没有建立良好的机制，一些同学闭门造车做的研究不够深不够多，导致论文出现各种问题因而没通过答辩。需要说明的是，包括我在内的通过答辩的同学，许多也没能达到系里和老师的全部期望。当然，也有同学发了多篇论文甚至多篇顶会，这种同学毕业就是小菜一碟。预答辩后有老师给我们开了个会.我作为班委做了简要记录，希望后来者能吸取教训，端正态度早做准备。

答辩完大家一起聊天，有个同学说了一句：“当潮水退去，才知道谁在裸泳"，这句话让我们感慨万千。

第三是就业情况，能按期毕业的同学，就业情况和深圳控制工程是类似的（不过或许选择在北京的比例更高），多数同学选择了高薪互联网大厂，大几十万年薪的同学并不鲜见，有同学选择了央企、选调、研发机构等，也有同学转行去投行等金融机构，还有个别同学选择出国到国际组织工作。各种选择各有优劣，我不做评判了，大家都是给社会创造价值，主要看个人的选择。不过我想提一点感悟，求职时清华的学历是很好的敲门砖，但对于多数工作也只是敲门砖，天道酬勤，在读研和求职时都是成立的，高薪或是发展空间大的工作需要更多的努力。

三、工程硕士作用大吗？

首先，从个人发展来说

　　1.证书

　　很多人对学历比较看重，在完成本科学习后，会选择继续考研，而工程硕士作为目前比较热门的一个专业，受到了很多人的关注。

　　报考工程硕士可选择非全日制(在职)或全日制，如果目前有一份不错的工作，不想辞职全日制学习，那就可能选择通过非全日制研究生的方式报名，毕业后同样可以获得学历与学位证。

　　▲优势：在不耽误自己工作的情况下，也可提升学历。

　　▲劣势：通过非全日制研究生报名，所获毕业证书上会标有“非全日制”字样，但不会影响证书含金量。

四、复旦大学工程硕士 大数据

关于复旦大学工程硕士的大数据

近年来，随着大数据技术的不断发展，越来越多的企业和组织开始关注大数据领域。作为国内知名的高等学府，复旦大学也积极投身于大数据领域的研究和实践。在复旦大学工程硕士的课程中，大数据是一个重要的研究方向。本文将围绕复旦大学工程硕士的大数据课程，探讨其特点和优势，以及在实践中的应用。 一、大数据课程概述 复旦大学工程硕士的大数据课程旨在培养具备大数据分析、处理和挖掘能力的高级人才。该课程涵盖了大数据基础、数据挖掘技术、机器学习、数据可视化等多个方面的内容。通过学习，学生可以掌握大数据领域的基本理论和技能，为将来的职业发展打下坚实的基础。 二、大数据课程特点 1. 理论与实践相结合：大数据课程注重理论与实践的结合，通过案例分析和实践操作，帮助学生更好地理解和应用大数据技术。 2. 丰富的课程资源：复旦大学工程硕士的大数据课程提供了丰富的课程资源，包括图书、期刊、报告等，帮助学生及时了解行业动态和前沿技术。 3. 多样化的教学方法：大数据课程采用了多种教学方法，如讲座、小组讨论、实践操作等，以激发学生的学习兴趣和主动性。 三、大数据课程优势 1. 优秀的师资力量：复旦大学工程硕士的大数据课程拥有一支经验丰富、学术背景深厚的师资队伍，能够为学生提供高质量的教学和指导。 2. 全面的课程体系：大数据课程涵盖了大数据领域的多个方面，能够帮助学生全面了解和掌握大数据技术。 3. 良好的就业前景：随着大数据技术的不断发展和应用领域的不断拓展，大数据人才的需求量不断增加。复旦大学工程硕士的大数据课程毕业生将拥有广阔的就业前景。 四、实践应用 1. 智慧城市：大数据在智慧城市建设中发挥着越来越重要的作用。通过大数据分析，可以实现对城市交通、环境、公共安全等方面的智能化管理，提高城市运行效率和服务水平。 2. 金融行业：金融机构可以利用大数据技术进行风险评估、客户画像、精准营销等，提高业务效率和客户满意度。 3. 医疗领域：大数据在医疗领域的应用可以帮助医生更好地了解病人的病情、制定治疗方案、优化医疗资源分配等，提高医疗质量和效率。 总之，复旦大学工程硕士的大数据课程是一个具有专业性和实践性的课程，通过学习可以帮助学生掌握大数据领域的基本理论和技能，为将来的职业发展打下坚实的基础。同时，该课程在实践中的应用也非常广泛，可以为各行各业提供有力的支持和服务。

五、数据科学培养目标？

数据科学是一门涉及多个学科领域的交叉学科，培养出色的数据科学人才需要具备多方面的能力和知识。数据科学的培养目标可以概括为以下几个方面：

1. 具备扎实的数学和统计学知识。数据科学需要运用大量的数学和统计学知识，例如线性代数、微积分、概率论、统计推断等，因此数据科学人才需要具备扎实的数学和统计学基础。

2. 掌握数据分析和数据挖掘技能。数据科学人才需要掌握数据分析和数据挖掘的技能，包括数据清洗、数据预处理、特征工程、机器学习算法等，以便从大量的数据中提取有用的信息。

3. 具备编程和计算机科学知识。数据科学人才需要掌握编程和计算机科学知识，例如Python、R、SQL等编程语言，以及计算机网络、数据库、操作系统等知识，以便进行数据处理和分析。

4. 具备跨学科交流和合作能力。数据科学人才需要具备跨学科交流和合作的能力，能够与领域专家和团队成员进行有效的沟通和合作，以便更好地解决复杂的数据科学问题。

5. 具备创新和实践能力。数据科学人才需要具备创新和实践能力，能够应用数据科学知识和技能，解决实际问题，并提出新的研究思路和方法。

总的来说，数据科学的培养目标是培养具备扎实的数学和统计学知识、掌握数据分析和数据挖掘技能、具备编程和计算机科学知识、具备跨学科交流和合作能力、具备创新和实践能力的数据科学人才。

六、如何培养团队数据意识？

第一、表达与沟通能力的培养

表达与沟通能力是非常重要的，不论你做出了多么优秀的工作，不会表达，不能让更多的人去理解和分享，那就几乎等于白做。比如面试时，每个人的时间也就10分钟，如果不能在有限的时间里好好推销自我，可能就与一个好机会擦肩而过了。我们常说“行胜于言”，主要是强调做人应该多做少说。但现代社会是个开放的社会，你的好想法要尽快让别人了解。所以要注意培养这方面的能力。抓住一切机会锻炼表达能力，积极表达自己对各种事物的看法和意见，并掌握与人交流和沟通的艺术。

第二、培养自己做事主动的品格

我们都有成功的渴望，但是成功不是等来的，而是靠努力做出来的。任何一个单位都不喜欢只知道听差的人，我们不应该被动地等待别人告诉你应该做什么，而应该主动去了解社会需要我们做什么，自己想要做什么，然后进行周密规划，并全力以赴地去完成。

第三、培养敬业的品质

几乎所有的团队都要求成员具有敬业的品质。有了敬业精神，才能把团队的事情当成自己的事情，有责任心，发挥自己的聪明才智，为实现团队的目标而努力。要记着个人的命运是与所在的团队、集体联在一起的。这就要求我们有意识地多参与集体活动，并且想方设法认真完成好个人承担的任务，养成不论学习还是干什么事都认真对待的好习惯。要知道，有才能但不敬业的人没人敢用。

第四、培养自己宽容与合作的品质

今天的事业是集体的事业，今天的竞争是集体的竞争，一个人的价值在集体中才能得到体现。所以21世纪的失败将不是败于大脑智慧，而是败于人际的交互上，成功的潜在危机是忽视了与人合作或不会与人合作。公司在考察员工时发现，有些人的动手能力强，点子也不错，但当他的想法与别人的不一致时，就是固执己见，不肯与人商量；当问及与领导的关系时，有些学生说了领导许多不好的话；当让员工谈一谈自己的同事时，应试者对同事很挑剔，缺乏客观看待事情的品质。有的员工，在家里都是被照顾、被包容的珍宝，特别有一些家庭环境比较好或有家庭问题的人，由于有优越感或对周围的人缺少信任感，更不容易做到宽容待人和与人合作。实际上，集体中的每个人各有各的长处和缺点，关键是我们以怎样的态度去看待。能够在平常之中发现对方的美，而不是挑他的毛病，培养自己求同存异的素质，这一点对当代职场人士来说尤其重要。这就需要我们在日常生活中，培养良好的与人相处的心态，并在日常生活中运用。这不仅是培养团队精神的需要，而且也是获得人生快乐的重要方面。

第五、要培养自己的全局观念

团队精神不反对个性张扬，但个性必须与团队的行动一致，要有整体意识、全局观念，考虑团队的需要。它要求团队成员互相帮助，互相照顾，互相配合，为集体的目标而共同努力。曾经有这样两个大学生：他们共同承担一个项目，但其中有分工。其中一位在完成任务的过程中遇到了技术上的难题，此时他只会自己冥思苦想乱翻书，却不屑于向坐在旁边的高手请教一下。而这位高手此时不是把他当做是共荣共辱的合作伙伴，而是坐在旁边等着看笑话。这是我们应该吸取的教训。所以在工作期间，要有意识地培养全局观念。比如要建设一个优秀班组，就不能只考虑自己的需要而不关注别人的感受。要建设一个优秀部门，每个人就不能借口自己有这样那样的事情而不参与集体组织的活动，否则将会像一盘散沙，优秀集体难以形成，自己也很难从中受益。

对于一个集体、一个公司、甚至是一个国家，团队精神都是非常关键性的。微软公司在美国以特殊的团队精神著称。象Windows 2000这样产品的研发，微软公司有超过3000名开发工程师和测试人员参与，写出了5000万行代码。没有高度统一的团队精神，没有全部参与者的默契与分工合作，这项工程是根本不可能完成的。

相对来说，以前我在别的公司时也曾见到这样的现象。一项工程布置下来，大家明明知道无法完成，但都心照不宣，不告诉老板。因为反正也做不完，大家索性也不 努力去做事，却花更多的时间去算计怎么把这项工程的失败怪罪到别人身上去。就是这些人和这样的工作作风几乎把这家公司拖垮。

为了培养团队精神，我建议同学们在读书之余积极参加各种社会团体的工作。在与他人分工合作、分享成果、互助互惠的过程中，你们可以体会团队精神的重要性。

在学习过程中，你千万不要不愿意把好的思路、想法和结果与别人分享，担心别人走到你前面的想法是不健康的，也无助于你的成功。有一句谚语说，“你付出的越 多，你得到的越多”。试想，如果你的行为让人觉得“你的是我的，我的还是我的”，当你需要帮忙时，你认为别人会来帮助你吗？反之，如果你时常慷慨地帮助别 人，那你是不是会得到更多人的回报？

在团队之中，要勇于承认他人的贡献。如果借助了别人的智慧和成果，就应该声明。如果得到了他人的帮助，就应该表示感谢。这也是团队精神的基本体现。

希望帮到你 望采纳 谢谢 加油

七、教育数据意识的培养途径？

注重学生统计观念的培养

作为统计教学，最重要的目标就是培养学生的统计观念，老师应特别注重学生对于统计过程的经历。学习中学生并没有完整的经历统计的全过程，对于描述数据的方法也是不完整和不完善的，可以说学生本节课学习是完整认识统计过程的开始。所以在教学统计时就应该有意识地创设一个完整的现实的情景，引导学生在活动中不断地感受收集数据、整理数据、描述数据、分析数据的方法，使得他们在知识的拓展中不断地经历与完善，从而加深他们对统计数据的认识与理解。在分析数据的过程中，培养学生对统计数据的“钟爱”，因为用统计的数据说话才更有说服力，才能合理的解决问题。

二、注重学生能力的培养

平时上课时着眼点不仅仅局限于知识、方法，在培养学生统计观念的同时，注重了学习能力的拓展与提高。通常，教师可以问题驱动的方式，进行教学。在经历收集数据的过程中，学生感受到了“择优”的重要；在活动过程中，学生感受到了师生合作学习的愉快与重要；在分析数据，进行决策过程中，学生感受到了用事实的数据说话，科学的看待问题的重要。这些“重要”都是学生学习能力发展的源泉，它们将使学生的数学之路越走越宽。

三、注生学生学习习惯的培养

力求挖掘素材，理解教材并创造性地使用教材，力求在培养学生良好的学习习惯上有所体现。例如：在整理数据的环节，我提出：举手数数的办法，我们以前用过，还有没有其它想法？力求引领学生的创新思维，加深思考；在汇报数据的环节，我提出：老师的数据跟你们不一样，你们有什么好办法快速验证，逼着学生审视数据的真实性，关注数据的整体；在认识条形统计图的环节，没有直接传授统计图的每部分名称，而是直接呈现图，让学生在静静的观察中审视数据，审视图的每部分的名称和意思。培养了学生读图的习惯；在给统计图涂色的过程中，注重了涂色方法的指导，培养了学生认真细致的好习惯（数据分析培训）。这些都是培养学生良好学习习惯的开始，良好学习习惯的培养不是一蹴而就的，他需要每一节课的坚持与训练，学生在良好学习习惯的养成中，数学思维才能越来越灵活、越来越深刻。

四、注重创设问题情境

创设问题情境，训练学生用统计方法解决问题。力求以问题驱动的方式引领学生感受统计的必要性。课上我们以选择合适的活动场所作为情境创设，通过大家意见不统一这样一个“矛盾”，引领学生以现实问题“到底选择去哪里呢？”作为课堂研究的起始，从而展开研究活动。而且在活动过程中，不断地引导学生追求方法的合理性，追求数据结果的真实性，追求方案实施的可行性，一切的决定以数据作为依据，用数据来说话，用数据来帮助我们进行决策。在整个活动过程中力求使得学生感受到用统计的方法解决问题的重要价值以及必要性。整节课下来，用统计的方法思考问题、解决问题已经成为学生头脑中一种非常有价值的思考问题的方式。

五、注重审视数据

引领学生关注数据结果的真实性 寻找真实的数据。如果学生的数据结果一致，则提出疑问：老师的记录的结果和你们不一样，咱们谁的对呢？仍然让学生想办法来验证数据，寻找真实的数据。之所以这样设计，就是想借助这样的一个过程，帮助学生把目光从对个体数据的关注转移到对整体数据的关注上，与此同时训练学生对数据的结果进行审视与质疑的习惯。追求数据结果的真实性与合理性是统计的目标与追求，这样让学生想办法来验证数据，的活动过程无疑是在培养学生的统计观念。

六、注重学以致用

学会解决实际问题“统计与概率”的教学设计应该在学生经历了收集数据、整理数据后，有一个反思的过程，讨论这些数据除了能帮助我们解决刚才提到的问题以外，还能够帮助我们解决什么问题。例如，统计家里一个月的用电量，分析那种电器消耗电量最多，那种消耗是不必要的等等。农村的孩子可以简单统计今年家乡的生猪情况，分析今年生猪销售情况，农产品的产量及销售情况等。这样课内就得到了有效结合。总之，统计与学生的生活很紧密，我们的教学就是使学生产生对数据的亲切感，愿意去分析数据提取信息，遇到问题时愿意去收集数据来帮助解决问题，从而培养了学生对数据的分析观念。数据分析培训

八、曼大电气工程硕士回国就业前景？

很好

英国毕业生就业市场研究机构High Flier Research发布的2017最受顶级雇主青睐大学排名中，曼彻斯特大学位居全英第2名，连续多年稳居前3名。可以看到曼彻斯特大学的毕业生还是很受世界顶级雇主青睐的，并且94%的学生在毕业后直接进入到工作岗位或者继续学习深造

回国电气工程硕士可以去电力设计院、电力科学研究院这些单位一般都要求研究生以上的学历，主要从事设计电厂、变电站和线路、现场调试、测试、数据报告、研究等工作。

还有工程局、电力设备公司、电力公司等单位。也可考公或高校就职

九、北邮大数据专业培养方案？

旨在培养具有扎实的大数据基础理论、基本知识和技能，能够从事大数据分析、处理、服务等方面的工作，具备解决实际问题的能力。

方案包括大数据导论、数据挖掘、自然语言处理、机器学习、云计算与大数据处理等专业课程，以及数据采集与分析、大数据应用开发实习、数据可视化等实践项目。

此外，该专业还要求学生具备一定的数学基础和编程能力，具备良好的团队协作精神和沟通能力。

十、大培养皿需要多少培养基？

大培养皿（9cm）需要10ml培养基

6cm的培养皿需要5ml培养基。

不过具体也要看买的什么类型的。

培养皿材质基本上分为两类，主要为塑料和玻璃的，玻璃的可以用于植物材料、微生物培养和动物细胞的贴壁培养也可能用到。塑料的可能是聚乙烯材料的，有一次性的和多次使用的，适合实验室接种、划线、分离细菌的操作，可以用于植物材料的培养。