“产教融合、校企合作”模式下大数据专业《互联网金融系统概论》课程的建设与探索

【摘要】随着大数据和人工智能的发展，目前越来越多的学校开设了大数据专业。本文探索了“产教融合、校企合作”模式下针对大数据专业开设的《互联网金融系统概论》课程进行建设，从建设目标、建设内容和实施计划三个方面进行阐述。通过本课程的学习使学生能够了解到之前学习的技术、算法、工具如何应用在具体的金融案例中，将基于大数据平台的开发语言和开发工具与实际应用相结合，开展基于大数据的金融数据分析和挖掘。

【关键词】产教融合；大数据专业；金融数据挖掘；大数据案例

一、建设目标

本文主要针对计算机学院大数据专业开设的《互联网金融系统概论》课程进行校企合作共建。本课程是为计算机科学与技术专业中高年级（大三）学生开设的专业选修课，课程是在学生已经学习了《Python程序设计语言》、《数据分析与挖掘技术》、《大数据技术及应用》课程之后，针对性的开出的大数据案例课程，侧重于使用Python进行金融数据分析，结合Python的各个模块以及金融领域中的期权价格、金融图形绘制、时间序列、期权定价模型等内容，使用大量精选的实际案例对Python进行科学、准确和全面的介绍，深度揭示了Python在金融行业中的应用技巧。该课程内容丰富，理论严谨，实用性强，注重工程能力的培养，是一门涉及学科较多且发展很快的课程。通过本课程学习，学生能够了解到之前学习的技术、算法、工具如何应用在具体的金融案例中，将基于大数据平台的开发语言和开发工具与实际应用相结合，开展基于大数据架构的数据分析和挖掘。本课程具体目标如下：

课程目标——知识：了解互联网金融的基本原理，掌握互联网金融的定义、发展概况及模式等。理解金融互联网与互联网金融、量化投资等。

课程目标——能力：掌握金融数据分析的基本算法、原理、实现方法，并能基于大数据平台进行算法的实现。使学生具备良好的实践动手能力和解决问题的能力，为今后的工程实践打下良好基础。

课程目标——素养：培养学生良好的学习态度、专业责任感和职业道德，具有综合运用大数据平台、对金融大数据分析的能力，包括其对社会、健康、安全、法律以及文化的影响，并理解开发和数据分析工程师应承担的责任。

二、建设内容

《互联网金融系统概论》课程涉及当前大数据和互联网金融主流技术，该课程由校内教师和企业教师组成课程团队，依托学院已经建立的大数据技术与分析实验室，开展课程建设和课程教学。并且该课程的内容在技术更新过程中，不断扩充和更新，理论不断丰富和深化，方法不断完善和发展，促进课程和教学的持续建设和改革。

教师队伍：培养一批教学能力强、学习能力强的教学团队，能够不断学习新知识新技术。目前，校内教学团队共有5人，其中教授1名，副教授1名，讲师2名，实验员1名。

教学内容：该课程教学内容主要涵盖三方面内容：（1）互联网金融的基本原理，掌握互联网金融的定义、发展概况及模式等。理解金融互联网与互联网金融、量化投资等。（2）数据挖掘与分析算法知识，该模块在数据挖掘基础课程学习的基础上，进一步学习金融数据分析和挖掘的算法，提高学生分析金融数据的能力。（3）基于大数据平台的金融数据分析应用，在学习大数据技术、开发语言和数据分析算法的基础上，使学生掌握综合应用的能力。

教学方法：以案例为驱动，与生产活动对接，加强校企合作，校企联合授课，强化实践实战，体现应用型人才培养的定位，彰显“本科水平，技术特长”特色。

（1）以实际案例为导入，引导寻求技术解决方案。

（2） 教学过程与生产过程对接，校企教育相结合，扎实做好教学过程的“宽、实、新、用”4字要求。

（3）强化实践教学，以实验室实训推动实践教学改革。依托建设的大数据分析实验室，为学生提供便捷的实践平台，提高实践动手能力和解决问题能力。

（4）校企联合授课，共享优势资源。

教学管理：加强教学过程的监督和管理，树立“以人为本”的教学理念，尊重学生的主体学习地位，充分发挥学生的主动性、创造性，培养学生的创新精神。同时，尊重教师的教学核心地位，充分发挥教师特长和优势，达到教学和谐统一。

三、实施计划

本课程是基于2016级最早加入的大数据课程《大数据分析在互联网金融领域中的应用》基础上进行设计的，已经设计了完整的教学内容规划和课程体系。2019-2020（2）学期已经按照校企合作课程的要求进行了两个班级（课程序号：1956190和1956191）的授课，并完成校企合作课程总结报告1份。授课具体情况如下：

本课程基于学院的“大数据实验室”开展教学和实践活动。课程将由学校教师和企业教师共同授课，授课按照“优势互补，各取所长”的原则分工。由企业教师讲授具体的金融案例，由校内教师讲授算法实现等相关内容。

（1）教学内容规划与完整课程体系建立。

课程教学内容的确定，并不是有单个教师确定的，而是由本项目的教学团队，经过前期的企业和社会调研，逐步形成课程内容规划和课程体系建设。本专业人才培养方案的目标是培养具有大数据分析能力的专业人才，因此，整个大数据课程，从内容规划上包含五大模块：开发环境语言学习模块、数据分析与挖掘模块、大数据技术基础模块、基于大数据的据分析与挖掘模块、大数据应用案例分析模块。从培养方案的课程体系上，将分为2～3门课程。

本课程是在2016级最早加入的大数据课程《大数据分析在互联网金融领域中的应用》基础上进行设计的，以专业选修课的方式让学生了解案例分析相关知识。前期课程开设了《Python程序设计语言》、《数据分析与挖掘技术》，同时本学期一起开设的相关课程还有《大数据技术及应用》，《数据挖掘基础》课程主要讲授开发环境语言学习模块、数据分析与挖掘模块内容；而《大数据技术及应用》课程主要讲授大数据技术基础、基于大数据的据分析与挖掘两大模块的内容。

（2）理论教学与实践教学相结合。

大数据实验室的建设可以很好地解决课程实验环境的问题，理论与实践授课统一安排在专业实验室。同学们可以随时随地轻松访问大数据实验平台，针对每次课教师的讲解，及时动手操作。同时授课视频可以随时播放，遇到不会的内容及时翻看视频找到自己不清楚的知识点进行巩固。

（3）结合实际案例应用的考核方式。

本课程考试不采用传统的笔试或统一题目上机考试，而是采用近些年数据分析与挖掘金融类数据的具体项目作为素材，要求学生采用课程所学习的大数据平台及开发语言完成相关题目。该方式具有以下优点：①题目灵活多样，学生可以自主选择感兴趣的题目；②题目素材完整，有数据，有需求，学生可充分利用已有资源学习和实践；③题目结合实际应用，培养学生分析问题和解决问题的能力。

四、结语

课程建设使学生对金融数据挖掘的流程及其应用有了更深地理解，近几年越来越多的学生在毕业设计的题目或方向上，开始向“金融数据分析与挖掘建模”方面靠拢，对大数据时代的数据分析师和算法工程师的工作内容进一步的了解和认知。通过课程的学习，学生主动愿意参与实际项目或比赛竞赛类活动。课程期间组织多队学生参加各类数据挖掘竞赛及大数据竞赛，多数学生表示通过培训、查找资料等，学习了很多知识。

当然课程的建设过程中也发现了很多问题目前存在的问题和困难：

①企业优秀师资的重要性。一个优秀的企业教师，可以很好地把企业实际项目化简为繁的讲解给学生，使学生真正接触项目过程并能够简化地实现，让学生更有动力和成就感。然而，实际中优秀的师资还是比较稀缺的，而且也要看重视程度，毕竟上好课还是需要投入很多思考和精力的。

②校企深度合作的连续性。若企业愿意投入师资长期合作、固定师资，肯定会有更好地效果，但企业本身人员就有很大流动性，同时企业教师也需要跟进一线项目，才能更好地了解当前技术与当前项目。所以，这也是一个矛盾的问题。

【参考文献】

[1] 李晓丹，张晴，刘云翔，原鑫鑫.基于OBE的大数据课程教学改革探索. 电脑知识与技术，2022.

[2] 吴明念.基于应用型本科院校的大数据实验室建设探究. 电脑知识与技术，2015.

[3] 王彤. "产教融合、校企合作"模式下高职大数据技术与应用专业课程体系探索与实践[J]. 人文之友，2020.

[4] 卿琳.产教融合与校企合作在计算机应用技术专业协同人才培养模式创新中的实践[J].现代职业教育，2020.

[5] 付靖，王洪珂， 廖文诗，等.校企合作模式下大数据专业建设的探索与实践——以重庆科技学院为例[J].科技视界， 2018.

[6] 付靖，李庆玉，王晓峰.应用型本科院校大数据专业人才培养模式的改革与实践——以重庆科技学院为例[J].福建质量管理， 2018.

校重点课程项目：互联网金融系统概论（编号：3311XQ201013-A22）；

上海市高校实验技术队伍建设项目：基于深度学习理论的互联网金融综合应用案例建设项目研究（编号：10110N220017-A07）

【作者简介】

原鑫鑫（1987.2～）女，汉，山西孝义人，讲师，硕士，方向：大数据分析处理。