这个暑假，我与学院其他三位老师一起去到哈尔滨，进行了为期二十天的培训。在此次培训中，我参与了Python与数据分析师资培训课程的学习，并顺利结业，获得证书。通过本次学习，了解了大数据的先进理念、技术等，收获满满，主要学习体会汇报如下：

一、课程学习

Python作为大数据的基础语言，是学习大数据的先导课程，因为具备语言基础，Python的语法学起来很容易，难的是要转变编码习惯，Python与我之前学过的C、C++的编码规范有很大出入，举个例子：实现一个循环语句，C语言和Python都是用关键字for来实现，不同的是，C的编码规范是for后面带括号，括号里面写循环条件；而Python中，for空格后直接写循环条件，再以冒号结尾。在刚开始编写Python程序时，总是会不自主地用C语言地编码规范，不过经过多多练习，顺利转变编码习惯。学完语言之后，进入了机器学习阶段，我们主要学习了机器学习中的五大经典模型——线性回归、逻辑回归、决策树、朴素贝叶斯以及支持向量机。这五大模型主要用于训练数据以及预测分析，本次学习中，我们以泰坦尼克数据为例，分别用五大模型对数据进行预处理、建模和预测，最后通过对模型进行优化，使得预测准确率达到80%以上。

二、教学方法的学习

作为一个刚刚毕业的萌新教师，仍然是以一个学生的心态在培训学习。对比其他老师，我还有很多需要学习的地方。对于语言的学习，大量的练习是必不可少的，但不管程序的多少，难易程序，注释都是不能省略的，我们编写的程序不仅自己要看，更要给学生看。带有注释的代码，既能方便学生们理解代码，也能给学生们做个很好的榜样，培养学生的代码素养。第二，资源归纳存档，保存老师上课讲的PPT是最基础的；上课过程中做好笔记，课后把课程内容和学习笔记整理归纳成电子文档保存；还有做过的实验，写好实验手册保存，这些都是以后自己上课时的宝贵资源。第三，项目式教学法，将课程的理论融入到项目中更便于理解，也能更快的掌握。在这次培训中，老师上午讲解理论知识，下午带领我们做实验，上午学习中有任何不理解的，在实验过程中，通过请教老师或者与其他老师讨论，总是能很快攻克难点。

三、关于专业建设

1、大数据专业定位

这是培训方对于大数据专业方向建设给出的建议图，其中，数据采集和数据清洗可以合并，一般公司也是将这俩个作为一个岗位；大数据运维工程师不大涉及编码，工资相对来说也是最低的；而大数据实时计算和可视化比其他方向的专业技能要求都高。

2、专业建设建议

第一点，明确专业定位，结合学院现有资源以及相关合作企业，打造特色专业；第二点，企业经验的置入，在日常教学中，贯穿就业经验、面试技巧、就业以后提升的注意事项，让学生入校即入职，能把自己看作企业员工。第三点，项目式教学，课程之间不是独立的，每个课程都是完成项目的模块，所有课程学完，你的全套项目也完成了。

在以后的工作中我也会把学到的理念和技能贯穿于自己的教学之中！