促进研究生思维训练的课堂生态培育探索

根据当前研究生课堂参与度不高以及对学生思维训练缺乏针对性的现状,分析课堂生态培育不足是导致上述问题的根源,提出研究生狭义课堂生态培育的教改方法,从学生、教师和环境3个层次构建课堂生态培育方案,以大数据科学与技术课程的课堂教学为例,阐述如何引导学生在课堂探究中培养批判性思维模式,改革创新研究生教育内容、方法和评估体系。

应用型大学软件工程专业课程思政教改探索

针对当前应用型大学软件工程专业课程思政教改方案缺乏规范性和系统性的问题,围绕课程思政与专业课深度融合的目标,从专业全局角度提出课程思政教改思路,从教学内容融合、课堂教学生态培育和教改路径规划3方面介绍课程思政教学改革设计,最后给出课程思政教改反思并提出展望。

面向应用型大学的软件过程管理课程教学探索

随着信息社会进步与软件产业发展,软件企业提升了对职业开发和测试人员过程管理能力的需求。为探讨应用型高校软件工程本科教学如何适应软件企业对人才的需求,培养面向企业实践的应用型人才,以个体开发者、小型开发团队与多团队协同的组织逻辑为线索,面向企业应用设计软件过程管理的理论与实践教学内容,建设以人才需求为导向的软件过程管理课程。首先,将软件过程管理模型划分为传统、现代企业应用,设置核心、扩展教学内容,实现传统过程管理方法与企业实践的密切结合。然后,在实施扩展教学内容时采用面向个性化教育的弹性教学方案,解决课时紧张、职业规划目标多样化的问题。实际教学表明,所提教学设计方案能有效促进软件工程本科生培养与工业界的衔接,缩短高校教育与软件企业人才需求的差距,提高本科生的软件过程管理能力,为面向应用型大学的软件过程管理课程教学提供了新的方法。

应用型本科院校软件测试和质量保证课程个性化教学

针对应用型高校的技术人才培养如何快速完成企业—高校实践对接的教学问题,提出融合OBE的分层育人个性化教育理念,构建个性化教育体系框架,以软件测试和质量保证课程为例,从教学目标、教学内容、教学方法和教学评价几个方面介绍个性化教学实践,最后说明教学效果。

面向大数据复杂应用的虚拟集群动态部署模型

针对计算负载的时变性和复杂性导致虚拟集群的资源利用率不高的问题,为提高虚拟集群资源的全局利用率,采用弹性资源管理策略来吸收多种计算模式混杂时的资源需求突变。在Docker容器技术的支持下提出一个根据作业需求变化的动态部署模型。该模型根据资源的动态需求变化,实时调整虚拟集群的计算形态,具体包括计算节点的类型及规模。该模型不仅实现用户作业执行环境的动态定制,而且达到错峰计算的目的。仿真实验表明,该模型使得虚拟节点CPU利用率提升5. 3%,并且优化了计算作业的执行效率。该动态部署模型适合应用到数据中心或大规模集群中,能够有效提高计算资源的利用率。

面向大数据复杂应用的GPU协同计算模型

大数据计算中存在流计算、内存计算、批计算和图计算等不同模式,各种计算模式有不同的访存、通信和资源利用等特征。GPU异构集群在大数据分析处理中得到广泛应用,然而缺少研究GPU异构集群在大数据分析中的计算模型。多核CPU与GPU协同计算时不仅增加了计算资源的密度,而且提高节点间和节点内的通信复杂度。为了从理论上研究GPU与多核CPU协同计算问题,面向多种计算模式建立一个多阶段的协同计算模型(p-DCOT)。p-DCOT以BSP大同步并行模型为核心,将协同计算过程分成数据层、计算层和通信层三个层次,并且延用DOT模型的矩阵来形式化描述计算和通信行为。通过扩展p-DOT模型描述节点内和节点间的协同计算行为,细化了负载均衡的参数并证明时间成本函数,最后用典型计算作业验证模型及参数分析的有效性。该协同计算模型可成为揭示大数据分析处理中协同计算行为的工具。