清华大学大数据研究中心招募《大数据实践课》合作企业,共筑人才培养新生态

清华大学大数据研究中心招募《大数据实践课》合作企业,提供真实项目,培养大数据人才,解决企业痛点,共建产学研用生态。

原文标题:2025年清华大学大数据研究中心 | 招募夏季学期《大数据实践课》合作项目

原文作者:数据派THU

冷月清谈:

清华大学大数据研究中心面向各界企业招募2025年夏季学期《大数据实践课》合作项目。该课程旨在培养具有大视野、数据思维和专业技能的“π”型复合人才,通过企业提供真实的实践项目,让学生在校内外导师的指导下,分组完成数智安全管控、大数据系统、大数据分析和大数据应用等类型的项目任务。企业参与该项目,不仅可以与清华师生共同解决实际需求,储备大数据人才,还能获得深度合作机会,提升品牌形象。合作企业需提供项目需求、数据样本,并指导学生完成项目,最终将有机会获得“优秀企业导师证书”及清华大学研究生实践基地优先权。项目征集截止日期为4月11日。

怜星夜思:

1、如果你的公司有机会参与清华大学的大数据实践课项目,你会建议提供哪种类型的项目?为什么?
2、文中提到“π”型复合人才,你认为大数据领域需要哪些方面的“π”型技能?除了文中的理、工、文、商、医,还有哪些学科可以跨界融合?
3、如果你是一名清华大学的学生,参与这个实践课,你最希望从企业那里获得什么样的指导和支持?

原文内容


一、大数据研究中心简介


清华大学大数据研究中心于2018年9月成立,是清华大学建设世界一流大学、鼓励大数据领域学科交叉的重要举措,是深入推进科研体制机制改革的重要里程碑。大数据研究中心发挥清华大学多学科的优势,面向全球数字经济转型的迫切需求,服务国家大数据发展战略,聚焦信息科技前沿,促进数据科学理论、大数据技术与大数据领域应用等多个层次的深度交叉与融合发展,建设国际数据科学与大数据技术创新研究平台,突破大数据系统软件性能瓶颈,研究自主可控的领先关键技术,形成产学研用闭环的国家大数据系统软件创新平台,力争为跨学科尖端人才的培养及数据科学技术的进步做出贡献。


依托院系:软件学院

共建院系:化工系、能动系、电机系、计算机系、车辆与运载学院、经管学院、社科学院、卫健学院、医学院、环境学院、北京信息科学与技术国家研究中心等


二、《大数据实践课》简介


2015年12月,为培养具有大视野、数据思维和专业技能的“π”型复合人才,在“学校统筹,问题引导,社科突破,商科优势,工科整合,业界联盟”指导原则下,清华大学研究生院宣布推出多学科交叉培养的“大数据能力提升项目”。项目依托软件学院,面向全校在学研究生开放选课,是清华大学能力提升项目中,覆盖面最广、生源最多的项目之一。截至2025年3月统计,来自全校45个院系的3502名同学及北京市属高校10名同学报名参与项目学习,其中697人获得“大数据能力提升项目证书”。


《大数据实践课》是大数据能力提升项目必修培养环节。在整个培养过程中以企业实际项目需求为驱动,锻炼学生和真实用户之间的交流能力、需求获取能力、团队合作能力,实现学生自身综合能力、科研能力及求职就业竞争力的提高。


三、实践方式


在实践教学过程中,来自全校理、工、文、商、医不同学科专业背景的学生分为A、B两类,A类主要是面向商科、人文社科等非信息类专业背景学生,B类主要面向计算机、软件、自动化等信息类专业背景学生。A、B类同学自由组队,分工明确,以数据驱动的“真问题,真数据”,在校内外双导师的共同指导下,在企业全时八周完成大数据实践项目任务。


欢迎企业提供以下四种类型之一的实践项目:


1.数智安全管控(偏安全管控)


围绕个人信息、数据、人工智能相关业务、技术及应用的实践项目。包括但不限于安全风险分析、安全合规建议、安全实践指引、安全措施应对、安全体系建立、安全标准研究制定、安全技术研发等。理论联系实际,产学研用结合,解决实际问题。


2.大数据系统(偏系统架构)


提出一个关于大数据分析系统的需求,并描述例如应用场景、数据量、已有数据的存在形式、企业现有业务流程、期望的流程等详细内容。偏向系统,数据量大(百万,GB级优先),项目过程中无需学生标注数据,不建议纯图片类型数据。


3.大数据分析(偏数据分析)


提出真实的数据分析需求,给出真实的数据集,让学生实现一个真实的分析系统及算法,以满足企业的需求。


4.大数据应用(偏综合应用)


结合大数据应用,给出真实的数据集,让学生实现一个真实的大数据交叉应用项目,以满足企业的需求。


四、企业预期收获


1. 参与清华大学大数据能力提升项目人才培养;

2. 联合清华师生共同解决企业实际需求;

3. 满足对清华大数据人才储备需求;

4. 获得与清华大数据领域老师深度合作的机会;

5. 提升企业品牌形象;

6. 优秀团队导师,获得“优秀企业导师证书”;

7. 获得申请清华大学研究生实践基地优先权。


五、往届合作企业


《大数据实践课》自启动以来,从社会各界共征集实践项目300余项,包括来自发改委、卫健委、中车四方、中国中铁、美团点评、中国石化建设有限公司、江苏省环保集团等国内外百余家企业,涉及工业大数据、医疗大数据、金融大数据、交通大数据、电力大数据等27个主要应用领域。评选优秀实践项目60余项,优秀企业导师80位。帮助企业解决行业真实痛点,实践效果获得企业广泛认可。

图片 

往届合作企业(部分)


六、申请要求及流程


企业需在规定时间内提交申请材料,在夏季学期开学前通过评审的企业统一面向学生宣讲,学生选择项目并组队后到企业实践。同时,需企业提供以下配合及指导内容:


1.提供实际项目需求及该项目的【数据样本或数据测试集】,指派企业导师,提交【信息收集表】内容;

2.根据项目实际需求,指导学生完成行业和市场分析等背景调研,指导学生确立项目的系统架构设计、数据处理与分析方法的选择及应用,并进行系统和算法性能评估;

3.参与项目的中期和期末答辩,对学生小组的项目成果进行评价;

4.提供其他与项目所需的数据、资料等,并提供力所能及的支持;

5.具体时间安排如下:


注:项目实践时间以学校通知为准。


企业导师扫描下方二维码或电脑填写链接https://f.kdocs.cn/g/mOfcsb2t/ 提交申请信息。



项目征集截止日期为4月11日。(如数据样例内存较大可将样本提交至:[email protected],邮件主题:“企业名称-《大数据实践课》实践项目(2025)”。)项目经遴选评审后,录用项目采用确认邮件通知。欢迎各界企业报名垂询


联系人:高老师

咨询电话:010-62773971

咨询邮箱:[email protected]



关于我们

数据派THU作为数据科学类公众号,背靠清华大学大数据研究中心,分享前沿数据科学与大数据技术创新研究动态、持续传播数据科学知识,努力建设数据人才聚集平台、打造中国大数据最强集团军。




新浪微博:@数据派THU

微信视频号:数据派THU

今日头条:数据派THU


我可能会建议提供一个偏向“大数据分析”的项目,因为这种类型的项目能够让学生充分利用真实数据进行算法设计和系统开发,直接解决企业的实际问题。而且,通过观察学生的解决方案,我们可以更好地评估他们的分析能力和创新思维。

作为学生,我最希望从企业导师那里获得的是实践经验和行业洞见。理论知识在学校已经学了不少,但如何将这些知识应用到实际项目中,解决真实的业务问题,还需要企业导师的指导。此外,我还希望企业导师能够分享行业发展趋势、技术挑战等,帮助我更好地规划职业发展。

我理解的“π”型人才,就是要打破学科壁垒,啥都会一点。大数据领域需要的技能,左边一竖是技术深度,至少得精通数据挖掘、机器学习、数据库这些核心技术吧;右边一竖是业务广度,得懂金融、医疗、营销等等,能把数据分析和实际应用结合起来;中间那一横,就是沟通能力和团队合作能力,能跟不同背景的人一起工作。说白了,就是要成为一个“全栈工程师”+“领域专家”的结合体!

考虑到我们公司在数据安全方面的需求日益增长,我倾向于选择“数智安全管控”类型的项目。这不仅能够帮助我们评估潜在的安全风险,获取专业的安全建议,还能与清华大学的学生共同探索安全技术的研发,为未来的安全体系建设打下基础。当然,前提是脱敏做得足够好,不能泄露任何敏感信息。

来点实在的!最好能直接接触到企业的核心业务,参与到实际的决策过程中。如果能有机会在企业实习,深入了解企业的运作模式,那就更好了!当然,如果项目做的好,能拿到企业的offer,那就直接起飞啦!

咱就是说,得看公司自身情况吧!如果公司技术实力雄厚,想挑战一下大数据系统的性能瓶颈,那肯定选“大数据系统”;如果想让学生帮忙做一些数据挖掘和业务流程优化,那就选“大数据分析”或者“大数据应用”。关键是项目需求要明确,数据要真实,不能让学生搞成空中楼阁。

希望企业能提供真实、高质量的数据集,以及明确的项目目标。如果数据是脱敏的、模拟的,或者项目需求不明确,那实践效果就大打折扣了。另外,希望企业导师能积极参与项目,定期与我们交流,解答疑问,提供技术支持。最怕的就是导师放养,让我们自生自灭。

“π”型人才,不就是通才嘛!我觉得大数据领域最缺的就是既懂技术又懂业务,还能忽悠(划掉)沟通的人。除了文中提到的,我觉得艺术设计、传播学也很有潜力。比如,用数据可视化讲故事,用大数据分析用户行为,优化传播效果,想想就很有意思。

“π”型人才的关键在于既要有深度,又要有广度。在大数据领域,我认为“π”型技能应该包括:1. 扎实的数据科学理论基础;2. 熟练的大数据技术应用能力;3. 对业务场景的深刻理解。除了文中的学科,我认为法学、社会学等学科也可以与大数据融合,例如利用大数据进行舆情分析、法律文本挖掘等。