微软研发经理邹欣谈IT教育:推荐《我是一只IT小小鸟》

本文提出IT教育应更加注重实践,如真实项目开发与跨学科合作,同时强调培养学生的创新能力,即使面临失败也要勇于尝试。

(本文是《我是一只IT小小鸟》推荐序一。点击购买

《我是一只IT小小鸟》

从2006年开始,我在微软亚洲研究院参与了实习生培训、新员工招聘与培训等工作;也走访了十多所大学的计算机系和软件学院,还在几个学校讲授《软件工程》这门课。在此期间,有幸结识了不少有想法的大学生朋友。他们中的一些人,就是这本书的作者。

中国的高等教育体系中,大约有10%的学生在学习与IT相关的专业(计算机科学、软件、MIS等)。这些学生在接受了4~6年左右的教育之后,对这个教育系统有些什么反馈呢?IT教育迫切要改变的做法是什么?根据我个人的经验和同学们的反馈,下面是一些建议:

和实践结合。软件教育离不开实践,不要太强调闭卷考试,老师一定要让学生实践、实习。
1.做真实的项目和幻想的项目是有很大区别的;
2.自己从头写程序和维护正在使用中的代码是有很大区别的。

没有真实的需求,没有软件的增量开发,没有真实的团队合作,程序设计和软件工程中的大部分理论都沦为空谈。遗憾的是,很多学生就这样以空对空,也混毕业了。

和各种学科的结合。现在专业分得太细,一个专业清一色背景的学生在一起,和其他年级、其他专业的同学有交流么?没有!
1.希望计算机科学教育能把别的学科的知识联系起来,比如,和工业设计、用户体验设计、艺术设计、自动控制,甚至心理学、商学联系起来;
2.希望把计算机有趣的发展历史放进来,讲讲图灵,讲讲冯•诺依曼,讲讲各种语言的源头和流派分支,讲讲IT企业有趣的真实故事等等。培养学生对这个行业的兴趣、热情和敏感度。提倡互动,介绍同学上相关的论坛、网站,开拓视野。

如何教创新?在学校里听领导的报告,会听到很多次和“创新”相关的词汇。你会觉得这个学校的领导的确非常想创新。但是另一方面,我听到一些同学反映教材、教案、教学方法都是几年甚至十多年不变的老一套,和实际脱节得厉害。

怎么教创新?除了让学生打下坚实的专业基础之外,学校可以做的一件事就是——
允许学生试验,失败,再试验,再失败。

创新不是公式推导,不是一旦学好例题,就能模仿炮制的解题方法,要给同学们试验和失败的机会。有人问,学生失败了,上课怎么给分呢?我说,如果同学们能够认真总结经验教训。同样也可以得到比较好的分数。经验教训能帮助他们更好地创新。我的《软件工程》课程的评分标准大致是:
1.有创新的想法,并成功实现:优。
2.有创新的想法,失败了,能认真总结:优。
3.无创新的想法,最多只能得:良好。

当学校和老师鼓励同学们没有后顾之忧地去创新、去失败的时候,很多同学的动力、热情会大大增加,从“要我学”、“要我做”变成“我要学”、“我要做”。无论创新成败与否,同学们都会收获良多。

作为一个“业界人士”,我讲了这么多意见和建议,其实很多老师、学校领导也早就意识到了这些和其他许多问题。提意见总是容易的,难的是尽自己的能力改变现实。这本书里的很多主人公并没有停留在提意见或埋怨,而是自己行动起来,改变现状。作为一个“客座讲师”,我正在课程中实践我上面提到的想法,有学生喜欢,也有学生不爽——因为课不好混了。

书中的许多故事常常让我幻想——如果我们的教育系统能多帮助他们一下,也许会有更多的学生能少走弯路,成为IT业快乐的小小鸟,甚至大鹏鸟!

希望更多学生、老师在看到这本书之后,能一起动手,让梦想早日成为现实。(欢迎来微软亚洲研究院实习、创新

邹欣
研发经理 | 微软亚洲研究院技术创新中心
2009年8月于北京

欢迎转载,转载请注明——
本文出自电子工业出版社博文视点(武汉)新书《我是一只IT小小鸟》。

http://www.china-pub.com/196000
http://www.douban.com/subject/4006425/

基于径向基函数神经网络RBFNN的自适应滑模控制学习(Matlab代码实现)内容概要:本文介绍了基于径向基函数神经网络(RBFNN)的自适应滑模控制方法,并提供了相应的Matlab代码实现。该方法结合了RBF神经网络的非线性逼近能力和滑模控制的强鲁棒性,用于解决复杂系统的控制问题,尤其适用于存在不确定性和外部干扰的动态系统。文中详细阐述了控制算法的设计思路、RBFNN的结构与权重更新机制、滑模面的构建以及自适应律的推导过程,并通过Matlab仿真验证了所提方法的有效性和稳定性。此外,文档还列举了大量相关的科研方向和技术应用,涵盖智能优化算法、机器学习、电力系统、路径规划等多个领域,展示了该技术的广泛应用前景。; 适合人群:具备一定自动控制理论基础和Matlab编程能力的研究生、科研人员及工程技术人员,特别是从事智能控制、非线性系统控制及相关领域的研究人员; 使用场景及目标:①学习和掌握RBF神经网络与滑模控制相结合的自适应控制策略设计方法;②应用于电机控制、机器人轨迹跟踪、电力电子系统等存在模型不确定性或外界扰动的实际控制系统中,提升控制精度与鲁棒性; 阅读建议:建议读者结合提供的Matlab代码进行仿真实践,深入理解算法实现细节,同时可参考文中提及的相关技术方向拓展研究思路,注重理论分析与仿真验证相结合。
评论 10
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值