PROMPT:软件开发者的终身学习

PROMPT – 面向专业软件开发者的硕士课程

1. 引言

一个旧的大学学位就能提供整个职业生涯所需全部知识的时代已经过去。如今,终身学习对于雇主和雇员都至关重要。PROMPT项目是由瑞典知识基金会资助的一项倡议[2] ,旨在向专业软件开发人员和工程师提供最先进的软件工程知识,以增强瑞典工业界在全球市场上的竞争力。该项目始于2015年,将于2020年结束,并计划届时将PROMPT课程纳入参与高校的常规教学大纲中。

PROMPT项目由瑞典马尔达伦大学的嵌入式系统研究方向牵头,并与布来金厄理工学院、查尔姆斯理工大学、哥德堡大学、马尔达伦大学以及瑞典计算机科学研究院合作开展课程。

2. PROMPT理念

2.1 概述

20多门不同的PROMPT课程均属于硕士级别,这意味着PROMPT学员需要具备理学学士或同等学位才能符合课程申请资格,尽管通过其他途径获得的相应资质也可经过验证予以认可。这些课程涵盖介于2.5到7.5个大学学分之间,可以按任意顺序修读。所有课程均以英语授课。

由于这些课程包含在瑞典大学招生系统中,因此欧盟(EU)、欧洲经济区(EEA)和瑞士的所有公民均可免费参加。

2.2 课程开发

每门PROMPT课程都是在与瑞典工业界和行业协会(例如ABB公司、爱立信、萨博、瑞典软件协会和沃尔沃集团)密切合作下开发的。每门课程均由负责的教师/研究人员与至少五名行业代表共同参与,对现有的硕士级别课程进行升级,或开发出适合具有多年工作经验的专业软件开发人员和工程师的新课程。课程开发工作为教师/研究人员提供了来自工业界的宝贵输入,这些信息可用于他们的研究以及面向年轻学生的普通校园课程。

2.3 课程实施

所有PROMPT课程均面向全球范围内的全职工作者设计。这意味着所有的讲座、作业和考试均为在线形式,PROMPT学员可以在任何时间、任何地点观看讲座、完成作业或参加考试。部分课程还提供可选的校园日。课程材料采用“通勤友好型”格式,以短时课程为主,使学员能够在公交车或火车上学习PROMPT课程。

PROMPT教师可通过电子邮件、聊天、电话或其他通信方式与学生进行互动。考核主要通过个人或小组作业完成,且在多门课程中,学生可以将工作环境中的问题或案例带入课程。

通过PROMPT课程的学生将获得硕士级别的大学学分,即这些课程可计入获得硕士学位的学分要求。

3. PROMPT课程

3.1 软件开发主题

PROMPT课程涵盖了与软件开发和软件生命周期相关的不同领域。这包括以下领域:

  • 软件密集型系统的开发过程与方法(6门课程)
  • 软件测试(6门课程)
  • 可靠软件(4门课程)
  • 架构与设计(2门课程)
  • 大数据(2门课程)

3.2 PROMPT课程

有超过20个不同的PROMPT课程,涵盖各种软件工程主题。每个 PROMPT课程通常每年开设一次。与校园课程不同,学生可以在课程开始前甚至开始后申请PROMPT课程。

不同的PROMPT课程由布来金厄理工学院、哥德堡大学或马尔达伦大学提供。所有课程的详细信息均可在项目网站www.promptedu.se上找到,该网站还提供了有关录取程序的信息。

PROMPT课程 学分
自适应精益软件测试 7.5
高级软件架构 7.5
软件密集型产品的敏捷与精益开发产品 7.5
应用云计算与大数据 7.5
应用网络安全 5.0
行为软件工程 5.0
持续需求工程与产品管理 7.5
可靠且容错嵌入式系统设计系统 7.5
分布式开发与外包 2.5
基于证据的流程变革与改进 7.5
工业软件开发 7.5
大规模软件测试 2.5
大数据机器学习 7.5
基于模型的开发:理论与实践 7.5
质量保证——通过形式化验证捕捉缺陷 7.5
质量保证 – 安全关键的认证 (软件)系统 7.5
质量保证 – 基于模型的测试在实践中的应用 2.5
质量保证 – 回归测试和故障预测 2.5
质量保证 – 软件的应用科学测试 7.5
安全关键软件 6.0
科学、研究方法和科学论文,重点在计算机科学 7.5
可用性和用户体验 7.5

4. PROMPT结论

4.1 PROMPT与终身学习

终身学习对个人和工业界都变得至关重要。这一趋势得到了欧盟、各国政府、行业协会、工会及其他利益相关者的积极支持。目前发展最快的领域之一是软件,其推动力包括自动化程度的提高以及人工智能和大数据的快速引入。在自动驾驶汽车和物联网应用的开发中,对可靠且安全的软件的需求显而易见。因此,PROMPT项目的推出时机非常恰当,这一点从学生人数的迅速增长中可见一斑。

4.2 PROMPT统计信息

PROMPT课程的开发始于2015年,大多数课程在2017年完成并正式开设。在2017年秋季学期,平均每门课程有23.5名学生。

PROMPT学员的平均年龄为39岁,其中17%为女性。根据瑞典统计局[3]的数据,瑞典软件开发者的平均年龄为41岁,其中20%为女性,这表明PROMPT学员在很大程度上代表了该项目所面向的专业软件开发者群体。

2017年秋季的大多数PROMPT学员居住在瑞典,但也有学员居住在德国、希腊、挪威、英国和美国。

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练与分类,实现对不同类型扰动的自动识别与准确区分。该方法充分发挥DWT在信号去噪与特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度与鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测与分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性与效率,为后续的电能治理与设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程与特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
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