ZD至顶网软件频道消息: 还记得那句曾经流传大江南北的台词吗?“21世纪什么最贵?人才!”
在当前的时代背景下,中国正在全面推进“中国制造2025”战略,各行各业处于全面的产业结构调整、向智能制造转型的重要时刻。如何利用先进的IT解决方案实现这一转型非常关键,而培养专业的IT软件人才则是实现智能化飞跃的首要战略。
近日,行业云应用软件公司Infor宣布, 成都东软学院正式加盟Infor公司教育联盟项目,成为该项目在亚太地区的首个合作机构。根据联盟协议,双方将针对中国IT行业人才短缺的问题,通过在成都东软学院开设一系列ERP课程,应用 Infor LN作为教学工具,与学院教师联合开发教材,联合开发试题库等方式,共同培养面向未来的应用型IT人才,支持中国科技的发展。
Infor启动成都东软学院教育联盟项目
据悉,Infor教育联盟项目(Education Alliance Program, EAP)通过提供创新、行业专属的技术,为研究和教育机构提供教学支持,针对市场特点和需求培养应用型技术人才,支持本地IT行业和人才的发展。
Infor公司教育联盟高级总监Martine Cadet将该项目比喻成“自己种树,自己乘凉”。她表示:“ Infor公司EAP项目致力于为我们的未来客户培养未来的人才。在中国乃至全世界,全面的产业调整和转型产生了紧迫的人才需求,尤其是大量的高端IT专业人才。我们很高兴成都东软学院加入Infor教育联盟项目, 通过开设先进的ERP课程,培养教师团队和培训学生,为中国培养高端IT软件人才,服务中国新兴产业发展。”
此外,Martine Cadet介绍道,Infor EAP项目与其他公司类似的项目最大的不同之处在于,EAP项目将真正地实现学生与企业之间的就业渠道。双方合作正式开展后,Infor还将为成都东软学院的学生们提供更多能参与到Infor公司实际的实施项目的机会,以及到企业的实践机会。
据了解,Infor 在汽车、零售、交通、物流、电信等领域深耕多年,其行业解决方案也因对行业的深入理解和专注、美观友好的用户界面、基于云、可提供科学洞见等特点为行业所广泛认可。这些条件在注重实操经验的IT软件人才的培养方面具有先天优势。
成都东软学院院长张应辉表示:“在国家创新创业战略背景下,面对‘互联网+’时代对创新人才的巨大需求,东软学院一直致力于产教融合的人才培养。 我们很高兴加入世界知名的企业管理软件公司Infor的教育联盟,共同推出先进的ERP课程,让学生接触到世界先进的产业化的知识,为中国的高端人才培养做出贡献。”
成都东软学院是经国家教育部批准设立,由东软控股投资举办的一所以工学为主,管理学、艺术学、文学等学科相互支撑、协调发展的民办普通高等院校。目前,全日制在校生超过一万名。
Infor公司北亚地区董事总经理Graham McColough表示:“和成都东软学院结成教育联盟, 将有助于进一步壮大我们在中国的合作伙伴联盟体系和打造完整成熟的生态系统,有力推动Infor更好地服务中国市场。”
Infor教育联盟项目(Education Alliance Program, EAP)通过提供创新、行业专属的技术, 为研究和教育机构提供教学支持,针对市场特点和需求培养应用型技术人才,支持本地IT行业和人才的发展。
成都东软学院的Infor ERP课程已于2016年年初开设,目前已培训600多名学生。预计两门课程推出后,每年将有1,300名学生接受基本的Infor LN培训。学生们将用数据建立一个虚拟的公司,验证 LN 的设置及功能。2016年冬季成都东软学院将选派10到18名教师接受教师培训,获得培训教师资格认证。
好文章,需要你的鼓励
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AI虽具备变革企业洞察力的潜力,但成功依赖于数据质量。大多数AI项目失败源于数据混乱分散而非算法局限。谷歌BigQuery云数据AI平台打破数据孤岛,简化治理,加速企业AI应用。通过AI自动化数据处理,实现实时分析,并与Vertex AI深度集成,使企业能够高效处理结构化和非结构化数据,将智能商业转型从愿景变为现实。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。