12月8日,“新华三杯”2022全国大学生数字技术大赛闭幕式线上直播圆满落幕。本届大赛由紫光股份旗下新华三集团和全国高等院校计算机基础教育研究会联合主办,旨在推动学生、院校、企业三方互动,积极探索高科技技术人才培养思路,丰富多元化人才培养体系,建立良性的就业生态圈。
闭幕式上,主办方公布了大赛决赛获奖名单并进行了颁奖仪式。值得一提的是,除了多位行业大咖亲临现场作深度分享,活动还开设了IE聚星会专场,邀请了拥有H3CIE证书且在ICT的职业发展道路上取得优秀成果的师兄师姐们分享自己的学习和就业经验。中国教育报、光明日报教育家杂志、环球网、中国教育网络、科技正能量等10位媒体嘉宾也在线上参与了本次直播,共襄盛举。
师兄师姐倾囊相授的IE聚星会开启了闭幕式,三位实力与颜值并存的嘉宾齐聚:新华三授权培训中心山东杰众人力资源信息服务有限公司的高级讲师曹淑娟老师,北京神州新桥科技有限公司客户服务中心网络工程师张雷同学,以及远赴墨西哥为新华三集团国际业务添砖加瓦的新华三集团国际服务支持部墨西哥服务部长苏江师兄。他们不仅就备考H3C IE的心得体会和深厚经验作了详细介绍,还根据自身的发展和经历对未来师弟师妹们的职业发展规划给出了自己的洞察和建议,让同学们对H3CIE考试及未来的职业发展之路有更加全面和深刻的理解与思考。
新华三集团副总裁、商业BG总裁王鑫在闭幕式致辞中,对一直以来支持新华三的合作伙伴表示了感谢,并对未来即将报考H3C IE证书的同学们予以鼓励。他表示,新华三杯比赛中脱颖而出的数字化人才成功就职于新华三和其生态合作伙伴企业,取得了良好的社会价值和示范效应。未来,新华三希望继续巩固扎实的底座,搭建生态人才基地,通过产学研合作培养更多数字化人才。
回顾往届比赛,新华三人才研学中心副主任、数字化技术认证部部长徐洋表示,从2010年首届大赛召开至今,新华三杯已成功举办12届。此次新华三杯汇聚了来自27个省市、688所院校的35000名大学生,在刷新以往规模的同时也彰显了新华三杯在高校群体中的认可度和影响力。“一直以来,新华三始终坚持对技术研发的支持与投入,造就了一家高度重视技术研发、创新实力强劲的数字化科技公司。同时,我们也拥有业内规模最大的外向型企业研学中心,业务纵深和赋能范围遥遥领先。”
全国高等院校计算机基础教育研究会副会长兼秘书长李畅对本次大赛的精彩亮点进行了回顾,并对参与新华三杯的同学们表示衷心感谢。他表示,研究会积极落实全国独立院校与民办高校产教融合协同育人发展,促进计算机领域课程改革与学科建设。借助新华三杯比赛,研究会将携手新华三集团,坚持“从人才培养到技术认证再到打通就业渠道“的良性循环,为行业培育和输送更多具备深厚技术储备和创新思维的数字产业人才。
2022新华三杯大赛总指挥在发言中,总结了此次大赛的比赛历程,并从人才培养到技术认证、从生态发展合作再到人才生态圈就业闭环进行了深度分享。他表示,如今在“以赛促学习、以赛促教学、以赛促就业”目标指引下,大赛已成为IT业界最受欢迎、含金量最高、最有影响力的赛事活动之一。
本次大赛经过激烈的角逐,共有57位分别来自本科组和高职组的同学荣获个人赛奖项,其中,福建师范大学协和学院的戴杰和常州信息职业技术学院的代创分别获得本科组和高职组的个人赛特等奖;另有18支高校队伍获得了团队奖项。
未来,新华三人才研学中心将助力集团继续深化人才培养,实现更深层次的产教融合,与更多高校和生态伙伴携手促进人才培养模式的改革,合理构建面向新发展征程的人才生态,共同推动中国数字化人才的培养和数字化转型发展。
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。