学习心得_【数字建行大学学习心得】第二期

建行大学“数字学习在线研讨峰会”经过四周紧张有序的进行,已画上完美句号,数字建行大学的崭新时代已开启。

通过建行大学网络学习平台,学习的时空界限被打破,我们通过网络直播与大师相遇,四周的学习,各位大咖的授课内容干货满满,学员们视野被打开,思想被启迪,认识被颠覆。开放、融合、同生、共享的数字建行大学需要汇聚众智,在此,我们开辟全新栏目【数字建行大学|学习心得】,承载大家关于数字建行大学的思考,内容涵盖课程感悟收获、对数字建行大学建设献言献策等。

“数字学习在线研讨峰会”虽已结束,关于数字建行大学建设的云端讨论仍将继续。

a3f427794407ce6c5685207db8e0e6e5.png

【数字建行大学|学习心得】第二期,我们在此分享三位院长的学习心得,聆听他们对于数字建行大学的见解。

1c2992bb7ed76926c200c61082c458d0.png 84f1d9ccd1adc6af2ac36bf3993d1f86.png 04d92d0d3ebc0b2f2a642fcf24477174.png

  于宁哲

  东北学院  院长

6b68d6e51c572549bc810c4c10f6e3f7.png

数字浪潮,数字学习。数字经济、数字金融、数字建行的快速发展和变革,必将迎来在线教育、数字建行大学发展的新时代、新阶段,培训向线上转型以及线上线下相融合已是大势所趋,并已开始加持提速。

始于技术,终于信任。数字化技术推动组织学习变革创新,回归企业教育培训本源,数字化学习仍需坚持业务驱动,借助数字化优势助力组织学习高质高效。从理想回到现实,数字化学习的关键或挑战在于过程体验和最终效果,既需要对数字技术的敏锐觉察,也需要对成人学习的深刻理解;既需要对学习内容的科学设计,也需要对学习过程的柔性运营;既需要教育工作者的笃定前行,也需要全体建行人的智慧贡献。让数字流淌在建行大学,让信任融化于员工心中,让价值传递到四面八方。

借势而为,征帆远航。数字建行大学建设吹响了新时代奔涌前行的号角,东北学院将努力研究和把握数字化学习的特点及规律,不断增强全体教职员工的数字化素养和数字化能力,加快提升数字化学习产品研发设计和运营能力,积极推进数字化学习项目的实践探索,建立健全线上线下培训全流程运营管理体系,为建设最值得信赖、最值得依赖、最具有成长价值的数字大学贡献力量!

84f1d9ccd1adc6af2ac36bf3993d1f86.png 04d92d0d3ebc0b2f2a642fcf24477174.png

  李明凯

  青岛普惠与零售学院  院长

6b68d6e51c572549bc810c4c10f6e3f7.png

通过三周的学习,对当前数字技术、区块链、AI、5G、云计算云服务等新兴技术发展和应用有了比较系统、深入的了解,同时借鉴国内外一些企业大学和公共大学商学院的经验,结合实际工作,有以下几点启发和思考。

建行大学数字化关键在于实现广泛而精准的教与学

教,可以提供海量的资源,而且可以适时、快速地扩大、更新,即为教育的供给侧提供了广阔的知识海洋变得越来越容易了;学,可以结合每一个学员的个性需求,精准施策,也可以使受众各取所需,从需求侧极大程度精准解决传统千篇一律的学习内容、方式方法等。AR、VR等新技术的应用,进一步丰富了教与学的渠道、场景,使过去很多不易实现的教学方式得以极简解决,这启发我们应更加重视新兴技术应用,不断加强基础设施建设,提高建行大学科技应用水平,“工欲善其事必先利其器”,努力提高我们自身的技术应用水平永远在路上,以不落后于这个飞速发展的时代。

建行大学数字化的前提和保障是数字化建行

企业大学的主要职责是传播企业文化,促进企业经营管理水平提高,促进员工专业技能、理论素养提升等几个方面,所以其主要知识资源的积累也应主要来自实践并用诸实践,它是企业内部的象牙塔,而公共大学是社会中的象牙塔,两者有一定的区别,那么我们的数字化的内容就必然是涵盖建行的文化、知识、业务、经营等方方面面,而且我们的师资队伍也主要来自企业内部,这群授业解惑者本身的优势或者说身上具备的业务能力、知识素养等也是与建行的文化业务悉悉相关的,或者说是深深打上了建行的烙印,这些资源恰恰是企业大学赖以生存的温床,是我们象牙塔的根基。所以说要想把建行大学的资源数字化,前提是将提供这些资源的源头——建设银行的理论和实践知识、能力等数据信息数字化,这需要全行上下共同行动起来,各职能部门或研修院等牵起头来将自身条线的知识、实践等信息数字化,以提供给建行大学足够的数字化信息,所以从这方面讲建行大学的数字化前提是建行的数字化。

数字建行大学会进一步促进、完善建行数字化

蔡元培对大学的理解是“大学者,‘囊括大典,网罗众家’之学府也。”在北大就职演说上又提出“大学者,研究高深学问者也”。他认为“治学者可谓之大学,治术者可谓之高等专门学校”。建行大学之学来自业务实践,也需首先“囊括、网罗”建行的“大典、众家”,经萃取升化后用诸实践、指导实践,经过实践—理论—实践反复不断迭代更新的动态过程,源源不断地为数字化建行提供支持、指导。这样必将企业大学与企业一起相互促进、相映成趣、相得益彰。

以上三点体会,与大家共享。

84f1d9ccd1adc6af2ac36bf3993d1f86.png 04d92d0d3ebc0b2f2a642fcf24477174.png

  吴忆

  香港学院  常务副院长

6b68d6e51c572549bc810c4c10f6e3f7.png

随着学习进度的推进,对“企业所有流程、制度等都值得用数字化重新梳理一遍”的理念认识越发清晰、转型也越发迫切,听到了鼓声、望见了旌旗,感到了压力与挑战,更充满对5G+ 时代到来的期盼与畅想。

特别是哈佛李梁梁、华为陈海燕两位数字化教育先行者的分享,对厘清香港学院数字化建设提供了有益的建议和宝贵的实践经验。两位讲师再三强调,无论教育培训的形式、技术、手段如何变化,教育的本质、原理、逻辑、规律是不变的,因此我们在数字化转型中要始终坚守“教育/培训”的初心,不被纷繁的概念、技术带偏节奏,方可行稳致远。陈院长的忠告与乔布斯的“技术解决不了教育问题”观点异曲同工。

实现数字化转型的目标需要统一思想,明晰构建逻辑,已经看清或相对成熟的可以先行先试,随着技术、经验、工具、市场的逐步成熟,渐进推进迭代。

d2e9ac3eb042cd58a0ec4dae4fa298ae.png 今日编辑: 肖静宜 责任编辑:白   晶

67c277003b14231a28d70684cf2cf9d0.png

收集整理/东北学院培训管理部班主任团队

建行大学互联网投稿邮箱/jhdxrmtzx@126.com

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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