大规模开放在线实训平台 (Massive Open Online Workbench, MOOBench)
王 伟（同济大学）
Outline
• 大规模在线实训平台（MOOBench）
• MOOBench在《数据科学通识导论》课程中的实践
• MOOBench在《大数据原理与实践》课程中的实践
• 思考与总结
教育的“昨天”和“今天”
MOOC星火燎原 • 北美
• Coursera、edX、Udacity • The Minerva Project、2U
• 欧洲、澳洲 • Open University、Future Learn（英国） • Iversity（德国）、FUN（法国） • OpenUpEd（欧盟） • Open2study（澳大利亚）
• 亚洲 • JMOOC（日本） • 中国：网易公开课、新浪公开课、淘宝同学、百度教育、腾讯教育频道、学堂在线、……
MOOC存在的问题 • 信息过载和信息碎片
• 用户难以坚持下来，缺乏有效的动力
• 缺乏交互性 • 交互式、协作工具的缺乏 • 缺乏师生交互、评价和反馈
• 缺乏有效的实训平台（理工类课程） • 云计算、大数据、人工智能、物联网 • 新工科背景
新时代的到来
教育部公布第二批”数据科学与大数据技术专业”获批高校名单
国家政策与导向 • 国务院印发《关于进一步扩大和升级信息消费持续释放内需潜力的指导意见》（国发
〔2017〕40号）
• 国务院印发《新一代人工智能发展规划》 • 重点一：中小学阶段设置人工智能课程 • 重点二：人才培养，建设人工智能学科 • 重点三：人工智能高端人才队伍建设 • 重点四：建立重大科技创新基地 • 重点五：智能教育
教育信息化 习近平： “当今世界，科技进步日新月异，互联网、云计算、大数据
等现代信息技术深刻改变着人类的思维、生产、生活、学习
方式，深刻展示了世界发展的前景。” “因应信息技术的发展，推动教育变革和创新，构建网络化、
数字化、个性化、终身化的教育体系，建设“人人皆学、处
处能学、时时可学”的学习型社会，培养大批创新人才，是
人类共同面临的重大课题。”
MOOBench: Massive Open Online Workbench • MOOBench（慕班）是大规模开放在线实训平台的缩写，是MOOC平台的延
续与补充，主要是针对理工类课程提供大规模的、开放的、在线的实训环境。
MOOBench的驱动力 • 大数据与人工智能时代的教育诉求
• 传统慕课平台的缺失
• 新工科背景下的驱动
• 教育信息化的变革和创新
• 技术的进步：云、边、网、端
云计算：Evolution of cloud computing
Serverless
大数据上云：Evolution of big data technology
大数据软件栈
数据上云！ 分析上云！ 大数据PaaS！
2017
Kaggle被收购 Cloudera IPO 星环科技TDH社区版 华为大数据认证
人工智能上云：AI Stack Evolution
• Amazon AI • Google AI • Ali AI • Baidu AI • …
Amazon’s AI stack
AI上云 AIaaS
Google cloud TPU NVIDA GPU ARM Mobile AI
新的交互技术
Notebook/ Zeppelin Midas Rapid Miner IDE
Interactive learning environment
MOOBench的特点 • Learning at Scale（大规模教育，MOOC的延续）
• Learning by doing（实践、新工科的诉求）
• 开放教育资源（Open）
• 独享、快速、高效、灵活的实训环境（教育信息化创新） • 触手可及、 随时可用、 秒级启动、 用完即走
• Intelligent Interactive online learning（智能化的交互学习） • 采集学员的学习行为数据 • 基于AI的实时评判与反馈 • 评论分析与挖掘（社群评论）
• 师生交互 机生交互（AI）
应用场景：新一代大数据工程实训平台
基于云件服务的新一代大数据工程实训平台, 计算机教育, 2018.
同济大学数据科学与大数据实训平台
平台功能 • 教师端功能：定制课程实验内容、实验管理、学生管理、成绩管理、报告管理等。
• 学生端功能：查看实验内容、阅读实验指导书、算法演示、改进算法、算法对比分析、提交算法、提交报告、查看成绩、修改个人信息等。
• 平台管理功能：资源监控、查看计算作业、容器管理、日志管理、故障恢复等。
• 开发环境：提供各种开发环境，如SQL、R、Python、Matlab等；提供Hadoop、Spark、Hbase、Hive等分布式实践环境。
• 算法库：提供常用及经典算法，及基于R/Python/Matlab/SQL等实现的源代码。
• 综合项目案例库：提供多个行业的开放数据资源，以及相应的数据科学与大数据综合实验案例。
• 开放数据资源库：提供各类数据资源库，包括真实数据以及模拟产生数据。
同济大学导论类课程建设与教学实践
《数据科学通识导论》课程总览
数据科学通识教育16个字实践
• 建立对话；激发思辨； • 协作交流；动手实践。
1. 建立对话、激发思辨
课件 文章 互动
对话与思辨 • 你所理解的“通识课”是什么 ？你认为应该如何学习“数据科学”这门课程？ • 从人类整个文明的尺度上看，IT和DT对人类的发展有些什么样的影响和冲击？ • 怎么理解科学的范式？他们之间的关系如何？今天如何利用这些科学范式？ • 谈谈你对数据分析思维的理解？大数据技术在整个数据科学中处于什么地位？ • 如何理解数字化和数据化的区别与联系？Google图书扫描项目的利与弊。 • 摩尔定律与大数据的关系？在云计算环境中处理大数据会成为主流吗？ • SQL语言到底是一种什么样的语言？在大数据时代的地位如何？ • 大数据系统为什么要采用分布式的架构？为什么一些大数据系统要走开源的路线？ • 统计学、概率论和数据分析三个概念之间的区别与联系是什么？ • 你觉得在线使用数据分析工具会是趋势吗？机器学习能够带来真正的人工智能吗？ • 智能时代，究竟是算法重要还是数据重要？怎么看待“算法自动推测犯罪”的技术？ • 理想中的大数据和数据科学编程语言是什么样的？需要发明新的“人数”交互语言吗？ • 为什么要数据开放？智慧城市的“智慧”体现在什么地方？ • 数据科学在人工智能技术中的地位是什么？ • 随着人工智能技术的发展，人类和智能机器之间会是一个什么样的关系？
2. 协作交流、动手实践
• 大数据基础实验（4个子模块，13个实验） • Hadoop基础实验 • MapReduce基础实验 • HBase基础实验 • Hive基础实验
• 大数据挖掘实验（2个子模块，12个实验） • R大数据挖掘实验 • Python大数据挖掘实验
• 案例分析实验（3个子模块，18个实验） • 案例一：泰坦尼克乘客生存预测 • 案例二：优秀员工离职原因分析与预测 • 案例三：用声音预测性别
构建实训平台：5个实验模块，17个子模块，113个实验 • 基础语言学习实验（4个子模块，42个实验）
• R语言编程基础实验 • R语言统计建模与分析基础实验 • Python语言编程基础实验 • Python语言统计建模与分析基础实验
• 数据分析与挖掘实验（4个子模块，28个实验） • R数据探索与预处理实验 • R数据挖掘实验 • Python数据探索与预处理实验 • Python数据分析实验
实训平台即服务（作为一种基础设施）
实验教程
实验区域
隐藏 启动 暂停 截图 共享 下载 全屏
演 示
作业管理与课程管理
《大数据原理与实践》课程总览
2017 Google支持教育部产学合作协同育人项目
容融入Google的的大数据技术、工具和平台 • 第二章，增加Google在大数据方面的影响和实践，以及Google数据中心的介绍；
• 第三章，增加对Google大数据技术的总体介绍和贡献；
• 第四章，增加对Google大数据应用的介绍，如Google图书、Google Earth、Gmail等；
• 第五章，增加Google网页获取技术的原理介绍，详细介绍网页爬虫的原理；
• 第六章，增加Google的GFS技术原理介绍，以及和HDFS的关系；
• 第七章，增加Google的BigTable技术原理，以及和传统数据库管理技术的区别；
• 第八章，增加Google的MapReduce技术原理及其背后的大数据处理思想；
• 第九章，增加Google最新的相关技术，包括Pregel、Caffeine、Dremel、Spanner等；
• 第十章，增加Google的网页挖掘技术，详细介绍PageRank算法；
• 第十一章，增加Google的TPU和TensorFlow内容的介绍；
• 第十二章，增加Google的Blockly语言、Google Web Designer等技术介绍；
• 第十三章，增加Google的Kaggle平台介绍，详细介绍数据分析项目的流程步骤；
• 第十四章，增加Google的Python Fire介绍，鼓励学生用Python等语言进行大数据实践。
近期的重点工作
• TensorFlow实验课程的建设 • Jupyter Lab的集成 • 基于SQL的大数据实验模块 • 学员在线行为数据的采集 • 更多综合案例的开发
思考与总结 • 大规模开放在线实训平台（MOOBench）将成为大数据、人工智能、新工科背景下的又一个教育信息化场景；
• “人工智能 + 教育大数据”将会在接下来的在线教育中发挥更加实质性的影响；
• 数据科学与大数据的相关核心技术将会陆续成熟稳定，其知识体系也将慢慢沉淀下来；
• 通识类课程的改革，真正做到以学生为本。
Thanks
Education is not preparation for life; education is the life itself. — John Dewey
课程公众号 个人微信
