交叉学科

项目整体采用统一底座 + 分设两套专业实训平台的总体架构，兼顾专业差异化培养需求与资源集约化建设目标。

（一）分建两套专业实训平台，匹配差异化人才培养

1. 人工智能专业：人工智能大模型教研训推一体化平台

平台面向人工智能专业人才培养定位，聚焦算法建模、模型训练、计算机视觉、智能语音、大模型智能体开发等核心能力，搭建基础与工具 — 算法与框架 — 感知与交互 — 大模型前沿四层课程体系。课程覆盖人工智能伦理、Linux 操作系统、PyTorch 深度学习、机器视觉、智能语音、AIGC 提示词工程、RAG 智能体等内容，完整覆盖 AI 专业全链条实验教学。 硬件配套 AI 实验箱、智能小车、ROS 机械臂等实验套件，实现云边一体化 AI 实验。学生可在云端完成模型训练，下发至边缘硬件完成验证，做到学以致用。

2. 大数据管理与应用专业：商业数智应用项目仿真实战平台

平台以数据管理为核心，重点培养数据采集清洗、数据分析可视化、商务智能、行业大数据应用实战能力，搭建基础技术 — 分析方法 — 行业应用 — 前沿 AI四层课程体系，包含 Python 程序设计、数据库、统计分析、大数据可视化、商务智能、金融大数据、生成式 AI 等课程，形成从技术基础到行业实战的完整能力闭环。 平台内置企业级 BI 工具，支持多维数据分析、仪表盘与报表制作；配套多行业脱敏真实项目案例包，涵盖电商客户分析、公募营销、银行活动分析等产业实战项目，让学生在校接触真实商业场景。

（二）搭建统一技术底座，实现资源集约共享

依托统一底座打通算力、数据、环境、课程资源，支撑两套实训平台协同运行：

1. 算力纳管，弹性调度：整合 AI 学院高性能服务器与商学院大数据集群，构建统一算力资源池，按需弹性分配算力资源。软硬件环境互通，AI 学生可调用大数据集群与 BI 工具，大数据专业学生也可使用 GPU 与 AI 开发环境，硬件资源跨专业复用，降低建设与运维成本。

2. 数据拉通，交叉共享：搭建统一脱敏实验数据资源池。企业真实脱敏数据面向两个专业开放，AI 专业学生可使用金融经济数据集训练模型，大数据专业学生可利用图像、语音数据开展挖掘分析，打破数据孤岛。

3. 统一入口，专业分流：采用统一身份认证登录，系统根据专业自动分配专属首页与课程资源。分流并非隔离，两个专业学生均可互相访问对方实验环境、数据集与课程案例，实现跨专业资源开放。

（三）融合学校学科特色，打造跨学科综合实训项目

依托西外 “外语 + 旅游” 传统优势学科，在平台中定制开发智慧旅游与文创综合实训项目，包含多语言智能客服、景区人流预测、酒店评论情感分析、旅游路线推荐、遗产保护智能体等文旅场景项目。实训采用混合组队模式：人工智能方向学生负责算法与智能体开发，大数据方向学生负责数据处理与可视化，协同完成完整项目。 平台搭载低代码 AI 平台、BI 平台、大模型应用开发平台，支持教师科研成果转化、学生毕业设计与学科竞赛；课程、案例、实验环境支持教师二次开发，将科研成果转化为教学资源。

1. 日常课程实验：支撑人工智能、大数据管理与应用专业课内实验教学，覆盖基础编程、算法训练、数据分析、大模型开发等课程实训。

2. 跨专业综合实训：开展 “外语 + 旅游 + AI + 大数据” 交叉项目实训，两专业学生组队完成文旅场景智能应用开发，锻炼跨学科协作能力。

3. 学科竞赛与毕业设计：为学生竞赛、毕业论文提供算力、数据集、开发环境与项目案例支撑。

4. 教师科研成果转化：教师依托平台封装行业案例，把科研项目转化为实训教学资源，打通教研转化通道。

1. 资源集约，避免重复建设：统一算力底座实现硬件资源池化调度，减少服务器、软件环境重复采购，降低基建与运维成本，提升设备利用率。

2. 人才培养模式升级：打破专业壁垒，实现跨专业协同育人。AI 学生掌握商业数据分析能力，大数据学生可开展 AI 模型开发，拓展学生能力边界，培养兼具专业深度与跨学科视野的复合型人才。产业真实案例进课堂，缩小校园教学与企业真实业务之间的差距。

3. 教研融合双向赋能：平台打通教学与科研，教师可将科研成果转化为教学资源；学生依托平台参与真实项目式学习，输出可落地的数智应用成果，向企业输送懂业务、懂技术的复合型人才。

4. 形成可复制产教融合样板：探索出 “一个底座、两套平台、集约共享” 的产教融合建设模式，为高校多专业数智实训基地建设提供实践参考。

双方将持续迭代更新课程资源与行业案例，进一步深化人工智能与大数据专业交叉教学，拓展更多跨专业联合实训项目，持续共建高水平产教融合实训基地，长效支撑学校数智类专业建设与复合型数智人才培养。