卢安

2023年07月02日 12:23



卢安 副教授 博士 人工智能系主任 数据与智能课程组负责人

所在单位:东莞理工学院计算机科学与技术学院

通信地址:广东省东莞市松山湖东莞理工学院计算机科学与技术学院

办公地点:8A405

E-mail: luan (a) dgut.edu.cn

URL: http://cs.dgut.edu.cn/info/1051/1842.htm

Fax:+86-769-2286-2362

短号:624624




个人简介

卢安,副教授,博士,人工智能系主任,数据与智能课程组负责人。本科及硕士研究生毕业于华中科技大学计算机科学与技术学院,博士研究生毕业于香港科技大学计算机科学及工程学系。

曾获多项荣誉和奖励,包括IBM中国优秀学生奖学金、华中科技大学三好研究生、优秀毕业研究生、华为奖学金、香港科技大学研究生奖学金等。

曾担任香港科技大学助教协调主任,助理计算机主任。在香港科技大学物联网研发中心带领团队进行RFID及物联网相关研究工作,并指导本科、硕士生。后去香港某银行工作。之后离职在香港创业,任公司首席执行官,从事产品研发管理、开拓欧美市场等工作。




研究方向

数据库、数据建模、数据挖掘、大数据分析

RFID(无线射频识别)及物联网

人工智能

电子商务




社会任职

曾创建香港科技大学内地生校友会并担任常务副会长,曾任香港留学生会副主席、中国高等院校香港校友会联合会(高校联)监事会监事,现任华中科技大学香港校友会副会长、香港青年专才协会副会长、中国高校毕业生香港教师会副会长、香港湖北社团总会理事,是互联网专业协会终身会员、香港青年政协联会永久会员、广西壮族自治区青年联合会委员。




课程教学

本科课程:数据库系统原理、算法设计与分析、算法与数据结构、算法与数据结构实践专题、大型数据库、Oracle数据库、操作系统安全、大学生创新和创业导论、数据库安全、应用密码学、工程伦理、探索多媒体及互联网计算

硕士课程:高级数据库系统

教学课件下载网址:http://172.28.89.9/~luan/




主要论文

1.Lu An, Fang Wenbin, Xu Chang, Cheung Shing-Chi and Liu Yu. A Data-Driven Testing Methodology for RFID Systems. Frontiers of Computer Science in China. 2010, 4(3): 354-364(SCI) (EI)

2.Lu An and Ng Wilfred. Maintaining Consistency of Vague Databases Using Data Dependencies. Data & Knowledge Engineering. 2009, 68(7): 622-641(SCI) (EI)

3.Lu An and Ng Wilfred. Mining Hesitation Information by Vague Association Rules. In ER 2007, Lecture Notes in Computer Science Vol. 4801, Springer-Verlag, 39-55(EI) (ISTP)

4.Lu An and Ng Wilfred. Handling Inconsistency of Vague Relations with Functional Dependencies. In ER 2007, Lecture Notes in Computer Science Vol. 4801, Springer-Verlag, 229-244(EI) (ISTP)

5.Lu An, Ke Yiping, Cheng James and Ng Wilfred. Mining Vague Association Rules. In DASFAA 2007, Lecture Notes in Computer Science Vol. 4443, Springer-Verlag, 891-897(EI) (ISTP)

6.Cheng James, Ke Yiping, Ng Wilfred and Lu An. FG-Index: Towards Verification-Free Query Processing on Graph Databases. In SIGMOD 2007, ACM Press, 857-872(EI)

7.Lu An and Ng Wilfred. Vague Sets or Intuitionistic Fuzzy Sets for Handling Vague Data: Which One Is Better? In ER 2005. Lecture Notes in Computer Science Vol. 3716. Springer-Verlag. 401-416(SCI)(EI) (ISTP)

8.Lu An and Ng Wilfred. Managing Merged Data by Vague Functional Dependencies. In ER 2004. Lecture Notes in Computer Science Vol. 3288. Springer-Verlag. 259-272(SCI)(ISTP)




专业证书

1. 香港心理卫生会及香港科技大学精神健康急救课程 2009年5月

2. 香港科技大学企业先锋俱乐部优秀奖 2008年

3. 香港科技大学助教培训计划2003年

4. IBM Linux e-Learning Examination 2001 2001年5月

5. IBM认证方案解决专家:DB2 UDB V6.1 Database Administration for UNIX, Windows and OS/2 2000年10月

6. IBM认证专家:DB2 UDB V6/V7 User 2000年6月

7. IBM DB2 e-Learning Program:DB2 Programmer Fundamental 2000年12月

8. IBM DB2 e-Learning Program:DB2 Advanced Programmer 2000年12月

9. IBM DB2 e-Learning Program:DB2 DBA 2000年12月

10. IBM WebSphere e-Learning Web Training Program 2000年7月





东莞理工学院计算机科学与技术学院
数据科学与大数据技术专业电子白皮书

一、 专业基本信息

1. 专业定位

数据科学与大数据技术是通过采集、处理、研究和分析,从海量数据中提炼出有价值信息的一门科学,基于计算机科学、数学、统计学及专业领域知识,研究数据采集和处理、数据建模与计算、数据分析与推断等内容,并将相关知识和方法应用于生物、医学、管理学、环境科学、经济学、社会学、测绘、遥感等其他学科中,旨在培养各行业中大数据分析、管理及应用的适应现代产业发展的高素质应用型创新人才。

2. 培养目标

坚持知行合一、立德树人,着力培养具有良好的数学、统计学和计算机科学与技术、自然科学与社会科学等专业基础知识,受到数据科学与大数据技术专业训练,掌握数据建模、分析与处理的基本理论、方法和技能,熟悉自然科学与社会科学等应用领域的大数据应用特点,具备大数据采集、预处理、存储、分析、挖掘、展示和解释等行业核心技术的应用能力,能够胜任大数据系统开发、运行、维护与管理、大数据分析与挖掘等工作的高素质应用型创新人才,适应国家、广东,特别是东莞市经济建设、现代产业和社会发展的需要。

3. 培养规格

数据科学与大数据技术专业的毕业生需完成以下课程或培养环节并取得规定的毕业最低总学分:

程 类 别

学分

比例

思想政治课

17

10.3 %

通识
课程

通识教育必修课

41

24.85 %

通识教育选修课

8

4.85 %

专业类
课程

学科基础课

50

30.3 %

专业必修课

28.5

17.27 %

专业选修课

25.5

15.45 %

集中实践
教学环节

实习

2

1.21 %

毕业设计(论文)

6

3.64 %

其他实践

4

2.42 %

总学分

165


其中:专业核心课程

40


知识要求:教导学生数学、统计学、计算机科学与技术、自然科学与社会科学等专业基础知识,通过实践培养学生具有大数据分析及创新的能力,以解决各种工程实际问题。

能力要求:培养学生具有自我挑战、独立思考、批判思维、组织团队、有效沟通、终身学习的能力,具备勇于担当和敬业奉献的精神。

素质要求:培养学生具备人文和社会科学素养,倡导国际交流,拓宽学生的国际视野。

毕业要求(核心能力)包括以下12条:

毕业要求1C1-工程知识:具有从事数据科学与大数据技术工程工作所需的相关数学、统计学和计算机科学与技术等专业知识以及对具体实际问题的解决能力。

毕业要求2C2-问题分析:能够应用数学、统计学和计算机科学与技术的基本原理,并通过文献研究、实践等,识别、表达、分析、求解数据科学与大数据技术工程问题,以期获得有效结论。

毕业要求3C3-设计/开发解决方案:具备综合运用基础理论和技术手段分析并解决数据科学与大数据技术工程问题的能力,包括程序设计与实现能力、算法分析与设计能力、数值实验设计与执行能力、数据获取、分析、展示及解释能力,应用系统设计与管理能力等。

毕业要求4C4-研究:掌握基本的科学研究与创新方法,具有追求创新的态度和科学研究意识,为实际的数据集合建立数学模型以及设计算法求解模型,综合运用理论和技术手段,设计过程中能够综合考虑经济、环境、法律、安全、健康、伦理等制约因素。

毕业要求5C5-使用现代工具:能够针对复杂的数据科学与大数据技术工程问题,开发、选择与使用恰当的技术、资源、现代工程工具和信息技术工具,包括对问题的预测与模拟,并能够理解其局限性,执行数值实验与数据分析所需技术和技巧。

毕业要求6C6-工程与社会:了解与本专业相关的职业和行业的生产、设计、研究与开发、环境保护和可持续发展等方面的方针、政策和法津、法规,能正确认识工程对于客观世界和社会的影响。

毕业要求7C7-环境与可持续发展:能够理解和评价针对复杂数据科学与大数据技术工程问题的专业实践对环境、社会可持续发展的影响。

毕业要求8C8-职业规范:具有人文社会科学素养、社会责任感,能够在数据科学与大数据技术工程实践中理解并遵守职业道德和规范,履行责任。

毕业要求9C9-个人和团队:能够在多学科背景下的数据科学与大数据技术项目团队中承担个体、团队成员以及负责人的角色,具有一定的表达能力、人际交往能力以及在团队中发挥作用的能力。

毕业要求10C10-沟通:能够就数据科学与大数据技术工程问题与业界同行及社会公众进行有效沟通和交流,包括撰写报告和设计文稿、陈述发言、清晰表达,并具备一定的国际视野,能够在跨文化背景下进行沟通和交流。

毕业要求11C11-项目管理:理解并掌握数据科学与大数据技术项目管理原理与经济决策方法,并能在多学科环境中应用,具有一定的项目管理能力。

毕业要求12C12-终身学习:具有自主学习和终身学习的意识,有不断学习和适应发展的能力。

4. 课程体系

(一)理论教学内容与体系

下表是本专业理论课程的汇总。

课程类别

课程名称(括号内为课程学分数)

学分

占总学分%

支撑的核心能力达成

数学与自然科学类课程

高等数学(5+6)、线性代数(2.5)、概率论与数理统计(3.5)、离散数学(3)、大学物理(4)

24

14.55%

C1、C2、C12

工程基础类课程

程序设计基础(5)、Java程序设计(5)

10

6.06%

C3、C5、C12

专业基础类课程

计算机类专业导论(1)、算法与数据结构(4)、计算机系统I(4)、数据库系统原理(4)、算法设计与分析(3)

16

9.70%

C2、C3、C5、C12

专业必修类课程

数据科学与大数据技术导论(2)、最优化方法(2.5)、Linux操作系统(4)、大数据采集与集成技术(2)、机器学习(3)、大数据技术(3)、数据可视化技术(2)、数据挖掘(3)、计算机网络(4)、大型数据库技术实践3)

28.5

17.27%

C2、C3、C4、C5、C12

专业选修类课程

4学期:计算机系统II(4)、Python程序设计(2)、数学建模(3)、计算方法(2)

5学期:华为认证HCIA-BD/AI(3.5)、运筹学2)、云计算2)、自然语言处理2)Python数据分析2)

6学期:华为认证HCIP-BD/AI(3)、计算智能2)、多元统计分析2)、复变函数与积分变换2)、应用回归分析2)

7学期:华为认证HCIE-BD/AI(3)、大数据综合应用案例与实践(3)、物联网工程概论2)、数字图像处理2)、时间序列分析2)、计算机视觉2)、生物信息学2)R语言数据分析2)、量子计算导论2)、随机过程2)

(第4-7学期专业限选课共计9.5学分,专业任选课需至少修满16学分)

25.5

15.45%

C2-C12

人文社会科学类课程

基础英语A1-A3(3+3+2)、体育(1+1+0.5+0.5+0.5+0.5)、军事理论(2)、大学生心理健康教育(1)、批判与创新思维导引(2)、中国近现代史纲要(2)、马克思主义中国化进程与青年学生使命担当(1)、国防安全教育(1)、劳动教育(0.5)、创业基础(2)、创业基础(0.5)、思想道德修养与法律基础(3)、马克思主义基本原理(3)、人工智能(2)、毛泽东思想和中国特色社会主义理论体系概论(4)、工程伦理(2)、就业指导(1)、形势与政策(2)、通识教育选修(8)(通识教育选修课程由七大模块组成。每一模块学生选修不超3个学分,网络选修课不超4学分)

49

29.70%

C6、C7、C8、C10

合计

153



(二)专业核心课程

下表是本专业核心课程的汇总。



学年

学期

学分

周学时

上课周数

总学时

理论学时

实践学时

考核方式

1

离散数学

3

4

12

48

48


考试

2

线性代数

2.5

4

10

40

40


考试

2

算法与数据结构

4

4

16

64

48

16

考试

3

概率论与数理统计

3.5

4

14

56

56


考试

3

数据库系统原理

4

4

16

64

40

24

考试

4

数据科学与大数据技术导论

2

2

16

32

20

12

考查

4

Linux操作系统

4

4

16

64

40

24

考试

5

大数据采集与集成技术

2

2

16

32

8

24

考查

5

大数据技术

3

4

12

48

16

32

考查

5

机器学习

3

4

12

48

32

16

考查

6

数据挖掘

3

4

12

48

32

16

考查

6

数据可视化技术

2

2

16

32

20

12

考查

6

计算机网络

4

4

16

64

48

16

考试

40



640




(三)集中实践教学内容与体系

下表是本专业集中实践教学课程的汇总。

课程名称

学分

实践训练(周)

支撑的核心能力达成

包含全实践类项目化课程、产教融合课程

军事训练

2

3周

C9

“思政课”社会实践

2

2周

C6-C10

创业实践

0.5

每周课内指导2学时持续4

C1-C12

(项目化课程)算法设计与分析

3

每周课内指导4学时持续12

C2-C5

(项目化课程)大型数据库技术实践

3

每周课内指导4学时持续12

C3、C5C9-C11

(项目化课程)大数据综合应用案例与实践

3

每周课内指导3学时持续16

C3、C5C9-C11

(产教融合课程)HCIA-BD/AI

3.5

每周课内指导4学时持续14

C1、C8C11

(产教融合课程)HCIP-BD/AI

3

每周课内指导4学时持续12

C1、C6-C9

(产教融合课程)HCIE-BD/AI

3

每周课内指导4学时持续12

C1、C2C6C7C9

毕业实习

2

4周

C3C6C7C9C10

毕业设计(论文)

6

12周

C3C4C10-C12

合计

31

占总学分比例18.79%



5. 师资队伍

目前,本专业在职专任教师 19人,其中正高职称3人,副高职称4人,特聘副高职称5人,高级职称总数12人,占比63%。具有博士学位教师总数18人,占比95%。双师双能型教师总数16人,占比84%。具体情况详见下表。

姓名

性别

职称

最高学历

主要研究领域

是否双师双能型

刘群锋

教授

博士

智能计算

袁华强

教授

博士

无线传感器网络、智能计算

胡天明

教授

博士

数据挖掘、模式识别

卢安

副教授

博士

数据库、大数据

朱君

副教授

博士

电子商务、企业信息化

张剑

副研究员

博士

模式识别、自然语言处理

潘晓衡

高级工程师

硕士

云计算、大数据

李青青

特聘副教授

博士

大数据、人工智能

王艳玲

特聘副教授

博士

量子信息、量子计算

肖静

特聘副教授

博士

微分方程、图像处理

张宁

特聘副教授

博士

数学规划、机器学习

张宇辉

特聘副研究员

博士

人工智能

葛浩

讲师

博士

优化与控制

黄香香

讲师

博士

马氏决策过程、随机博弈

李学强

讲师

博士

计算智能、多目标优化

欧阳晨

讲师

博士

代数图论、张量计算

阮奕邦

讲师

博士

机器学习

万宇晴

讲师

博士

数据挖掘、大数据

张丽芳

讲师

博士

机器学习、数学建模

6. 教学条件

数据科学与大数据技术专业主要依托计算机科学与技术学院完备的软硬件设施开展实验教学工作。目前,学院拥有实验室面积3452平方米,设备总值2500余万元,拥有省级实验教学中心、华为信息与网络技术学院、广东省物联网大数据工程技术研究中心、东莞智能医疗与健康大数据研究院、东莞理工学院-利物浦大学虚拟工程中心、广东省普通高校低功耗智能物联重点实验室、广东省普通高校大数据智能计算理论与应用重点实验室,其中华为信息与网络技术学院获得省教育厅示范性产业学院立项。

此外,学院与东莞及周边地区的龙头企业建立了30余家校企合作实习基地,供数据科学与大数据技术专业学生进行实习实训。学院每年聘请和安排专业人士对本专业学生进行实习实训指导,有效地保障了学生顺利完成毕业实习实训环节。

二、 其他专业相关的重要信息

1. 产教融合人才培养模式改革与实践

(一)省教育厅示范性产业学院:华为信息与网络技术学院

为加强项目的过程管理与指导,项目华为信息与网络技术学院20211月顺利完成开题任务,并在稳步推进建设中。

本专业将华为技术及服务的领先优势与东莞理工学院区域创新应用型人才培养的优势相结合,努力服务东莞经济建设和社会事务,助推学校创新发展,坚持知行合一、立德树人,着力培养适应产业发展需要的ICT应用型技术技能、勇于担当、善于学习、敢于超越的高素质应用型创新人才,要求牢固掌握具有普适性的ICT基本技术领域的基础知识,具备实战动手能力,从事ICT融合通信领域的系统设备安装、调测与维护,以及通信网络规划、设计与优化、管理与运行维护等相关工作。具体说来,学生培养目标包括:

1)培养学生系统掌握ICT所必须的基本理论、基本知识、基本方法和基本技能。能够在ICT相关领域从事设计、管理和运维等类型的工作;

2)具有较强的实践能力、创新精神和持续发展潜力,具有良好的团队合作意识;

3)培养学生服务社会的能力,具有自主学习能力,有乐观向上、诚实守信的品质。

实践效果明显,具体包括:(1)部分学生取得了华为最高级别的HCIE认证;(2)在全球200多个华为ICT学院中,华为认证的考证通过率位居前三;(3)参加2018年华为中国区大学生ICT大赛,成绩优秀;(4)东莞理工学院获2018年度优秀华为ICT学院;(5)学院教师与华为联合成立研发项目组,创新人才培养机制,促使学校科研成果产业化,推进企业技术革新;(6)承办全国华为网络学院骨干教师暑假培训班,举办蓝桥杯全国软件与信息技术专业人才大赛省赛。

(二)教育部产学合作协同育人项目面向新工科的GaussDB数据库课程建设

依据教育部规范产学合作协同育人项目管理要求,华为和学院签署协议,制定面向新工科的GaussDB数据库课程建设项目整体规划,并于202012月完成了项目建设。

华为向学院提供GaussDB企业版软件使用权和远程支持服务和项目建设经费,并检查、监督项目建设进展情况,组织项目验收、评价和优秀成果交流活动,负责项目中止、撤销等工作。学院提供实验场地,教学负责人牵头成立教学工作组、并拉通学院内几位任课老师,共同确定每学期的开课内容和计划,包括课程教材编写及授课。

项目基于华为GaussDB 200OLAP)数据库软件资源,开展了2018级计算机科学与技术、2018物联网工程和2018信息与计算科学专业的数据库课程的新工科建设,合计学生人数为181人。项目在实施过程中,完成了项目在教学内容、教学方法及评价机制方面的建设目标。根据项目合同的要求,由项目负责人赵铁柱牵头,成立了数据库课程团队。基于GaussDB 建设需求,修订2020-2021学年第一学期《数据库系统原理》课程的教学大纲,课程总学时70学时,其中理论学时46学时,实践学时24学时。课程团队撰写了课程电子版教材和实验指导书,修订了《数据库系统与原理》课程教学PPT,以适应GaussDB的新工科教学需求。提供了合同约定的交付件,完成了项目的建设内容。完成了基于SQL serverGaussDB的数据库系统原理课程的教学质量,学生满意度和产品使用反馈。通过本项目的实施,使学生们掌握了GaussDB的架构、数据定义和更新、存储结构、查询处理、事务管理与恢复、GaussDB数据库应用开发等知识,增加了对国产数据库产品的信任和依赖。

2. 与行业企业共建、共同讲授课程

与行业企业共建、共同讲授的课程总共有7门,分别是:计算机类专业导论、华为认证类课程(大数据和人工智能方向)HCIA-BDHCIA-AIHCIP-BDHCIP-AIHCIE-BDHCIE-AI

“计算机类专业导论”作为计算机类专业大类招生的基础课程,依托学科课程体系,以培养学生计算思维为向导构建课程的教学,所有教学内容分模块分专题以不同的课堂形式表现。教学方法和教学方式采用线上线下教学相结合、校内专业负责人与企业兼职教师相结合、理论学习与课程实践相结合、课堂传授和自主学习讨论相结合等形式,分专题分模块开展教学。整体教学计划按进度推进,教学效果良好。学生对计算机类专业大类招生及后续的专业选择有了更为深入和实际的理解。

华为认证类课程的企业共建教学实践,主要方式是通过信息技术新工科产学研联盟、华为和学院不定期举办师资培训班来积累师资,并面向全国高校一线教师开放培训。旨在提高国内高校师资团队的实践能力、加快创新型人才培养、深度推进校企合作、探索新型人才培养模式。培训师资团队由来自华为和学院人工智能领域的资深专家组成,不仅具备学术界扎实的理论知识基础,而且拥有前沿技术在产业广泛应用的丰富经验。培训内容涵盖了大数据、云计算、人工智能的数学基础、算法基础等基础理论知识,以及手写体识别、图像识别、语音识别和机器翻译等方面的应用实操,系统提升参训教师的理论水平和实操技能,为后续的课程建设、专业建设和学科建设打下了良好的理论和实践基础,确保学生培养的质量和可持续发展。