基于深度学习的职业规划指导探索

基于深度学习的职业规划指导探索

ID:31431395

大小:103.00 KB

页数:4页

时间:2019-01-09

基于深度学习的职业规划指导探索_第1页
基于深度学习的职业规划指导探索_第2页
基于深度学习的职业规划指导探索_第3页
基于深度学习的职业规划指导探索_第4页
资源描述:

《基于深度学习的职业规划指导探索》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、基于深度学习的职业规划指导探索  目前,职业教育现代化建设正步入高速发展新阶段,其对人才的诉求也达到前所未有的高度,特别是在基层人力资源中占主体地位的士官人才,在新的作战需求下对综合素质的提升有了更高的要求。为了更好与部队的需求衔,我们探索通过深度学习的办法,为其找到一条最合适的发展途径,并将其作为学员个人的职业规划指导,这样可以使学员能最大程度了解自身,明白自己的长处与短板,有利于个体的短期定位从而促进集体的发展。  一、职业规划的基本概念  所谓职业规划(职业生涯设计),是指个人与组织结合,对其个体的主客观条件进行测定、分析、总结的基础上,对兴趣、爱好、能力、特点进行综合

2、分析与权衡,同时结合火箭军需求,明确自身的职业倾向,确定其最佳的职业奋斗目标,并为实现这一目标提出行之有效的安排和计划。但这一计划的提出涉及到个体的喜好、擅长、价值原则、发展原则、岗位需求等诸多问题。要想我院学员在校期间通过自身努力确定这一规划是基本不可能的,他们缺乏大量的信息支撑,也无法获取最适合的决策方法,而在缺少上述条件和专家深度参与情况下做出的“确定性”支持是“可怕”的决策,这也使得我们需要通过研究负责任的为学员提出专业指导。  二、深度学习的基本概念  2006年,加拿大多伦多大学教授、机器学习领域的泰斗Geoffrey4Hinton在《科学》上发表论文提出深度学习

3、主要观点:多隐层的人工神经网络具有优异的特征学习能力,学习得到的特征对数据有更本质的刻画,从而有利于可视化或分类;深度神经网络在训练上的难度,可以通过“逐层初始化”(layer-wisepre-training)来有效克服,逐层初始化可通过无监督学习实现的。从深度学习的基本概念不难看出其实质是通过构建多隐层的模型和海量训练数据(可为无标签数据),来学习更有用的特征,从而最终提升分类或预测的准确性。研究过程中“深度模型”是手段,“特征学习”是目的。深度学习理论与浅层学习理论的区别是:前者强调了模型结构的深度,通常有5-10多层的隐层节点如图1所示;明确突出了特征学习的重要性,通

4、过逐层特征变换,将样本在原空间的特征表示变换到一个新特征空间,从而使分类或预测更加容易。与人工规则构造特征的方法相比,利用大数据来学习特征,更能够刻画数据的丰富内在信息。在职业规划的问题研究中关键是解决模型方面是否有其他更为有效且有理论依据的深度模型学习算法以及是否存在更有效的可并行训练算法。  三、士官职业规划的研究内容  根据优化人力资源配置,科学构建职业教育教学体系,加快推进我院职业教育创新发展,迫切需要开展士官职业规划问题研究。士官职业教育任务规划是提升教学效果的重要途径,按照把握目标定位、突出优势特色、反映士官特点、紧贴岗位需求的原则,研究士官职业规划问题,实现个人

5、发展与院校教育任务有机衔接、相互融合,确保我院职业教育健康规范有序发展需要重点做好以下内容的研究。  1.士官学员职业规划的基本内涵和原则4  (1)地方高等职业院校职业规划内涵  (2)士官学员职业规划比较性研究  着眼提升学员岗位履职能力和职业发展潜力,区分职业岗位,按照各级各类岗位能力标准要求,梳理岗位履职必备的核心知识和技能,以相关学科专业体系和任职教育课程体系为基础,开展士官学员职业规划比较性研究。  (3)确定士官学员职业规划的原则  既要借鉴国家有关职业资格标准规范,又要按照岗位任职需求,适应人力资源政策制度改革,围绕达到各级各类职业资格必备的核心知识能力,逐步

6、开展学员职业规划问题研究。  2.士官职业规划信息反馈技术  (1)影响因素和能力分层  (2)能力识别  (3)基于深度学习的士官职业规划指导  3.深度学习常用模型研究  (1)稀疏自动编码器  (2)限制波尔兹曼机  (3)深度置信网络  (4)卷积神经网络  4.基于深度学习的士官职业规划关键技术  (1)样本收集与处理  (2)构造深度学习网络结构4  (3)网络结构推导与实现  (4)参数初始化技术  总之,开展基于深度学习的学员职业规划问题研究有助于实现院校教育与实际岗位需求统一,克服学员入学培训理论知识参差不齐、离岗学习时间过长的困难,提高学员培训质量坚持把握

7、目标定位、紧贴岗位需求、突出任职特色、展现学院办学优势,贴合基层岗位需要和装备发展。4

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。