第三届全国工业和信息化技术技能大赛工业大数据赛项广东省选拔赛技术方案.docxVIP

PAGE

PAGE2

PAGE

PAGE1

附件：

附件1：第三届全国工业和信息化技术技能大赛工业大数据赛项广东省选拔赛技术方案.docx

附件2：第三届全国工业和信息化技术技能大赛工业大数据赛项理论考试命题方案及样卷.pdf

附件3：第三届全国工业和信息化技术技能大赛工业大数据赛项实际操作命题方案及样卷.pdf

附件4：第三届全国工业和信息化技术技能大赛工业大数据赛项广东省选拔赛报名表（职工教师组）.docx

附件5：第三届全国工业和信息化技术技能大赛工业大数据赛项广东省选拔赛报名表（学生组）.docx

附件6：参赛信息汇总表.docx

附件7：开幕式参会回执.docx

附件1

第三届全国工业和信息化技术技能大赛

工业大数据赛项广东省选拔赛

技术方案

大赛名称

2025年全国行业职业技能竞赛——第三届全国工业和信息化技术技能大赛工业大数据赛项广东省选拔赛。

大赛意义

本届大赛旨在深入贯彻落实习近平总书记关于科技是第一生产力、人才是第一资源、创新是第一动力的重要论述。大赛聚焦工业大数据应用，重点突出大数据岗位相关性、技术通用性、竞赛支撑强等特点，通过“比赛即实战”的模式，培育一批支撑科技兴国、人才强国建设的工业大数据高技能人才队伍，为推动制造业高质量发展，营造“尊重劳动、尊重知识、技能成才、技能报国”的浓厚社会氛围提供有力支撑。

一是引入大数据算法应用，激发工业数据潜力。本赛项突出工业数据采集、数据处理、数据应用等特点，充分挖掘和展现工业大数据中所蕴含的价值，有效形成数据驱动、快速迭代、持续优化的工业智能系统。

二是端边云相互协作，打造大数据应用场景。本届赛项打造典型制造数字化解决方案应用场景，展现大数据模型在工业机加工领域的应用模式，利用云端大数据模型，提升设备和云平台交互的效率，解决智能制造系统加工精度稳定性问题。

三是大数据应用多样性，选拔高水平技能人才。本赛项提供多种数据分析处理模型，在算法模型平台开放参数接口，提供算法调优空间，通过选择合适的模型寻求最优模型输出结果，反馈给设备加工出最符合实际的产品等过程，呈现选手的分析能力、算法知识和实操经验。

四是丰富模型算法，推广工业大数据应用。以竞赛为平台，基于真实应用衍生的竞赛项目，展示工业大数据对智能制造系统加工稳定性提升典型场景应用案例，进行推广应用。

五是夯实数据基石，强化数据库管理与应用。掌握数据库的部署、优化、运维及高效查询技能。通过对海量、多源、实时的工业数据进行有效的存储、组织和管理，为上层的大数据算法分析和应用提供稳定、可靠、高性能的数据支撑，确保数据流从采集到应用的通畅与安全，全面体现数据基础设施在工业智能系统中的核心作用。

大赛内容、形式和成绩计算

竞赛内容

本赛项内容包含理论考试和实际操作两部分。

竞赛形式

本次竞赛为双人团体赛，分为职工组（含教师）和学生组两个竞赛组别，不得跨单位组队，职工（含教师）和学生不得混合组队。

报名条件

具有工业大数据、数据库运行管理员等相关职业工作经历的企业在职人员，从事相关专业工作的高等院校、职业院校（含技工院校，下同）在职人员，以及高等院校、职业院校相关专业全日制在籍学生。

已获得“中华技能大奖”“全国技术能手”称号及取得“全国技术能手”申报资格的人员，不得以选手身份参赛。具有全日制学籍的在校创业学生不得以职工身份参赛。

成绩计算

理论考试竞赛满分为100分，按20％的比例折算计入竞赛总成绩。

实际操作竞赛满分为100分，按80％的比例折算计入竞赛总成绩。

折算后的理论知识竞赛成绩与实际操作竞赛成绩相加得出参赛选手竞赛总成绩，满分为100分。

大赛命题原则

在命题方向上，聚焦新一代信息技术与制造技术深度融合领域，以解决工业大数据应用实际需求为命题方向，设置算法赛题。

在考核重点上，考核工业大数据等基本技能的同时，重点突出企业所需专业技能及新技术应用。重点考察参赛选手数据采集、数据可视化、数据分析、构建大数据算法模型实现问题解析、数据处理、特征工程、模型构建、训练优化的能力和技术水平，以及对智能制造系统原理的掌握程度。

大赛范围、赛题类型和其他信息如下：

理论知识竞赛

赛题范围

以工业大数据和数据库应用知识为主，智能制造技术、数据信息安全法律法规等相关知识为辅。

工业大数据

工业大数据平台架构（数据架构、数据技术架构、应用平台架构）、数据分析概述、数据收集与导入、数据清洗与预处理、数据挖掘基础、主成分分析、分类器与决策树、聚类思想与建模、神经网络思想与建模、深度学习基础。

数据库应用

数据库管理系统（DBMS）的基本知识、SQL语言及查询优化、数据库性能调优、数据库安全管理、数据库高可用性与容灾、故障排查与问题解决。

工业人工智能算法

神经网络思想与建模、深