首先，软件工程、网络工程和物联网工程都是目前比较热门的专业，近些年来这几个专业的就业情况也比较不错，整体的薪资待遇也相对比较高，所以这几个专业都是不错的选择。
虽然这几个专业在学习方向上有所不同，但是在基础课程部分还是基本一致的，主要涉及到数学、物理、模拟电路、数字电路、 *** 作系统、编程语言、计算机网络、数据库、算法设计、数据结构、编译原理等，这些课程通常是这三个专业都要重点学习的。
软件工程的重点内容在于软件产品的研发，培养目标是具有初级研发能力的应用型开发人才。在课程设置上会构建一个比较健全的软件开发的知识结构，涉及到多种编程语言的学习、数据库、软件开发体系结构、项目管理等内容，结合不同的细分方向，还需要学习相应的知识，比如大数据开发方向还需要学习大数据平台的相关内容。软件工程专业毕业生的动手能力通常比较强，由于软件开发的就业面比较广，所以软件工程专业的就业情况一直比较不错。
网络工程专业的重点在于网络数据通信及相关产品的研发，培养目标是专业的网络工程设计、开发人才。网络工程专业的知识结构紧紧围绕计算机网络展开，包括通信原理、交换原理、通信协议、网络编程、网络 *** 作系统、网络安全等内容。学习网络工程专业需要较强的动手实践能力，通常需要学的知识也比较多和杂。目前IT行业内网络工程的专业人才也具有较大的缺口，所以就业还是相对比较容易的，通常的就业渠道包括网络设备生产商、销售商、网络服务商等。
在5G通信以及工业互联网的推动下，未来物联网的发展前景还是非常广阔的，物联网与云计算、大数据、人工智能也都有紧密的联系，所以物联网专业的知识结构也相对比较丰富。物联网的知识集中在三个方面，分别是设备、网络和物联网平台，其中涉及到嵌入式编程、网络编程以及数据库编程等内容。对于物理基础比较扎实，同时学习能力比较强的学生来说，选择物联网工程专业是不错的选择。
如果有互联网、大数据、人工智能等方面的问题，或者是考研方面的问题，都可以在评论区留言！
这个问题不是那么容易回答，照本宣科，估计你看的也费劲。
先来看一下定义：
软件工程的定义
《计算机科学技术百科全书》：软件工程是应用计算机科学、数学、逻辑学及管理科学等原理，开发软件的工程。软件工程借鉴传统工程的原则、方法，以提高质量、降低成本和改进算法。其中，计算机科学、数学用于构建模型与算法，工程科学用于制定规范、设计范型(paradigm)、评估成本及确定权衡，管理科学用于计划、资源、质量、成本等管理。
比较认可的一种定义认为：软件工程是研究和应用如何以系统性的、规范化的、可定量的过程化方法去开发和维护软件，以及如何把经过时间考验而证明正确的管理技术和当前能够得到的最好的技术方法结合起来。
简单理解软件工程就是，给一个需求或者模型，你用计算机语言，开发一套软件，这个过程就叫软件工程。
网络工程定义
理解和掌握计算机网络与软件工程的理论、相关知识和技能，能构建网络、分析和排除常见网络故障，维护网络的安全和正常运行；能从事计算机应用软件的测试、开发，计算机网络系统管理与维护。
简单理解网络工程就是，做一个项目，你要利用各种网络设备进行组网，使用网络通畅，确保系统进行数据交互，同时你要确保网络安全以及稳定的网络运行环境，出故障，要会解决。
物联网工程，没有定义，简单理解，就是做一个物联网项目，你要组网，连接感知设备，采集感知设备数据，数据稳定传输、数据存储与管理、系统应用功能的开发，系统安全设置与开发，整个项目现场实施部署、交付上线运行，后期运维的整个过程就叫物联网工程。
软件工程是一个广义的概念，包括软件设计人员、软件架构人员、软件工程管理人员、程序员等一系列岗位，工作内容都与软件开发生产相关。软件工程师的技术要求是比较全面的，除了最基础的编程语言（C语言/C++/JAVA等）、数据库技术（SQL/ORACLE/DB2等）等，还有诸多如JAVASCRIPT、AJAX、HIBERNATE、SPRING等前沿技术。此外，关于网络工程和软件测试的其他技术也要有所涉猎。
网络工程：对象主要是指计算机网络，涉及到计算机网络的建设、维护、优化等内容。
物联网工程：对象是指物联网，是指利用各种检测装置检测各种设备上的参数，通过无线网络等通讯方式传送到互联网上，通过互联网的云计算方式进行数据的存储和处理，从而对设备进行监控的工作方式
这几个专业都是相通的，相比而言专业性较强的是计算机科学与技术、软件工程、网络工程，其他的几个涵盖面比较广了包含以上三个。发展潜力来看都差不多，我比较看好电子信息工程，其次信息工程，再次通信工程，不过信息、通信在在学校里学的那点简直就是皮毛中的皮毛，不过在学校里能打好基础的话，任何一个学好了，其他几个都很容易上手，因为他们弱电强电都要用到，都是想通的。软件、网络专业性很强了！
一个搞软件，一个搞网络，一个搞硬件国内工业物联网平台很多，不同的物联网应用程序差异很大。如果平台提供商做过与之前应用程序类似的工作，那么这是一个很好的选择指标，用它来衡量是否满足自己的具体需求。
工业物联网平台选择SAP思爱普，SAP是德国“工业40”的核心发起单位之一，也是其中的唯一一家软件公司，是“工业40”技术标准的制定者之一。过去多年SAP一直致力于推动德国“工业40”与“中国制造2025”的对接，帮助中国制造实现数字化转型。
企业选择工业互联网平台时要注意以下几点：
1、平台的稳定性
选择那些已经经营多年的平台尤为重要，否则如果平台提供商都倒闭了，投资也就跟着打水漂。询问平台现在和以往客户的使用情况，如果他们不能提供，那可能就不是一个好的选择。当然平台的稳定不仅仅是指经营的稳定性，工业环境在数据的采集是多变的，在复杂的现场环境采集数据是对技术的考量也是对平台性能等多方面的要求。
2、平台的可扩展性和灵活性
企业需求会随着时间的推移而改变，确保企业刚开始规模较小的时能够使用这个平台，当企业快速增长、规模变大时也能使用这个平台。除了可扩展性外，平台还应具有足够的灵活性，用以适应快速变化的技术、协议或功能。
灵活的平台通常是基于开放标准之上的，并且承诺跟上不断发展的物联网协议、标准和技术的步伐。平台对网络开放也很重要，这意味着它可以与外部的重要技术、系统集成和合作，而不是局限于一个供应商。
3、平台提供商的以往工作
不同的物联网应用程序差异很大。如果平台提供商做过与之前应用程序类似的工作，那么这是一个很好的选择指标，用它来衡量是否满足自己的具体需求。
工业物联网平台选择SAP思爱普，SAP是德国“工业40”的核心发起单位之一，也是其中的唯一一家软件公司，是“工业40”技术标准的制定者之一。过去多年SAP一直致力于推动德国“工业40”与“中国制造2025”的对接，帮助中国制造实现数字化转型。
物联网技术应用范围非常广，例如：
1、智能家居；智能家居是利用先进的计算机技术，物联网技术，通讯技术，将与家具生活的各种子系统有机的结合起来，通过统筹管理，让家具生活更舒适，方便，有效，与安全。
2、智能交通
3、智能医疗
4、智能电网；智能电网是在传统电网的基础上构建起来的集传感、通信、计算、决策与控制为一体的综合数物复合系统，通过获取电网各层节点资源和设备的运行状态，进行分层次的控制管理和电力调配，实现能量流、信息流和业务流的高度一体化，提高电力系统运行稳定性，以达到最大限度地提高设备效利用率，提高安全可靠性，节能减排，提高用户供电质量，提高可再生能源的利用效率。
5、智能物流
6、智能农业
7、智能电力
8、智能安防
9、智慧城市
10、智能汽车
11、智能建筑
12、智能水务
13、商业智能
14、智能工业
15、平安城市
工业40蓄势待发，工业制造领域的大变局意味着中国有机会将过去几十年来积累的制造经验转化成创造的基础，复杂的制造业场景给了企业更多创新的机会。
在此之中，软件工程师扮演着什么样的角色？什么是工业物联网的基础设施？
“物联市场 线上对谈”是由边无际发起的立足物联网行业的访谈栏目，第一期邀请到零碳数科CEO闫保磊，与边无际CEO陈永立、边无际COO郑凯文一起畅聊工业物联网的行业现状与软件平台的解决方案。
郭琦：请闫总介绍一下零碳数科。
闫保磊：零碳数科是一家工业互联网平台企业。从名称上讲，数科和零碳揭示了我们的特色，数科寓意数智化，零碳寓意碳中和，我们认为二者相得益彰。因此，我们研发的产品和技术致力于实现产业链供应链的数智化和低碳化转型，目前主要切入四个领域，分别是能源管理、碳管理、供应链管理以及智能制造。我们的愿景是打造“立足中国·服务世界”的跨行业跨领域的工业互联网平台，打造“SaaS+PaaS”协同研发、“产品+服务”双轮驱动的特色模式，深耕能源、化工、钢铁、机械、农产、橡胶、玻璃、建筑、园区等行业和场景。我们已在北京、天津、厦门和烟台设立子公司，客户分布于中国、美国、德国、韩国、新加坡等20多个国家和地区，包括多家世界“500强”企业。总之，我们还是家比较年轻的公司，取得了一些成绩，对工业互联网对发展有一些感受。
郭琦：工业物联网领域有什么独有的特点？
闫保磊：第一，工业互联网被国家定义为“新基建”之一，可见它的定位意义深远，对中国制造的转型升级是基础性的和关键性的，是未来的国之利器。既然工业互联网主要是服务工业的，那么可以说“工业为本，数科为器”，这里的“数科”是指以物联网、大数据为代表的数字科技，它作为一种新型工具为工业赋能，这才是工业互联网的底层逻辑。
第二，工业互联网是新兴技术，主要面向的是工业应用场景。当然，它还不完善。一是中国工业的特征是参差不齐，既有比肩工业40的先进制造业，也有停留在工业20甚至10的原始状态。这种工业发展的不平衡性决定了我国的工业互联网建设必然是艰难而漫长的。
第三，我们的愿景是打造工业数智化转型的底层 *** 作系统，也就是工业互联网平台。首先以提升我们自己开发解决方案效率为目的，未来也可以开放给软件开发企业甚至是客户，支持他们更便捷高效地开发工业场景的解决方案。但是，就目前而言，我们认为工业企业更迫切的需求是产品或者说解决方案，而不是平台。因此，我认为中国的工业互联网的建设应该是“先产品，后平台”，丰富的产品的共性部分逐渐沉淀下来，像沙漏一样堆积成跨行业跨领域的通用平台。
郭琦：边无际也是致力于要做物联网的底层系统，请边无际CEO陈永立来聊一聊，我们可以提供什么样的技术解决方案？
陈永立：边无际主要的产品是一套类似于IoT界的安卓的一套系统，我们认为安卓在移动时代它的核心是一个开发框架。因为有了安卓或者iOS这样的系统，可以让整个移动端的生态的开发门槛变得非常低，生态也可以爆发。在这个万物互联时代，我们认为以后包括工业互联网、工业物联网等，这一切的背后核心的解决方案的开发者都是程序员。我们需要给这些程序员一套好用的工具，也就是我们边无际所致力于打造的底层的基础设施。
郭琦：基础设施这两年是特别热门的一个词，由于我国发展到了一定的阶段，想要把基础设施的建设的会亮提上来，超过以前的纯粹代工的一个产业状态。想请闫总谈一下，在基础设施建设上我们遇到的难点主要是什么？
闫保磊：提到工业互联网平台，国内很多企业都在做这个领域的工作。既然是基础设施，其实它是一个从零到一的建构过程，大家的侧重点是不一样的。工业互联网分很多层次，不同企业定位的主要发力点是不一样的，我们更重要的关注点是在PaaS或SaaS层的开发工作。底层的一些基础设施是需要合作伙伴共同去构建的一个体系，由不同公司的基因和团队的核心竞争力决定。对于我们自己公司来讲，大量的客户都是直接面向工厂或工业园区的终端客户。做面向客户的整体方案过程中，我们是没有问题的，但是更底层的一些技术框架，怎样提升开发解决方案的效率，是需要边无际这样的团队或者企业来提供。在底层的构建上，尤其涉及到 *** 作系统的一些模块，是我们类似的企业共同需要的能力补充。还有一点，我多次强调的“工业为本”，工业机理是一个非常基础性的东西，缺乏对工业机理的深刻理解很难构建出满足工业需要的平台，这是很多人常常忽略的一点，甚至可以说是一个主要难点。只有将工业机理和数字科技深度融合起来，才可能打造出好的基础设施。
郭琦： PaaS业务和SaaS业务比较难做，原因是需要整合的领域、技术是比较多的。想请闫总谈谈我们在推进过程中需要哪些合作伙伴？
闫保磊：中国的工业门类齐全，行业众多，跨行业复制能力是一个稀缺能力。你在这个行业干得好，未必在其他行业也能干好。谁能解决跨行业复制问题，谁就是未来真正的王者。这与我们所使用的消费互联网显然是不同的。因此，有的企业就会专注做一个行业。作为平台型企业，就需要和不同行业的解决方案提供商合作。
工业的数智化转型是一个系统工程，绝非提供一个app就能解决的。比如会有大量的工业现场的工程问题，像安装传感器、调试通信等。这些专业型的工作同样需要合作伙伴一起参与。除此之外，还有云服务、数据分析以及基于数据分析的咨询等等。这些工作既可以一家公司都做了，也可以和其他企业合作。
还有一点我认为全世界还没有一个特别好的平台出现，类似于安卓、iOS或者Windows系统，工业界还没有公认的特别好的，这是一个重要的现状。构建底层都 *** 作系统是一个漫长的过程，当然也很困难，需要有一批这个领域的企业加强合作共建。
郭琦：工业物联网是两种体系的匹配，工业指向了客户需求到底在哪，工具是技术的解决方案，只有联合起来才能共同推动生态的建立。想请问一下陈永立，我们是一个技术导向开始发起创业的公司，你是怎么判断工业物联网的时代从此开始有了我们的机会呢？
陈永立：这个话题可能更偏技术一点。我们观察到由于容器以及云原生的技术日渐成熟，有机会做一个能够把非常碎片化、非常零散的物联网底层，用软件的方式统一化一套底层的技术。
我们这个团队有微软、亚马逊等的做云计算的基因，在这方面有一些比较深刻的理解，做出了一套底层的开发框架。如果我们只有一套开发框架，比如iOS、安卓、包括Windows，其实没有给客户带来直接的价值。Windows一开始之所以有价值，是因为它上面有Office，iOS和安卓之所以有价值，可能因为有微信、今日头条等真正的应用，所以是平台中还有平台的机会，我感觉是一个非常大的浪潮，而且是可能持续几十年的事。
郭琦：任何技术只有真正到了能用、能有人的感受、能够 *** 控，才可能产生价值和意义。想请问闫总，您是怎么判断工业物联网真的到来了，我们现在要走出去第一步的话，那个最痛的痛点在哪？
闫保磊：判断浪潮的到来，一是行业研究报告或者知名企业的战略转型计划。二是靠团队的集体智慧和判断。我和我的团队成员很多在工业领域工作十年以上，近距离观察和亲身参与了工业数字化项目的策划和落地。总之，我们主要是基于工业发展规律和多年经验作出判断，并制定公司发展战略。
从全球的趋势来讲，大家都处于差不多的阶段，就是从自动化向数字化和智能化方向转型，我们经常到工厂现场，有切身体会。2019年我们做了产品开发和验证，并在全球20多个国家做了落地案例，基本上判断工业40的浪潮确实不仅是某一个国家的事情，应该是全球同步要做的事，尤其是以中国、美国、日本、欧盟等工业基础比较好的国家和地区。
我们现在要走出第一步最痛的点应该是利用好技术为工业解决实际问题，而不是一些空泛的概念。工业企业是理性的，不能带来实际价值的东西是不可持续的。
郭琦：凯文很长一段时间在麦肯锡工作，对工业物联网领域有很深的观察，凯文是怎么判断现在这个行业是什么阶段，发展的怎么样？
郑凯文：从全球范围来看，我们可以坚信40一定会发生，而且是下一波能够引领不只是制造业，我觉得是全球多个行业、多个产业变革的一个核心。根据过往有限的咨询项目经验来看，国内总体的数字化或自动化的程度还是有些参差不齐的，而且越往前走越接近40这个目标的企业就更少，我觉得是时间的问题。
因为本质上过往的10年或15年，我们还是一个劳动密集型的生产型的国家。随着人工成本的增加，对于精密制造、科技型产业制造的需求不断扩大，所以自动化、数字化可能是唯一的途径。可能头部的一些企业在这方面已经做了一些投资，包括一些尝试，腰部或者尾部的企业，现在更多的可能还是跟随的状态。如果让我来说一个形状的话，我觉得还是一个三角形，很不幸是个正三角形。如果有一天我们能变成一个倒三角，大部分头部企业都已经做到数字化的时候，这可能是我们真正把这个产业做到比较先进、比较辉煌的时候。
郭琦：工业物联网刚刚起步，甚至在全球范围内都是刚刚起步，包括我们国家这次真正地和全球化并行同步起来，然后能达到从小部分人的尝试，变成更大部分人的头部企业都实现的自动化的程度。永立是从美国微软回来，之前面对的技术、产品、生态都是全球化程度最高的。你观察到的在全球范围内工业物联网领域，技术是如何协同起来的，它的先进技术到底是什么？
陈永立：我在微软的时候经历过一次特别大的战略转型，从“mobile first, cloud first”（移动为先，云为先），转变为“intelligent cloud and intelligent edge”（智能云和智能边缘），去掉了“移动”增加了“边缘”。“边缘”代表的是“边缘计算”（edge computing），我认为它的底层核心就是物联网，物联网价值最高的场景就是工业物联网，微软这种巨头公司也已经把整个战略重心向这边倾斜，与之而来的是有一套跟边缘计算有关的技术。
实际上，在云上面的技术很多时候并不适合在现场使用。举个简单的例子，我们需要有低延迟支持工业现场做实时决策。如果我们用云，数据要先传到云上，经过计算再回到本地，可能是几百毫秒的延迟。但如果我们在工业现场立刻用边缘计算进行处理，可能会降低到几毫秒，对于网络延迟方面的一个指标上就有百倍的提升。有很多的底层的基础设施以后，上层的应用就有了可能性。比如我们在一个工厂里有一个本地的小型数据中心，可以支持工业40的所有实施决策，无人工厂运行的所有计算是在本地进行，本地处理保护了数据的安全性，解决了客户的顾虑，尤其是工业客户要求在本地部署的情况很多。
郭琦：边缘计算是现在越来越热门的部署技术方案，请永立深入讲解一下，面对开发者用他们理解的语言解释，边无际怎样实现边缘计算的功能？
陈永立：边无际的核心产品是Shifu，是把物联网的设备封装成微服务，并把它的核心能力以API的形式开放出来。在做开发的时候不需要对接零散的生态，已经做好了一套数据底座，需要什么设备的能力可以直接调用。
郭琦：基于边无际的解决方案，联合零碳数科的能力，我们想做的PaaS平台、SaaS平台是想让软件工程师们改变制造业，提高制造业的智能工厂的效率。零碳数科探索得更加深入，闫总可以举例讲一下在发展用户的过程中，用户真实遇到的情况是什么，可能遇到哪些场景，哪些场景有特别的困难需要我们攻克？
闫保磊：工业互联网的应用参差不齐，确实是中国工业的现状。个人觉得目前我们的几个产品或者说解决方案，对应着工业互联网可以率先应用的场景。能源和碳的管理是我们特别重要的一个产品模块，目的是怎样更好地用数字技术帮助企业节能减排。工厂的节能技改、节能减排其实已经做了很多年，但现在大家会觉得再推进下去难度非常大。我们认为主要原因是，比较容易做的事情凭借老师傅、老工人的经验，基本上已经解决，如果缺乏数据支撑再去做深度挖掘，是很难做到的。
在工业场景中的数据，可能没有，或者数据的维度、颗粒度和质量都非常差，不足以支撑做深度分析，那么工业互联网技术就可以发挥作用。就像病人去医院首先要做全面体检，拿到各种参数，在工厂场景当中，我们要获取数据需要与设备去对接。工业场景的设备种类成千上万，只靠一个个接入可以获取数据，但是从底层来讲，我们希望市场上有一种能力把连接设备的效率提高，成为一个标准化模块，我觉得这是一个难点。
能源和碳管理可以扩展来看，像设备运维、生产制造、仓储物流等，我们对接的传感器或边缘侧的设备种类繁多，并且工业领域的协议也是比较复杂的，降低了解决方案的开发速度，这个事情值得我们认真研究。希望边无际能够做得更完善，对于我们这样的企业来讲，也会有很大的助力。
郭琦：如果工业互联网继续向前进，技术上得到了一些解决和积累之后，工业物联网会呈现出什么样的场景，我们想追求的是实现什么样的功能，实现什么样的工业物联网？
郑凯文：我们现在谈的工业物联网向前发展的本质是绩效，就是提高效率。提升效率的障碍主要是数据跟数据之间的壁垒没有被打通。举个简单例子，一家公司从产品定义到后期的采购、供应链、生产、销售、维保等整个周期内，最基本的一点数据能够让各个部门打通。现在很多公司没有这个基础，并不是企业老板不想做，而是市场的确有很多阻碍。
设备在设计的时候，它的自动化水平或者是数字化能力是不一致的，没有很规范的行业标准，可能从不同的供应商拿到解决方案拼凑出一套数据，中间会有漏包、无法及时沟通等情况。现在第一是数据的利用率不高，第二是拿到数据之后，怎么样分析数据提升现有效率，很多企业能在一部分的环节当中做到，但我觉得整个产业链全盘优化的话，计算量很大，而且对企业内部数据分析的能力要求很高。我们传统制造业以前是不太注重这部分的，更多是靠经验，靠商业模式去完善所谓的效率。我觉得向前发展的话，数字化的基础可能会是提高效率的一个最核心的起点。
郭琦：从数据收集工作到处理工作没做好的话，通过数据去指导生产，指导项目的效率肯定是会出现问题的。事实上，互联网是在近两年才重新注重大数据和人工智能的结合，用数据去指导生产生活，可能下一步真正进入到生产制造的领域当中。我们是有客户的，客户的需求往往也比较明确，在一些方面我们可以提供支撑。在闫总的设想中，零碳数科的商业模式是什么，未来会发展成什么样子？
闫保磊：一个公司的未来取决于团队的基因，基因决定了核心竞争力。我们团队的核心成员在工业场景的解决方案和经验方面是丰富的，对工业机理的理解是深刻的。同时，数字科技领域有来自微软等知名企业的专家。这种团队配置也呼应了“工业为本，数科为器”的判断。目前我们做的工作主要围绕工业客户，未来希望开发出更多数智化解决方案。
现在我们有几十个细分的解决方案，相比于未来市场上可能有百万级别的解决方案显得还很少。我们希望能够开发出擅长领域的解决方案，打造出一个应用商店，让我们的客户能够在里面挑选适合的产品和解决方案，可以满足工业企业不同行业、不同场景、不同阶段的需求。现在的工作是从客户比较急迫的、能够带来现实价值的场景切入，主要围绕能源和碳，以及供应链、智能制造、设备运维。我们不会进入营销、销售等领域，这些基本上用不到物联网。
怎样支撑未来百万级的场景解决方案的开发，怎样连接五花八门的设备获取高质量的数据，是全球通用的一个难题，对中国参差不齐的工业来说更是巨大挑战。如果没有这样技术的支撑，开发解决方案的效率会非常低。我们决心不断丰富产品矩阵，能够让客户找到适配需求的解决方案，这是我们商业模式的远景，也是我们正在做的工作。
郭琦：目前在做基础设施，未来可以模块化处理，让客户能通过拖拉拽的形式实现生产场景的解决方案的获得。请永立讲一下我们的商业模式是什么，现在对商业模式的思考是什么？
陈永立：我们未来想作为一个比较通用的物联网底层的开发工具或框架，给物联网的开发进行赋能。传统的Web开发或 移动开发 已经有很多可行的商业模式，比如美国的GitLab是给传统的开发者做一站式的解决方案，以SaaS加PaaS的形式进行收费。开发者工具的公司都很流行用一种增长模式PLG（Product Led Growth），先让大家免费使用社区版或基础版高效地获取产品的价值，同时可以提升日常工作的效率。如果有安全或稳定性等额外需求，会有企业版的增值服务。最终想做成什么样子，如果是以C端大家可以感知到的可能是类似于Windows、iOS或安卓，更确切一些可能更像AWS或阿里云，大家可以用已有的云服务、基础设施直接进行开发。
郭琦：如果给中国的工业物联网一个期待的话，你们希望它会是什么样子的？
闫保磊：我对这个行业和技术充满期待。首先，工业互联网作为新基建之一是中国制造业能够做大做强的核心竞争力的来源。其次，中国的工业互联网必须符合国情。中国的工业基础跟全球其他国家，尤其是西方国家的制造业有比较大的差异。怎样更好地服务国内的工业客户是首个应当回答的问题。希望中国的工业互联网企业在吸收全球的经验、理念的前提下，联系中国工业实际，打造有中国特色的工业互联网平台。
再次，希望中国的技术能够走向其他国家。2019年，我们做了大量的海外项目。我认为中国的技术走向全球的可能性是存在的，中国的技术在国外的市场空间是非常大的。我希望工业互联网技术在中国发展壮大之后，能够走向其他国家。
最后，工业互联网不是一个技术，而是一个复杂的系统，它涉及的技术非常多。我们在应用这个技术的过程中，融合了工业技术、人工智能、数字孪生等其他数字技术，包括机器人、无人机技术也已被融合在解决方案当中。仅靠几家企业是不行的。我希望相关企业更好地协同，加强互动和交流，共同构建工业互联网生态。
郭琦：大家都希望新基建成为强基建，让生态真正做起来，让中国的人才聚拢起来为工业物联网的这一次迈进做贡献。做企业要呼应国家战略让国内市场和国际市场双市场双循环，既服务于国内，发展大客户，也服务于国际，不卑不亢地走向全球市场。请陈永立来讲一下期待是什么？
陈永立：我的期待就是中国制造变成中国创造。
就像零碳数科已经在做的一样，已经在把中国创造出来的技术输出服务给国外企业，甚至一些发达国家的企业。我们做为中国人，尤其是技术驱动的公司，一定要树立好自己的自信心，我们绝对不会做的比别人差。我回国创业的一个很大的原因是制造业的基本盘是在中国，场景也是最多的，我们用最多最杂、甚至最复杂的场景，理论上可以打磨出最好的产品，然后出口给全世界。
我觉得中国的以制造业为基本盘的所有技术方案都有这个机会，可能在下一次的工业浪潮中，在中国会出现自己的类似于西门子，或者工业版的微软、亚马逊、谷歌等这样的公司。
院校专业：基本学制：四年 | 招生对象： | 学历：中专 | 专业代码：080905
培养目标
培养目标
培养目标：本专业培养德、智、体等方面全面发展，掌握数学和其他相关的自然科学基础知识 以及和物联网相关的计算机、通信和传感的基本理论、基本知识、基本技能和基本方法，具有较强 的专业能力和良好外语运用能力，能胜任物联网相关技术的研发及物联网应用系统规划、分析、 设计、开发、部署、运行维护等工作的高级工程技术人才。
培养要求：
1．掌握马列主义、毛泽东思想与中国特色社会主义基本理论，具有良好的人文社会科学素 养、职业道德和心理素质，社会责任感强；
2．掌握从事本专业工作所需的数学等相关的自然科学知识以及一定的经济学、管理学和工 程科学知识；
3．系统掌握物联网专业基础理论知识和专业知识，理解基本概念、知识结构、典型方法，理 解物理世界与数字世界的关联，具有感知、传输、处理一体化的核心专业意识；
4．掌握物联网技术的基本思维方法和研究方法，具有良好的科学素养和一定的工程意识， 并具备综合运用掌握的知识、方法和技术解决实际问题的能力；
5．具有终身学习意识以及运用现代信息技术获取相关信息和新技术、新知识的能力；
6．了解物联网的发展现状和趋势，具有技术创新和产品创新的初步能力；
7．了解与本专业相关的职业和行业的重要法律法规及方针政策，理解工程技术伦理的基本 要求；
8．具有一定的组织管理能力、表达能力、独立工作能力、人际交往能力和团队合作能力；
9．具有初步的外语应用能力，能阅读本专业的外文材料，具有一定的国际视野和跨文化交 流、竞争与合作能力；
10掌握体育运动的一般知识和基本方法，形成良好的体育锻炼习惯。
主干学科：计算机科学与技术、电子科学与技术、通信工程。
核心知识领域：物联网技术体系、标识与感知、物联网通信、物联网数据处理、物联网控制、物 联网信息安全、物联网工程设计与实施等。
核心课程示例（括号内理论学时+实验或习题课学时）：
示例一：物联网工程导论（18学时）、物联网通信技术（45 +18学时）、RFID原理及应用(45+ 18学时)、传感器原理及应用（45 +18学时）、传感网原理及应用（45 +18学时）、物联网软件设计 （27 +18学时）、物联网数据处理（54学时）、物联网中间件设计（27 +18学时）、物联网应用系统 设计（54学时）、嵌入式系统与设计（45 +18学时）、传感器微 *** 作系统原理与设计（36+36学 时）、物联网控制原理与技术（45 +18学时）、物联网定位技术（45 +18学时）、物联网信息安全 （45 +18学时）、物联网工程规划与设计（36学时）、计算机网络（54学时）。
示例二：物联网工程概论（30学时）、物联网算法基础（60 +15学时）、物联网硬件基础(60+ 15学时)、传感网与微 *** 作系统（45 +15学时）、物联网安全与隐私（30学时）、无线单片机与协议 开发（60+15学时）、JAVA语言程序设计（30 +15学时）、物联网移动应用开发（20 +10学时）、物 流管理信息系统（30+15学时）、RFID系统（30学时）、物联网嵌入式系统开发（20 +10学时）、多 传感器数据融合技术（60学时）、云计算（30学时）、物联网与智慧思维（30学时）、移动人机交互 技术（30学时）、社会计算（30学时）。
示例三：物联网工程导论（18学时）、物联网体系结构（40学时）、传感器原理及应用( 36+10 学时)、物联网数据处理（40+10学时）、嵌入式系统原理（40 +12学时）、物联网工程规划与设计 （40+10学时）、物联网应用系统设计（50学时）、物联网通信技术（40 +14学时）、RFID与智能卡 技术（40+10学时）、物联网控制技术与应用（40+14学时）、物联网信息安全（40 +14学时）、传感 器网络及应用（40 +14学时）、网络规划与设计（40 +14学时）、数据仓库与数据挖掘（40+10学 时）、信息系统分析与集成（40+14学时）、软件集成与服务计算（40+10学时）。
主要实践性教学环节：课程实验、课程设计、专业实习、毕业设计（论文）。
主要专业实验：传感器实验、传感网实验、物联网通信实验、物联网数据处理实验、物联网工 程规划与设计实验。
修业年限：四年。
授予学位：工学学士。
职业能力要求
职业能力要求
专业教学主要内容
专业教学主要内容
《嵌入式原理及应用》、《无线传感器网络》、《汇编语言与微机原理》、《传感器微 *** 作系统原理与设计》、《应用密码学》、《光电子物理基础》、《模拟电子技术》、《数字建模》、《微处理器系统设计》、《物联网信息处理技术》 部分高校按以下专业方向培养：电商物联网、移动嵌入式、智能机器人、物联网大数据采集与分析。
专业（技能）方向
专业（技能）方向
IT类企业：物联网工程、物联网系统设计架构、物联网应用系统开发、物理网系统管理、网络应用系统管理、物联网设备技术支持、云计算。
职业资格证书举例
职业资格证书举例
继续学习专业举例
就业方向
就业方向
物联网专业就业前景
目前，教育部审批设置的高等学校战略性新兴产业本科专业中有“物联网工程”、“传感网技术”和“智能电网信息工程”三个与物联网技术相关的专业。此三个专业从2011年才开始首次招生，目前为止还没有毕业生，所以，无法从往年的就业率来判断未来的就业情况，但可从行业的整体发展趋势和人才市场的需求等方面了解该专业未来的就业形势。
作为国家倡导的新兴战略性产业，物联网备受各界重视，并成为就业前景广阔的热门领域，使得物联网成为各家高校争相申请的一个新专业，主要就业于与物联网相关的企业、行业，从事物联网的通信架构、网络协议和标准、无线传感器、信息安全等的设计、开发、管理与维护，也可在高校或科研机构从事科研和教学工作。未来的物联网技术要得到发展，需要在信息收集、改进、芯片推广、程序算法设计等方面有所突破，而做到这些的关键是如何培养人才。柏斯维也指出，从整体来看，物联网行业是非常需要人才。
对应职业（岗位）
对应职业（岗位）
其他信息：就业方向：该专业毕业生可以去自动化企业、智能家电、智能家居、工业控制企业、数字娱乐公司等领域就业，具体就业岗位包括射频识别开发工程师、物联网嵌入式硬件开发工程师、物联网嵌入式硬件测试工程师等。 就业方向 物联网工程专业毕业生能在政府管理部门、科学研究机构、设计院、咨询公司、建筑工程公司、物业及能源管理、建筑节能设备及产品制造生产企业等单位从事建筑节能的研究、设计、施工、运行、监测与管理工作。 根据以往的调查数据显示，北京、上海、广州、深圳等高新技术城市是这类人才的聚集地，大量的工作机会都在这些城市。从事物联网及互联网的协议标准与系统、通信架构、无线传感器、信息安全等的综合设计、开发、应用、管理与维护工作，或可继续深造，在高校或科研机构从事研究和教学工作。
可以应用在云计算方面。
大数据具体的应用：
1、洛杉矶警察局和加利福尼亚大学合作利用大数据预测犯罪的发生。
2、google流感趋势(Google Flu Trends)利用搜索关键词预测禽流感的散布。
3、统计学家内特西尔弗(Nate Silver)利用大数据预测2012美国选举结果。
4、麻省理工学院利用手机定位数据和交通数据建立城市规划。
5、梅西百货的实时定价机制。根据需求和库存的情况，该公司基于SAS的系统对多达7300万种货品进行实时调价。
6、医疗行业早就遇到了海量数据和非结构化数据的挑战，而近年来很多国家都在积极推进医疗信息化发展，这使得很多医疗机构有资金来做大数据分析。
7、及时解析故障、问题和缺陷的根源，每年可能为企业节省数十亿美元。
8、为成千上万的快递车辆规划实时交通路线，躲避拥堵。
9、分析所有SKU，以利润最大化为目标来定价和清理库存。
10、根据客户的购买习惯，为其推送他可能感兴趣的优惠信息。
扩展资料：
大数据的用处：
1、与云计算的深度结合。大数据离不开云处理，云处理为大数据提供了d性可拓展的基础设备，是产生大数据的平台之一。
自2013年开始，大数据技术已开始和云计算技术紧密结合，预计未来两者关系将更为密切。除此之外，物联网、移动互联网等新兴计算形态，也将一齐助力大数据革命，让大数据营销发挥出更大的影响力。
2、科学理论的突破。随着大数据的快速发展，就像计算机和互联网一样，大数据很有可能是新一轮的技术革命。可能会改变数据世界里的很多算法和基础理论，实现科学技术上的突破。
参考资料：
百度百科--大数据
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）