Community of Practice & Degree Expectations
本页目录· 6 条
Professional Pathways
| Pathway | 核心关注 | FIT5120 可贡献证据 |
|---|---|---|
| MIT / DevOps | 连接 development 与 operations；automation、CI/CD、monitoring、reliability。 | Deployment pipeline、environment、logging、release evidence。 |
| MDS / Data Science & ML | problem framing、data preparation、analysis / modelling、evaluation；ML Engineer 将模型可靠地产品化。 | Dataset quality、analysis、model limits、reproducible pipeline。 |
| MBIS / Business Analysis | 理解 stakeholder needs、process 与 value；把业务问题转成可验证 requirements。 | Problem statement、requirements、acceptance criteria、change log。 |
| MCS / Cybersecurity | 监控、investigation、risk、incident response 与 confidentiality。 | Threat model、privacy、secure design、vulnerability / incident evidence。 |
| MAI / AI | 模型、agents、human-AI interaction、evaluation 与 responsible AI。 | AI architecture、permissions、human oversight、testing 与 limitations。 |
Role Insights from the Videos
- DevOps：不是单一工具，而是文化、流程与 automation，使小批量 change 能持续 build、test、release 和 monitor。
- Data Scientist：真实工作包含理解业务问题、清理和探索数据、编程、沟通与 meetings，不只是训练模型。
- ML Engineer：连接 data science 与 production software，需要 programming、ML、systems、deployment 与 monitoring。
- Business Analyst：通过 re-imagining processes 与 continuous improvement 连接 stakeholders、data 与 delivery。
- Cybersecurity Analyst：日常价值常体现在预防与响应；需要处理 alerts、investigation、risk communication 与文档。
AI Assistant vs AI Agent
- Assistant：在用户互动中回答、总结或共同完成任务。
- Agent：可针对专业目标执行多步骤工作，拥有 memory、entitlements 与 tools，并可能在许可下采取行动。
- Agent 风险更高，需要 secure access、least privilege、human-in-the-loop、logs、testing 与 error handling。
Community of Practice Activity
- 每位成员说明自己的 degree expectation 与代表技能。
- 采访不同 pathway 的同学，记录“他们如何判断质量”。
- 把每种专业能力映射到当前 Iteration 1 tasks。
- 找出 capability gaps，并安排 peer teaching / pairing。
- 在 ePortfolio 保存采访、决策与跨专业合作证据。
Team Matrix
| Member | Degree / Strength | Iteration contribution | Peer-teaching topic |
|---|---|---|---|
| — | — | — | — |