EXECUTIVE EDUCATION

科技创新管理

掌握技术领导力 全面升级管理思维

Course Dates

开课日期

2022年5月18日

Course Duration

课程时长

课程时长 6个月
每周在线学习4-6小时

Course Duration

课程费用

62,800 RMB

引领下一次变革

正如技术和商业联合起来创造价值一样,技术和领导力也共同需要一种新型的领导者。 现在是时候走出舒适区,为下一次变革做好准备了。

为支持技术专业人员踏上这一征程,麻省理工学院的逾15名讲师,将他们在关键技术加速领域的专业知识,以及组织战略和领导力原则,整合至6个月的技术和创新加速成长在线课程中。

领导者为未来做好准备的关键,是要用卓越的方式管理技术和人才,这也是麻省理工的教学方式。

组织原则:技术管理的6大支柱

支柱1:批判性思维
分析证据、思考替代解决方案、解决复杂问题

支柱2:系统性思维
了解系统组件如何相互交互、识别相互依赖关系、解决更多问题

支柱3:通过新兴技术创造价值
评估哪些技术可以解决问题并获得回报

支柱4:颠覆性创新
建立指数级增长的基本规则

支柱5:组织战略
确定技术如何影响您的组织结构和战略

支柱6:领导力
调动人力和资源,实现突破性绩效

本课程适读人群

每个行业都有可能遭遇颠覆性变革。本课程非常适合希望掌握技术创新的前沿动态,同时在组织规划、规划战略的管理者,包括:

  • 高级技术主管—— 引领技术创新、打造高效团队,并制定战略确保组织步调一致

  • 中高层经理—— 准备担任技术领导职务

  • 职能部门主管和业务负责人—— 希望推动技术创新和战略

  • 咨询师—— 希望探索新兴技术,例如AI和AR/VR工具,推动创新,同时关注商业应用,为客户提供最新解决方案

课程要点

  • 技术引领变革 发现颠覆性增长机会
    探索新兴技术及其商业应用,包括人工智能、增强现实、虚拟现实和量子计算等。掌握如何甄别与业务相关的关键技术,并制定、落实策略实现突破性创新。

  • 全面提升领导力 打造有竞争力的团队
    通过先进的领导力策略,将组织战略与产品及团队相结合,打造有创新文化和能力的团队。

  • 培养全局管理思维与能力 实现创新商业模式
    升级管理者的思维方式,用体系结构来分析复杂的系统或过程,为业务打造全新商业模型,实现颠覆性增长。

课程单元

在6个月的课程中,您将研究技术管理的6个关键支柱,帮助您掌握卓越的管理人才和技术。

单元1:

介绍批判性思维

了解批判性思维和元认知的概念,以及用于计划、监督和评估自己的理解力。学会运用批判性思维,通过分析解决复杂问题批判性地识别支持或反对替代解决方案的证据类型。

单元2:

语境中的批判性思维

接收有关信息素养的概念和各种研究技术的介绍,帮助您形成结论。评估证据的强度,并将证据与不同的社会和技术因素联系起来。

单元3:

结构化的决策过程

通过使用Pugh矩阵和评估矩阵,实践集中于收敛和收集信息的群体决策过程。了解MIT D-Lab如何将这些矩阵应用到他们的研究中, 制定和推进应对全球贫困挑战的实际解决方案。

单元4:

系统思维基础

通过一系列多样的自我评估活动和学习,了解系统思维的要素。将这些概念应用到您选择的个人和专业活动系统中。

单元5:

系统性思维的供应链和计算方法

学习系统思维如何应用于多种应用领域,包括物流,运输系统和计算系统。

单元6:

现代系统结构

描述系统的体系结构,识别架构性决策和非架构性决策。确定构架中的各种元素,并将它们放在系统总体文档的上下文中。

单元7:

采用设计结构矩阵(DSM)和模块化进行建模

学习通过分析设计或转换系统图来构建DSM,构建DSM架构过程,分析它与设计DSM有何不同。

单元8:

以价值为导向的决策

通过定义价值来理解交易空间探索的过程,价值是评估设计的关键指标。通过使用属性来描述设计,开发价值模型,并将这些属性分为不同层次进行评估和归纳。

单元9:

打造基于AI的产品和服务

了解基于AI的产品和服务在设计流程所涉及的各个阶段,重点是AI软件开发计划的成本指标和技术要求。

单元10:

机器学习

学习各种机器学习算法,研究不同的方法,如贝叶斯和回归模型。学习机器学习算法的非监督和半监督方法。运行并分析各种机器学习算法的结果。

单元11:

深度学习

基于在单元10中获得的机器学习基础知识,探索深度学习的基础知识。主题包括神经网络、人工神经元和复杂网络的模拟。

单元12:

设计AI机器来解决商业问题

了解AI产品中使用的超人类智能。比较并对比使用AI技术的优缺点。

单元13:

增强现实和虚拟现实(AR/VR)

探索沉浸式媒体,包括增强现实和虚拟现实。学会区分AR、VR和混合现实的独特元素,了解每个元素的软件和硬件需求。

单元14:

AR / VR的未来

了解AR/VR在医学、军事、教育等不同领域的应用。了解AI增强现实,利用AR/VR驱动的解决方案推动创新。分析5G对AR/VR体验以及COVID-19对远程和虚拟体验的长期影响。

单元15:

量子计算概论

了解量子计算的核心概念,它的起源,以及它如何不同于其他形式的计算。将经典计算机(台式机,笔记本电脑,平板电脑,云服务器等)与量子计算机进行比较和对比。了解量子计算的时间轴,探索经典计算机面临的挑战,但可以在量子计算机上有效地解决的问题。

单元16:

颠覆性创新导论

介绍颠覆性创新,这是一个与渐进创新截然相反的概念。学习现代世界技术创新的核心特征,以及组织执行各类创新所需的理念和战略。

单元17:

颠覆性创新的紧迫性和精神

了解对创新构成威胁的因素,包括内部和外部因素。探索超级技术,商业模式创新,发展创新渠道。

单元18:

引领创新

了解如何创新的最重要的要素。探索不同的方法,如精益和敏捷,执行创新,并学习测试、快速原型和设计,领导组织内创新。

单元19:

技术变革及其对组织战略的影响

了解战略的关键要素,战略的前驱,以及战略对产品的影响。分析技术变革对组织战略的影响,运用战略思维获取竞争优势。

单元20:

建立高效团队

学习如何创建、组织和调动有效启动新项目团队所需的人员和资源,并改进现有状态。研究管理三种主要类型的团队冲突策略:任务相关冲突、关系冲突和过程冲突。

单元21:

领导技术团队新视角

探索不同的策略来提高效率,并成功建立团队。学习构建一个有效的组织以支持团队并帮助其取得成功。实施事后评估,以吸取经验教训,并建立未来的团队合作能力。

单元22:

驾驭并运用网络

了解组织网络,了解不同种类的网络,比如社交网络,封闭网络和开放网络。在组织中领导变革时,确定关键参与者、他们的角色以及重要性。

单元1:

介绍批判性思维

了解批判性思维和元认知的概念,以及用于计划、监督和评估自己的理解力。学会运用批判性思维,通过分析解决复杂问题批判性地识别支持或反对替代解决方案的证据类型。

单元2:

语境中的批判性思维

接收有关信息素养的概念和各种研究技术的介绍,帮助您形成结论。评估证据的强度,并将证据与不同的社会和技术因素联系起来。

单元3:

结构化的决策过程

通过使用Pugh矩阵和评估矩阵,实践集中于收敛和收集信息的群体决策过程。了解MIT D-Lab如何将这些矩阵应用到他们的研究中, 制定和推进应对全球贫困挑战的实际解决方案。

单元4:

系统思维基础

通过一系列多样的自我评估活动和学习,了解系统思维的要素。将这些概念应用到您选择的个人和专业活动系统中。

单元5:

系统性思维的供应链和计算方法

学习系统思维如何应用于多种应用领域,包括物流,运输系统和计算系统。

单元6:

现代系统结构

描述系统的体系结构,识别架构性决策和非架构性决策。确定构架中的各种元素,并将它们放在系统总体文档的上下文中。

单元7:

采用设计结构矩阵(DSM)和模块化进行建模

学习通过分析设计或转换系统图来构建DSM,构建DSM架构过程,分析它与设计DSM有何不同。

单元8:

以价值为导向的决策

通过定义价值来理解交易空间探索的过程,价值是评估设计的关键指标。通过使用属性来描述设计,开发价值模型,并将这些属性分为不同层次进行评估和归纳。

单元9:

打造基于AI的产品和服务

了解基于AI的产品和服务在设计流程所涉及的各个阶段,重点是AI软件开发计划的成本指标和技术要求。

单元10:

机器学习

学习各种机器学习算法,研究不同的方法,如贝叶斯和回归模型。学习机器学习算法的非监督和半监督方法。运行并分析各种机器学习算法的结果。

单元11:

深度学习

基于在单元10中获得的机器学习基础知识,探索深度学习的基础知识。主题包括神经网络、人工神经元和复杂网络的模拟。

单元12:

设计AI机器来解决商业问题

了解AI产品中使用的超人类智能。比较并对比使用AI技术的优缺点。

单元13:

增强现实和虚拟现实(AR/VR)

探索沉浸式媒体,包括增强现实和虚拟现实。学会区分AR、VR和混合现实的独特元素,了解每个元素的软件和硬件需求。

单元14:

AR / VR的未来

了解AR/VR在医学、军事、教育等不同领域的应用。了解AI增强现实,利用AR/VR驱动的解决方案推动创新。分析5G对AR/VR体验以及COVID-19对远程和虚拟体验的长期影响。

单元15:

量子计算概论

了解量子计算的核心概念,它的起源,以及它如何不同于其他形式的计算。将经典计算机(台式机,笔记本电脑,平板电脑,云服务器等)与量子计算机进行比较和对比。了解量子计算的时间轴,探索经典计算机面临的挑战,但可以在量子计算机上有效地解决的问题。

单元16:

颠覆性创新导论

介绍颠覆性创新,这是一个与渐进创新截然相反的概念。学习现代世界技术创新的核心特征,以及组织执行各类创新所需的理念和战略。

单元17:

颠覆性创新的紧迫性和精神

了解对创新构成威胁的因素,包括内部和外部因素。探索超级技术,商业模式创新,发展创新渠道。

单元18:

引领创新

了解如何创新的最重要的要素。探索不同的方法,如精益和敏捷,执行创新,并学习测试、快速原型和设计,领导组织内创新。

单元19:

技术变革及其对组织战略的影响

了解战略的关键要素,战略的前驱,以及战略对产品的影响。分析技术变革对组织战略的影响,运用战略思维获取竞争优势。

单元20:

建立高效团队

学习如何创建、组织和调动有效启动新项目团队所需的人员和资源,并改进现有状态。研究管理三种主要类型的团队冲突策略:任务相关冲突、关系冲突和过程冲突。

单元21:

领导技术团队新视角

探索不同的策略来提高效率,并成功建立团队。学习构建一个有效的组织以支持团队并帮助其取得成功。实施事后评估,以吸取经验教训,并建立未来的团队合作能力。

单元22:

驾驭并运用网络

了解组织网络,了解不同种类的网络,比如社交网络,封闭网络和开放网络。在组织中领导变革时,确定关键参与者、他们的角色以及重要性。

课程亮点

Decorative image relating to text that follows

与麻省理工学院讲师连线互动

Decorative image relating to text that follows

获得个性化作业反馈

Decorative image relating to text that follows

参与每周在线答疑(由课程助教主持)

Decorative image relating to text that follows

学习麻省理工学院的前沿技术和理念

Decorative image relating to text that follows

通过毕业项目学以致用

Decorative image relating to text that follows

获得MIT xPRO证书和10个继续教育积分(CEU)

毕业项目

毕业项目将以6大支柱作为基础,贴近您当前或想要担任的技术领导者角色,实现真正技术管理项目落地。在最终的毕业设计中,您会将使用每个支柱中的内容,解决面临的挑战。您将能够设计一个项目,设置相似参数,应用到现实环境中。

案例研究

Logo for JumpToPC

JumpToPC

对于发展中国家的许多人来说,拥有专属自己的个人电脑并非易事。 麻省理工学院D-Lab正与合作伙伴共同开发一个平台,利用家庭现有的智能手机或电视提供家庭计算解决方案。研究为实现这一跨越前进而做出的战略决策。

Logo for Toyota

丰田

众多丰田车发生“意外加速”,到底是踏板和地垫粘滞,还是传感器或软件的问题? 本案例深入调查,并探讨批判性思维和决策是如何被使用和滥用的。

Logo for The Robot Compiler

机器人编译器

通过数据库中编译部件,系统性思考如何实现定制机器人。 研究机器人制造过程中计算驱动的每个步骤——就这么简单,任何人都可以拥有自己的机器人。

Logo for The Apollo Mission

阿波罗计划

在无数的决策要做和考虑优先顺序情况下,阿波罗团队如何组织复杂的登月任务? 研究阿波罗团队决策流程,区分需要优先处理的架构性决策和可以次级处理的决策。

课程名师

Faculty Member John R. Williams

DEBORAH ANCONA

Seley特聘管理学教授、组织研究教授、麻省理工学院斯隆管理学院MIT领导力中心创始人

Ancona对成功团队运作方式的开创性研究,强调了管理团队内外边界的重要性。Ancona还专注于研究分布式领导力的概念,开发基于研究的工具、实践以及教学/指导模型,帮助组织在各个层级培养具有创造性的领导者。

HAMSA BALAKRISHNAN

麻省理工学院航空航天学教授兼副系主任

Balakrishnan教授目前的研究方向是大型网络物理基础设施的控制和优化算法的设计、分析和实现,重点是航空运输系统。她的研究涵盖理论和实践,包括算法开发和现实世界的实地测试。

Faculty Member John R. Williams

DUANE BONING

麻省理工学院电子工程和计算机科学Clarence J. LeBel教授

Boning教授研究集中于制造业的建模和变量控制,包括集成电路、光电系统、以及MEMS工艺、器件和电路。他的研究领域包括利用统计和机器学习的方法,进行设计开发和先进制造。

BRUCE G. CAMERON

麻省理工学院系统架构实验室主任

Cameron的研究领域包括技术战略、系统架构和产品平台管理。他指导过50多名研究生,曾为亚马逊、英国石油、西科斯基、诺基亚、卡特彼勒、安进、威瑞森和美国国家航空航天局的研究项目提供指导意见。

Faculty Member John R. Williams

EDWARD CRAWLEY

航空航天学教授、麻省理工学院工程学福特教授

Crawley教授重点研究复杂系统的设计,他是《系统架构》一文的作者。他还是美国航空航天协会(AIAA)、美国国家工程院(NAE)以及英国、瑞典、俄罗斯和中国等国家科学院的成员。

OLIVIER L. DE WECK

麻省理工学院航空航天学与工程系统教授

De Weck教授专注于研究如何设计复杂的人造系统,例如飞机、宇宙飞船、汽车、打印机和关键基础设施,以及它们如何随着时间的推移而演变。他主要研究具有最大化生命周期价值潜力的战略属性。

Faculty Member John R. Williams

STEVEN EPPINGER

通用汽车LGO管理学教授、 管理科学和创新教授、 麻省理工学院SDM和IDM课程联合主任

Eppinger博士是产品开发和技术项目管理领域最受认可的学者之一。他的研究被应用于改善复杂的设计流程,以加速工业实践。他是开发设计结构矩阵(DSM)的先驱之一,该矩阵广泛用于管理复杂系统项目。

DAN FREY

麻省理工学院D-Lab研究部教务主任、 麻省理工学院机械工程学教授

Frey教授积极参与为发展中国家设计工程设备,并与同事、行政人员和新加坡教育部密切合作,新建了一个大型工程设计研究中心。

Faculty Member John R. Williams

D. FOX HARRELL

数字媒体与人工智能教授、 麻省理工学院高级虚拟中心主任

Harrell教授的研究探索了想象力和计算之间的关系,包括开发全新形式的虚拟现实、计算叙事、具有社会影响的视频游戏,以及基于计算机科学、认知科学和数字媒体艺术的相关数字媒体形式。

BRUCE LAWLER

麻省理工学院制造与运营机器智能执行主任

Lawler是一名科技企业家和高管人员,曾在多个公共和私营部门任职,并在早期投资方面获得过成功,参与的知名风险投资公司包括Accel、CRV、KPCB、Redpoint、红杉资本和软银等。他在移动应用、SaaS、人工智能系统和视频分发网络方面拥有丰富的专业开发知识。他目前是麻省理工学院制造与运营机器智能执行主任。

Faculty Member John R. Williams

DAVID NIÑO

麻省理工学院戈登工程领导力课程高级讲师

Niño负责麻省理工学院的研究生领导力教育工作。他始终致力于帮助工程师和其他专业技术人员培养领导力,并积极参与国际工程领导中心联盟。他还是美国工程教育学会工程领导发展部的创始官员。

WILL OLIVER

物理学实践教授、 电子学研究实验室(RLE)副主任、 麻省理工学院林肯实验室研究员

Oliver教授担任这些职位,为量子和传统高性能计算技术的发展提供了编程和技术领导力。 他的研究领域包括超导量子比特的材料生长、制造、设计和测量,以及涉及低温CMOS和单通量量子数字逻辑的低温封装和控制电子学的发展。

Faculty Member John R. Williams

RAY REAGANS

Alfred P.Sloan管理学教授,工作与组织研究教授,麻省理工学院斯隆管理学院多元化、公平性与包容性副院长

Reagans教授研究社会资本的起源及其对知识转移、学习效率和整体团队绩效和影响。具体而言,他研究种族、年龄和性别等人口统计学特征如何影响网络关系的发展。

ADAM ROSS

麻省理工学院工程系统部系统工程进展研究计划研究科学家

Ross的研究领域包括先进的系统设计和选择方法、交易空间探索、管理隐形价值、设计可变性、基于价值的决策分析,和系统中的系统工程,并就这些领域的当前研究项目为学生提供建议。

DANIELA RUS

电气工程与计算机科学教授、 麻省理工学院CSAIL主任

Rus教授的工作重点是发展自治化的科学和工程,实现一项长期目标:让机器人广泛融入我们的生活,并通过认知和体力工作成为人类的好帮手。她的研究解决了机器人当前以及未来普及机器人的前景之间的部分差距。这些研究成果的应用范围广泛,包括交通、制造、农业、建筑、环境、水下探测、智能城市和医学。

Faculty Member John R. Williams

BRIAN SUBIRANA

麻省理工学院和埃森哲工业与技术融合计划Auto-ID实验室主任

Subirana的研究工作均有关于物联网和人工智能,重点关注制造业、在线学习、创意产业以及数字健康。他正在开发一套语音命名系统,可以帮助人类在物联网环境中与任何物体对话。他出版200多本著作,其中包括三本书籍。

SANJAY SARMA

麻省理工学院开放学习副校长兼机械工程学教授

Sarma教授是麻省理工学院Auto-ID中心的联合创始人,开发了目前全球使用的RFID标准EPC套件背后的多项关键技术。他曾是OATSystems的创始人兼首席技术官,OATSystems在2008年被Checkpoint Systems公司(NYSE: CKP)收购。他的研究领域包括传感器、物联网、网络安全和RFID。

证书

证书

获得认证!顺利完成本课程后,学员将获得MIT xPRO颁发的结业证书和10个继续教育积分 (CEU)。

*本课程的评分为及格或不及格;学员必须拿到75%的分数才能及格并获颁结业证书。
立即领取课程手册

您在成功完成本在线课程后,我们会将认证的数字证书通过电子邮件发送给您,其上的姓名为您报名时登记的姓名,无需任何附加费用。 所有证书图片仅作参考,麻省理工有权依照自身判断进行修改。

本课程报名环节由Emeritus负责。您可以通过info.cn@emeritus.org联系我们。
立刻申请

席位有限,抢先申请!