中国高校数据分析大赛含金量大数据挑战赛正规吗

泰迪杯数据挖掘挑战赛组委会
广东泰迪智能科技股份有限公司
人民邮电出版社有限公司

北京泰迪云智信息技术研究院

互联网、大数据、云计算、人工智能等现代信息技术深刻改变着人类的生产、生活、学习乃至思维方式,深刻展示了世界发展的前景。目前各院校的大数据和人工智能专业教师匮乏、相关落地动手实战应用能力欠缺、授课过程中相关行业实战案例项目缺失等,为加快建设大数据、人工智能相关专业教师队伍,推动各院校建立大数据人才培训体系和评价体系,特推出全国高校大数据与人工智能师资研修班。每年在全国范围内滚动开展,截止目前已在全国巡回举办50余场,参训教师近6000人次。2022年第三期全国高校大数据与人工智能师资研修将开设四大专题方向,本期研修班以线上云课堂形式举办,现将有关安排通知如下:

1、本研修班课程全程强调动手实操,内容以代码落地为主,以理论讲解为根,以公式推导为辅,通过讲解企业级案例,真正的让学员把所学内容和工作实际有效结合、更好地进行教育教学工作。

2、核心课程部分由讲师手把手一起进行实操演练,在具体应用场景中全面掌握相关技能,助力实训教学工作、实际动手的能力。视频制作精良,讲师真人出镜,全面解析专业必备技能,为相关课程开设和备课、应对科研和项目开发打下坚实基础。

3、课程设有答疑交流讨论群,培训期间助教全程辅助教学,每天提供10小时的实时在线答疑辅导,并进行答疑文档汇总,帮助学员更好地总结学习。

4、本课程配套有基础知识内容,即使零基础学员也能找到适合自己的学习内容和节奏,快速掌握课程知识和技能。

5、所有课程相关源代码、数据、PPT、案例素材全部提供下载,即学即用,教学更轻松!视频内容支持六个月内免费回看,以便复习和参考。

6、全面实践大数据/人工智能项目流程,包括数据采集、数据存储管理、数据探索、数据处理、特征工程、数据建模等课程,提供知识讲解,助力夯实理论基础,掌握核心技术。

7、参加线上课程学习的学员,如后续本人参加线下课程继续深造,持线上缴费凭证可享受一次免费学习机会(仅限参加同一培训专题方向的线下课程)。

专题一  商务数据分析实战
费用:1980元(报名费、学习费、资料费、证书费等)

课程模块:Excel数据分析基础与实战、Power BI数据分析与可视化

实战案例:广东省区采购数据分析、汽车大数据综合案例分析、新零售智能售货机可视化、学生校园卡消费行为分析

详见附件一:商务数据分析实战课程大纲

专题二  数据采集与处理实战
证书颁发:高级Python技术应用工程师 费用:1980元(报名费、学习费、资料费、证书费等)

课程模块:、、Pandas数据分析基础、Python数据可视化、Python网络爬虫实战

数据采集与处理实战:《红海行动》B站弹幕采集与分析、某品牌手机的京东评论数据采集与分析、泰迪内推平台招聘信息采集与分析

拓展自学篇:网站图像素材采集实战

详见附件二 数据采集与处理实战(Python)课程大纲

证书颁发:高级机器学习工程师 费用:1980元(报名费、学习费、资料费、证书费等)

课程模块:、、Pandas数据分析基础、Python数据可视化、Python机器学习实战

实战案例:运营商流失用户分析与预测、百货商场用户画像描绘与价值分析、天猫用户重复购买预测、泰迪内推平台信息精准推荐应用(基于泰迪建模平台实现)

详见附件三:大数据分析与机器学习实战(Python)课程大纲

专题四  智能语音实战
证书颁发:高级大数据技术应用 费用:2480元(报名费、学习费、资料费、证书费等)

课程模块:、、Python机器学习算法原理与实现、TensorFlow2实战、TensorFlow2深度学习原理及实战、语音处理实战

实战案例:语音识别中的HMM声学模型、英文数字语音识别、中文语音识别

详见附件四:  智能语音实战课程大纲

学员经在线培训并考试合格后,可以获得本期培训对应专题职业技术证书。

五、报名须知与联系方式

1、报名材料:报名申请表、身份证复印件、两寸近期正面免冠彩色半身证件照电子版(要求:白色背景底,14-20K大小的.JPG格式)。

2、本次由广东泰迪智能科技股份有限公司收取费用并开具发票。

3、本期研修班两专题及以上联报者可享受九折优惠。

附件一 商务数据分析实战课程大纲

主题内容:大数据视角下数字孪生与元宇宙的思考

主题内容:随机最优控制与人工智能

第一课 Excel数据分析基础与实战

2.2 从数据库获取数据

4.1 认识公式和函数

4.3 日期和时间函数

5.1 透视表的创建和修改

第二课 Power BI数据分析与可视化

1 数据分析与可视化概述

1.2 常用数据可视化软件

2.1 获取数据的方式

3 M语言数据建模与处理

3.1 编辑器和M语言

3.2 获取网络分页数据

4.3 对比分析图表绘制操作

4.5 结构分析可视化操作

4.7 相关分析可视化操作

4.9 描述性分析可视化操作

5.2 完整的分析报表:会员数据分析

5.3 完整分析报表的操作

6.1 移动版发布一份分析报表

1 DAX语言数据处理

1.2 DAX语言处理表间关系

第三课 实战案例:广东省区采购数据分析

2.1 数据读取、合并

2.2 数据筛选、缺失值处理、数据排序

2.3 采购渠道、时间、数据排序

3.1.1 渠道内部构成分析

3.1.2 渠道外部构成分析

3.2 行业内外部构成分析

3.3 各行业不同渠道采购额变化趋势

3.3.1 各行业不同渠道采购额随年份的变化趋势

3.3.2 各行业不同渠道采购额随月份、季度的变化趋势

第四课 实战案例:汽车大数据综合案例分析
第五课 实战案例:新零售智能售货机可视化项目

1 了解某公司自动售货机现状

1.1 分析某公司自动售货机现状、步骤与流程

2 数据获取、预处理与建模

2.1 清洗数据、规约数据、数据建模

3.1 销售分析及可视化

3.2 库存分析和可视化

3.3 用户分析和可视化

4.1 整理销售、库存和用户分析报表

第六课 实战案例:学生校园卡消费行为分析

2.1 预处理:读取数据和异常值

2.2 预处理:缺失值

2.3 预处理:重复值与合并数据

3.1 食堂消费数据分析

3.2 学生消费行为分析

高级大职业技术在线考试

附件二 数据分析与处理实战(Python)课程大纲

基础篇(报名成功后即可开始学习)

4.2 字符串的常见方法

4.3 字典的创建及索引

5.2 练习3:统计小说中的单词频次

6.2 练习4:自定义求序列偶数个数的函数

7.4 第三方库的安装与调用

8.2 模块命名及存放路径的注意事项

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.7 一维数组的索引

2.1.9 多维数组的索引

2.2.3 通用函数的广播机制

2.3.3 利用NumPy对数据进行简单统计分析

主题内容:大数据视角下数字孪生与元宇宙的思考

主题内容:随机最优控制与人工智能

第一课 Pandas数据分析基础

1.2 读写不同数据源的数据

1.3 数据框与数据框元素

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间序列数据

1.4.1 转换成时间类型数据

1.4.2 时间类型数据的常用操作

1.5 使用分组聚合进行组内计算

1.6 创建透视表与交叉表

2 使用Pandas进行数据预处理

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.4.2 离散化连续型数据

第二课 Python数据可视化

1.2 添加文本和修改绘图风格

1.6 直方图和条形图

1.9 人口特征间分布

1.10 人口各个特征分布

第三课 Python网络爬虫实战

1 Python爬虫环境与爬虫简介

1.1.1 常见网上冲浪过程

2.1 认识网络信息传输过程

2.1.2 网络信息传输过程

3.3.1 为什么要解析网页

3.4.2 任务演练:爬取并存储泰迪科技官网首页数据

4.2 逆向分析爬取动态网页

4.2.1 通过网页源码追踪目标数据文件地址

4.2.2 通过开发者工具追踪目标数据文件地址

4.2.3 爬取数据并进行保存

5.1 使用表单登录方法实现模拟登录

5.1.1 模拟登录的过程

5.1.2 查找提交入口和表单数据

5.1.3 提交表单完成模拟登录

5.1.4 使用表单登录的注意事项

5.2 使用Cookie登录方法实现模拟登录

6.2.4 运行程序保存数据

6.3.1 任务介绍及项目创建

6.3.3 获取每个页面的新闻二次页面url

6.3.4 提取各新闻二次页面中的目标数据

6.3.5 运行程序保存数据

7 拓展:终端协议及爬取工具介绍

第四课 数据采集与处理实战:《红海行动》B站弹幕采集与分析

2.1 定位弹幕数据文件的位置

2.3 解析及保存弹幕数据

2.4 弹幕数据采集小结

3.1 对弹幕内容进行分词

3.5 处理弹幕发送时间数据

3.6 弹幕发布数量分布图

3.7 弹幕发布数量随日期变化图

3.9 从弹幕数量变化看影片情节特点

第五课 数据采集与处理实战:某品牌手机的京东评论数据采集与分析

1 项目背景与挖掘目标

2.1 通过谷歌开发者工具获取URL

2.3 提取信息并保存到本地

2.4 循环采集数据:保存数据

2.5 循环采集数据:自定义函数

3.2 数据预处理实现

4.1 评论数据词云绘制

4.2 好评、差评词云绘制与分析

4.3 不同颜色商品购买比例分析

4.4 不同配置商品购买比例分析

4.5 销售数量和评论数量和日期的关系

4.6 销售数量和评论数量和时间的关系

4.7 购买与评论时间间隔统计分析

4.8 不同渠道的销售比例

第六课 数据采集与处理实战:泰迪内推平台招聘信息采集与分析

2.1 网页结构探索分析

拓展自学篇:网站图像素材采集实战

3 获取一个页面所有图片网址

6 PDF文件规律及问题

7 PDF翻页刷新的网址规律

8 获取当前页所有图片网址

9 翻页刷新爬取所有图片

10 图片拼接成PDF文件


高级Python技术应用工程师职业技术在线考试

附件三  大数据分析与机器学习实战(Python)课程大纲

基础篇(报名成功后即可开始学习)

4.2 字符串的常见方法

4.3 字典的创建及索引

5.2 练习3:统计小说中的单词频次

6.2 练习4:自定义求序列偶数个数的函数

7.4 第三方库的安装与调用

8.2 模块命名及存放路径的注意事项

2.1.2 数组创建及基础属性

2.1.3 初始数组的特点

2.1.7 一维数组的索引

2.1.9 多维数组的索引

2.2.3 通用函数的广播机制

2.3.3 利用NumPy对数据进行简单统计分析

主题内容:大数据视角下数字孪生与元宇宙的思考

主题内容:随机最优控制与人工智能

第一课 Pandas数据分析基础

1.2 读写不同数据源的数据

1.3 数据框与数据框元素

1.3.2 查看数据框的常用属性

1.3.3 按行列顺序访问数据框中的元素

1.3.4 按行列名称访问数据框中的元素

1.3.5 修改数据框中的元素

1.3.6 删除数据框中的元素

1.3.7 描述分析数据框中的元素

1.4 转换与处理时间类型数据

1.4.1 转换成时间类型数据

1.4.2 时间爱类型数据的常用操作

1.5 使用分组聚合进行组内计算

1.6 创建透视表与交叉表

2 使用Pandas进行数据预处理

2.2.1 检测与处理重复值

2.2.2 检测与处理缺失值

2.2.3 检测与处理异常值

2.4.2 离散化连续型数据

1.2 添加文本和修改绘图风格

1.6 直方图和条形图

1.9 人口特征间分布

1.10 人口各个特征分布

第三课 Python机器学习实战

2.1 经验误差与过拟合

3.1 线性回归基本形式

3.5 研究生入学录取预测的Python实现

4.1 从女性相亲到决策树

4.2 明天适合打球吗?

4.3 决策树拆分属性选择

4.4 决策树算法家族

4.5 泰坦尼克号生还者预测-数据预处理

4.6 泰坦尼克号生还者预测-模型构建与预测

5.1 单个神经元介绍

5.2 经典网络结构介绍

5.3 神经网络工作流程演示

5.4 如何修正网络参数-梯度下降法

5.5 网络工作原理推导

5.7 样本从输入层到隐层传输的Python实现

5.11 网络性能评价

6.2 KNN算法解决鸢尾花分类问题

7.1 非洲人还是北美人

7.2 为什么有“朴素”二字

7.4 用高斯朴素贝叶斯算法解决鸢尾花分类问题

8.4 利用K-Means算法对鸢尾花进行聚类

8.5 聚类结果的性能度量

9.1 集成学习基本概念

第四课 实战案例:运营商流失用户分析与预测

2.2 数据去重及删除无关属性

2.3 用户分组及标签构建

2.4 提取用户基本信息和在网时长

2.5 处理合约是否有效

2.6 处理合约计划到期时间

2.8 特征拼接及缺失值处理

3.2 皮尔逊特征选择

3.3 处理样本类别不均衡问题

4.1 模型性能评估介绍

4.2 模型构建及性能评估

第五课 实战案例:百货商场用户画像描绘与价值分析

1.1 背景与分析目标

2.1 会员信息表处理

2.2 销售流水表处理

3.2 不同年龄的消费能力

3.3 不同性别的消费情况

3.4 会员和非会员消费情况

3.5 商场会员年消费趋势

3.6 不同月份的消费趋势

3.7 每年每月的消费金额趋势

3.8 不同时刻的消费情况

4.2 会员基本信息标签

4.3 会员消费特征标签

4.4 会员商品偏好标签

第六课 综合实战:天猫用户重复购买预测

1.1 背景与挖掘目标

2.2 缺失值处理和数据去重

3.3.1 用户相关特征:用户在平台的总交互次数

3.3.2 用户相关特征:用户最近一次购买距离第一次的时长

3.4.1 商家相关特征:商家被交互的数量

3.4.2 商家相关特征:商家的复购次数

3.5.1 用户和商家相关特征:用户在商家的交互次数

3.5.2 用户和商家相关特征:不同用户在不同商家购买率

3.6 离散型特征处理

4.1 建模前的数据处理

4.3 模型训练和评估

第七课 泰迪内推平台信息精准推荐应用(基于泰迪建模平台实现)
高级机器学习工程师职业技术在线考试

附件四 智能语音实战课程大纲

基础篇(报名成功后即可开始学习)

4.2 字符串的常见方法

4.3 字典的创建及索引

5.2 练习3:统计小说中的单词频次

6.2 练习4:自定义求序列偶数个数的函数

7.4 第三方库的安装与调用

8.2 模块命名及存放路径的注意事项

2.1.2 数组创建及基础属性

2.1.3 初识数组的特点

2.1.7 一维数组的索引

2.1.9 多维数组的索引

2.2.3 通用函数的广播机制

2.3.3 利用NumPy对数据进行简单统计分析

3.1 掌握绘图基础语法与常用参数

3.2 分析特征间关系

3.2.2 散点图参数设置

3.3 分析特征内部数据分布与分散情况

主题内容:大数据视角下数字孪生与元宇宙的思考

主题内容:随机最优控制与人工智能

主题内容:计算机视觉技术及其应用

第一课 Python机器学习算法原理与实现

2.1 经验误差与过拟合

3.1 线性回归基本形式

3.5 研究生入学录取预测的Python实现

4.4 利用K-Means算法对鸢尾花进行聚类

4.5 聚类结果的性能度量

1 任务1:构建一个线性模型

1.5 模型训练及可视化

2 任务2:MNIST手写数字识别

2.1 数据读取及探索

2.3 模型构建及训练

2.4 调用保存好的模型对新样本进行预测

1.1 深度神经网络-引言

2 卷积神经网络CNN

2.1 浅层神经网络的局限

2.3 卷积操作的优势

3 循环神经网络RNN

3.1 循环神经网络简介

3.2 循环神经网络的常见结构

4 长短时记忆网络LSTM

1.1 语音识别的概念和应用场景

1.2 语音识别的发展与挑战

1.3 语音识别的通用流程

2.9 语音信号波形图

2.10 语音信号频域图

2.11 语音信号频谱图

3 信号处理与特征提取

4 常用的语音识别算法介绍

4.5 端到端的语音识别系统

第五课 实战案例:语音识别中的HMM声学模型

1 案例背景与挖掘目标

2.1 语音特征和数据获取

第六课 实战案例:英文数字语言识别

1 案例背景和挖掘目标

2.6 标准化和数据保存

2.7 数据预处理总结

3.6 课后拓展:模型应用

第七课 实战案例:中文语言识别

1 案例背景及挖掘目标

2.3 语音数据特征提取

2.4 标签数据向量化

5 模型评估与调用测试

高级大数据技术应用职业技术在线考试

第1届全国高校大数据教学研讨会(BDTS2017)

大会时间:2017年5月13日(周六)上午9点到下午6点

大会地点:厦门大学科艺中心音乐厅(5月13日全天)

注册报到地点:闽南大酒店(5月12日全天注册)

教育部高等学校计算机类专业教学指导委员会

热烈庆祝大会圆满落下帷幕!



(图 厦门大学林子雨助理教授主持大会)

(图 厦门大学谭绍滨校长助理在开幕式上致辞)

国家十三五规划纲要明确提出“实施国家大数据战略,推进数据资源开放共享”,为我国在大数据领域的未来发展绘制了宏伟的蓝图,开启了我国大数据发展的新时代。推动大数据发展离不开大数据相关人才的支撑,当前大数据发展最大的瓶颈在于大数据人才的紧缺。国内高校承担着为国家培养大数据人才的重任,尽快形成成熟完善的培养方案、课程体系、系列教材、课程师资和实训平台等,是各大高校共同关注的热点问题。为了进一步推动大数据专业人才培养和课程体系建设,第1届全国高校大数据教学研讨会将于2017年5月12日(周五)至13日(周六)在厦门大学举办,本次研讨会由教育部高等学校计算机类专业教学指导委员会主办,厦门大学、厦门理工学院、贵州师范大学、人民邮电出版社承办。特邀请各高等学校选派大数据教学负责人和骨干任课教师参加本次研讨会。

会议全称:第1届全国高校大数据教学研讨会

英文字母B和D代表BigData (大数据),造型是鼓起的风帆,代表乘风破浪,加快发展。下面的船体是书本造型,象征教学。圆圈内的蓝色背景,象征大数据的海洋,三片绿色,代表第三次信息化浪潮的三朵浪花(物联网、云计算和大数据),绿色代表新生力量,茁壮成长。

注册报到:2017年5月12日(周五)全天,在“闽南大酒店”注册报到。

研讨会:2017年5月13日(周六)上午9点到下午6点,厦门大学科艺中心音乐厅

(图中的湖边建筑是厦门大学科艺中心,大会会场)

(图为大会会场 厦门大学科艺中心)

主办单位:教育部高等学校计算机类专业教学指导委员会
承办单位:厦门大学、厦门理工学院、贵州师范大学、人民邮电出版社
协办单位:科技谷(厦门)信息技术有限公司、福建中锐网络股份有限公司、南京中新赛克科技有限责任公司、北京西普阳光教育科技股份有限公司、厦门大学信息科学与技术学院研究生会

  • 大数据人才市场需求分析;
  • 大数据技术专业申报经验分享;
  • 大数据技术专业学科建设和课程体系建设;
  • 数据挖掘课程教学资源和经验分享;
  • 数据可视化课程教学资源和经验分享;
  • 数据科学课程教学资源和经验分享;
  • 大数据技术原理与应用课程资源和经验分享;
  • Spark课程资源和经验分享;
  • 大数据人才评价标准与体系;
  • 大数据系列教材研发计划;
  • 大数据教学和科研案例等资源建设方案;
  • 校企合作大数据人才培养。

 (六)报告嘉宾

北京大学研究员、北京大学信息科学技术学院博士生导师  袁晓如 研究员

中国科学院研究员、中国科学院  朱廷劭 博士

华东师范大学数据科学与工程学院教授、海量计算研究所副所长、上海市高可信计算重点实验室副主任   钱卫宁 教授

贵州师范大学大数据与计算机科学学院院长  苏明 教授

同济大学计算机科学与技术系副教授、中国计算机学会教育工作委员会委员  王伟 副教授

科技谷CEO、厦门大学客座教授、中国大数据产业生态联盟专家委员会专家委员  陈思恩 博士

中国计算机学会数据库专业委员会委员、南京中新赛克科技有限责任公司  卢云川 副总裁

中国计算机学会(CCF)理事、西普教育联合创始人  林雪纲 博士

福建中锐网络股份有限公司   大数据产品总监  林明静

厦门大学计算机系助理教授、中国高校大数据课程公共服务平台负责人  林子雨 助理教授

主持人:厦门大学 林子雨 助理教授
厦门大学 谭绍滨 校长助理 致辞
人民邮电出版社教育中心营销部副主任 肖稳 先生 致辞
袁晓如 研究员 / 北京大学

《数据可视化与可视分析》

朱廷劭 博士/研究员 中科院

《行为大数据挖掘及其在心理学的应用》

钱卫宁 教授 / 华东师范大学

《数据科学与工程专业课程体系建设:探索与思考》

王伟 副教授 同济大学

《如何建设大数据与数据科学通识实践类课程》

苏明 教授 / 贵州师范大学

《数据科学与大数据技术专业申报经验和建设思路分享》

林明静 副总经理 / 中锐网络

《DT时代的高校大数据专业建设思考》

卢云川 副总裁 / 中新赛克

《高校大数据发展的困境及建议》

林雪纲 常务副总经理/西普教育

《产教融合高校大数据专业建设与人才培养思考》

林子雨 助理教授 / 厦门大学

《高校大数据课程资源建设和教学经验分享》

主持人:朱顺痣 教授 厦门理工学院计算机与信息工程学院院长
嘉宾:袁晓如、朱廷劭、苏明、钱卫宁、王伟、林子雨

特邀嘉宾与报告内容简介

研讨会邀请了国内高校大数据教学领域具有丰富理论和实践经验的知名教师,与大家分享大数据专业建设思路和大数据教学经验、方法,并邀请业界专家分享面向高校的大数据教学实验方案和平台。

特邀报告嘉宾:袁晓如  研究员(北京大学)

袁晓如 研究员(北京大学)

报告题目:数据可视化与可视分析 报告摘要:在大数据时代,拥有大量的数据并不等于获得相应价值。和其他分析手段不同,可视化和可视分析利用人类视觉感知的高通量特点,通过图形和交互的形式表现信息的内在规律及其传递、表达的过程,充分结合人的智能和机器的计算分析能力,将人的因素积极引入分析过程是人们理解复杂现象,诠释复杂数据的重要手段和途径。在数据数量越来越大,内容越来越复杂的情况下,可视化的数据交互将成为关键的技术和工具。报告中将结合自2008年来在北京大学开设的可视化课程与全国可视化暑期学校的实践,讨论可视化与可视分析的最新发展以及在教学研究中面临的主要任务和挑战 嘉宾简介:袁晓如,北京大学信息科学与技术学院研究员,博士生导师。现任信息科学中心副主任,北京大学学科研究部副部长。2006年博士毕业于美国明尼苏达大学计算机科学系,长期专注于可视化与可视分析的研究,针对数据挑战,从理论、方法、应用系统实现多方面开展可视化与可视分析研究。在IEEE VIS, IEEE TVCG, EuroVis, CG&A客座编辑。中国计算机学会(CCF)杰出会员,杰出讲者,大数据专家委员会委员。

特邀报告嘉宾:朱廷劭 博士/研究员(中科院)

朱廷劭 博士/研究员(中科院)

报告题目:行为大数据挖掘及其在心理学的应用

互联网时代的到来,尤其是在线社交网络的普及,将普通人的日常行为以空前的规模和精细程度记录到电子环境中,形成了网络行为大数据,为个性心理研究提供了前所未有的机遇。我们对反映个性特征的社交网络文本开展词汇学研究,运用数据挖掘构建利用社交网络行为预测用户个性心理特征的计算模型,并开始尝试将模型预测作为测量手段运用于个性心理学研究。这些初步工作,为网络技术支持下个性心理研究的纵深化、精细化发展做了铺垫,并开始显露出巨大的应用潜力。

嘉宾简介朱廷劭,男,1971年生。研究员,博士生导师,分别于1999年中国科学院计算技术研究所和2005年加拿大Alberta大学获博士学位。朱廷劭及其团队开展心理与行为科学大数据的交叉研究,构建了完善的行为和内容特征体系,建立了针对线上线下行为数据的机器学习预测模型,实现了对用户心理特征的及时有效的识别,为心理学研究提供了新的思路。先后主持承担国家自然科学基金委面上项目、科技部973和863、中科院A类先导专项等多项研究课题,发表论文60余篇。

特邀报告嘉宾:苏明(贵州师范大学)

苏明 教授/院长(贵州师范大学)

报告题目:数据科学与大数据技术专业申报的体会

报告摘要:为适应国家大数据战略实施的需要,数据科学与大数据技术专业已经成为各高校新一轮的建设热点,本报告中,将分析数据科学与大数据技术专业获批情况,针对普通高等学校本科专业设置申请表的编写要点进行分享。

嘉宾简介苏明,男,1962年出生,博士/教授,现为贵州师范大学大数据与计算机科学学院院长。贵州省管专家、贵州省政府津贴专家,贵州省自动化学会常务理事,贵州省机械工程学会常务理事、数字仿真与自动化分会理事长,贵州省装备制造业协会副秘书长,贵州省大数据标准化技术委员会委员,贵州省电子信息标准化委员会副主任委员。获得贵州省科技进步二等奖1次、三等奖4次,获得发明专利6件,发表学术论文30余篇。

特邀报告嘉宾:钱卫宁(华东师范大学)

钱卫宁 教授(华东师范大学)

报告题目:数据科学与工程专业课程体系建设:探索与思考 报告摘要:在国家推动“互联网+”行动计划并将“大数据”上升为国家战略的大背景下,培养具有创新精神,具备数据科学思维,具备实施数据管理和分析、应用的专门技术能力的人才,为信息技术、金融、电信、能源、电力、安全、互联网等技术和应用领域输送专业技术人才,为数据科学与工程相关领域的研究输送具备扎实理论知识基础和较强动手实践能力的研究生,已是高校信息技术和计算机技术相关学科和专业建设的重要任务。我们从三年前开始讨论和准备,以让学生具备成为“系统架构师”和“数据科学家”所需的基础理论和专门知识为目标,尝试梳理和综合计算机、统计、图书情报等相关专业的教学内容,建设数据科学与工程专业。报告将分享课程体系建设中所开展的工作以及对数据科学与工程专业发展的思考。
嘉宾简介:钱卫宁,男,1976年出生,现任华东师范大学数据科学与工程学院教授,上海市高可信计算重点实验室副主任。分别于1998年、2001年、2004年在复旦大学获得计算机科学与技术学士、硕士与博士学位(理学)。担任了中国计算机学会数据库专业委员会常务委员,他是ACM SIGMOD会员,IEEE会员,SIGMOD China Chapter委员。曾主持多项国家科研计划课题,包括1项国家“核高基”重大研究计划项目课题、1项国家自然科学基金重点项目,以及5项国家自然科学基金面上和青年项目。曾担任了IDA Journal的编委委员(),WISE 14挑战赛共同主席(Challenge Co-Chair),以及KDD 2013、ICDE Journal和软件学报、计算机研究与发展等学术期刊的审稿人(reviewer)。参与翻译了《海量数据分析前沿》和《Hadoop权威指南》(第2版和第3版)。在国际和国内重要学术会议和学术期刊,包括SIGMOD、ICDE、WWW、SDM、CIKM、CCGrid、DASFAA、KAIS、WWWJ、FCS、JCST等,发表了50多篇高质量的学术论文。入选了2012年度教育部“新世纪优秀人才支持计划”,曾入选2004年度上海市“青年科技启明星”计划。研究兴趣为面向互联网应用的数据管理系统、可扩展事务处理,以及海量数据管理与分析。

特邀报告嘉宾:王伟(同济大学)

王伟  副教授(同济大学)

报告题目:如何建设大数据与数据科学通识实践类课程
报告摘要:大数据和数据科学已经成为一门专门的学科,越来越多的高等院校已经开始建设自己的大数据和数据科学教研平台。本报告结合实际的教学经验,探讨如何将大数据和数据科学作为一门通识实践课进行教学,包括:数据科学和通识博雅理念的结合、课程体系和授课内容、微信公众号教学平台的建设、大数据和数据科学实训平台的建设经验、以及相关案例分享等。期望能够带给大家一点启发,推动和促进我国大数据和数据科学的教育改革。

嘉宾简介:王伟,毕业于同济大学计算机科学与技术系,获博士学位,现为同济大学计算机科学与技术系副教授,硕士生导师,CCF高级会员,CCF教育工作委员会委员、CCF体系结构专委会委员、CCF形式化方法专业组委员、上海计算机学会体系结构专委会委员、上海计算机学会理论计算机专委会委员。美国Wisconsin大学Madison分校作高级访问学者,美国Florida大学作CSC访问学者。研究方向为分布式并行计算、云计算和大数据处理。

特邀报告嘉宾:陈思恩(科技谷CEO)

陈思恩 博士(科技谷CEO,厦门大学客座教授)

报告题目:构建大数据人才培养和大数据实践平台的生态系统
报告摘要
:随着大数据技术的快速发展,大数据应用在大众生活和工作中起着越来越大的作用,大数据技术正在从少为人知的技术主题转变成了更多人使用的管理工具,其大数据人才需求在不断增加。作为专业从事大数据研究与开发应用的企业,科技谷(厦门)信息技术有限公司依托其厦门大数据研发与教育中心,意将企业中的大数据技术、成功案例及行业的先进以课程的方式推进给高校,提供大数据实训基地,促进高校人才培养。同时,科技谷通过建立实验平台和科研平台,并紧密结合高校和科研机构,意与高校进行大数据理论研究投入生产应用,成为校企合作的重要纽带,建成集人才培养、技术开发、平台对接和成果转化的大数据生态系统。

嘉宾简介:陈思恩,男,厦门大学软件工程硕士、管理学博士、统计学博士后,厦门大学客座教授、清华大数据产业联合会会员、四川省重点实验室(西南财经大学金融智能与金融工程)任特聘研究员、微软认证讲师(MCT)、福建工程学院云计算工程技术中心客座研究员、厦门信息产业和信息化研究院特聘研究员及产业咨询委员会委员、中国大数据产业生态联盟专家委员会专家委员、中国云体系产业创新战略联盟理事会常务理事、广东省大数据创新联盟专委会成员、厦门信息产业与信息化研究院专委会委员。2013年创立科技谷(厦门)信息技术有限公司,担任总裁兼首席执行官,2014年入选厦门市第六批“双百计划”大数据领军型创业人才,2016年中国软件大会上被评为2016中国大数据产业“十大领军人物”。

特邀报告嘉宾:卢云川(南京中新赛克公司副总裁)

卢云川 副总裁(南京中新赛克公司)

报告题目:高校大数据发展的困境及建议

嘉宾简介:卢云川,浙江大学学士,清华大学硕士,中国计算机学会数据库专业委员会委员,2000年硕士毕业后加入中兴通信,历任中兴通讯核心网事业部研发经理、项目经理、产品线总工,参与主持GSM、WCDMA、IMS核心网的研发及市场推广工作。2013年加入中新赛克,担任公司研发副总,负责公司战略产品规划、研发、市场推广,特别是大数据产品的规划及市场推广工作。

特邀报告嘉宾:林雪纲(西普教育常务副总经理)

林雪纲 常务副总经理(西普教育)

报告题目:产教融合高校大数据专业建设与人才培养思考

报告摘要:大数据产业链的人才需求推动了高校大数据专业建设,而成熟完善的大数据人才培养方案、课程体系、教学师资、教学资源及实践环境等, 成为各大高校共同关注的热点问题。西普教育一直致力于大数据实验教学产品、大数据硕士专业共建、大数据混合云教育平台等大数据专业建设的摸索,经过多年的探索实践,打造出了产教融合的创新大数据教育解决方案,与院校深度融合,协同育人,将企业的创新思维、创新动能及创新经验融入到整个产学研合作的新模态中。报告将分享有关产教融合大数据专业建设实践的相关经验及未来发展的思考。

嘉宾简介:林雪纲,浙江大学博士,中国计算机学会(CCF)理事、工程教育认证专家,多所高校聘任企业导师。10余年高校IT教育行业及高校教育产品规划经验,组织团队设计开发出数十款高校实验实训产品,获得数十项知识产权和相关政府项目基金支持,成果广泛应用于数百所高校。

特邀报告嘉宾:林明静(中锐网络副总经理)

林明静 副总经理(中锐网络)

报告题目:DT时代下的高校大数据专业建设思考

报告摘要:在DT时代,在本科、高职院校均开设了大数据相关专业,目前高校在开展专业建设过程中有较多的障碍,如何通过校企协同合作快速、高效的建设大数据专业,本报告将通过中锐网络与院校合作过程中的课程体系建设、实训室建设、人才实训等相关内容给大家分享大数据专业建设的经验,期望能够给大家带来关于大数据专业建设的帮助。

嘉宾简介:林明静,男,1982年出生,毕业于福州大学,现任福建中锐网络股份有限公司副总经理兼大数据产品总监,中锐网络“百校IT人才发展计划”项目创始人之一,同时在项目开展过程中作为企业导师参与到合作院校的课程体系建设,专注于基础教学和实验室教学护航服务。曾担任过技术总监、产品研发总监等相关职务。

特邀报告嘉宾:林子雨(厦门大学)

林子雨   助理教授(厦门大学)

报告题目:高校大数据课程资源建设和教学经验分享

报告摘要:为了加快中国高校大数据课程体系建设,促进中国高校大数据教学水平不断提升,迫切需要加快高校大数据课程资源建设,从而获得中国高校大数据教学事业的长足发展。在本报告中,讲者将以自己在厦门大学主讲本科生课程《大数据技术原理与应用》和研究生课程《大数据处理技术Spark》的实践经验为基础,结合自己编著的《大数据技术原理与应用》和《Spark入门教程》教材,与参会者分享讲者在大数据课程资源建设方面的丰富成果和相关教学经验。
嘉宾简介:,男,1978年出生,博士(毕业于北京大学),现为厦门大学计算机科学系助理教授,海峡云计算与大数据应用研究中心副主任,厦门大学数据库实验室负责人,厦门大学云计算与大数据研究中心主要建设者和骨干成员,中国计算机学会数据库专业委员会委员,中国计算机学会信息系统专业委员会委员。曾任厦门大学信息科学与技术学院院长助理、晋江市发展和改革局副局长。中国高校首个“数字教师”提出者和建设者,2009年至今,“数字教师”大平台累计向网络免费发布超过100万字高价值的研究和教学资料,累计网络访问量超过100万次。编著出版了中国高校第一本系统介绍大数据知识的专业教材《大数据技术原理与应用》,成为国内众多高校开课教材,并成为京东、当当网等网店畅销书籍。建设了国内高校首个大数据课程公共服务平台,为教师教学和学生学习大数据课程提供全方位、一站式服务,成为国内高校大数据教学知名品牌,平台每年访问量超过100万次;建设了国内高校首个大数据课程教师培训交流基地,为全国高校培养大数据课程师资力量,截至目前已经顺利完成4期培训,总计有来自全国70多所高校的100余位教师参加了培训交流。主持1项2016年度福建省教改课题和1项2016年度教育部产学合作育人项目。荣获“2016年度中国大数据创新百人”称号。主讲的《大数据技术原理与应用》在线课程自2016年3月在网易云课堂上线以来,一直稳居大数据类课程排行榜首位,学习人数超过2万5千人,99%网友给予最高五星级评价,被众多网友称为“国内难得的经典课程”;承办了NDBC2016全国高校大数据教学论坛,邀请高校大数据教学权威专家和知名教师做报告,吸引了来自全国各地高校的200余位教师参加会议。主要研究方向为数据库、数据仓库、数据挖掘、大数据、云计算和物联网,并以第一作者身份在《软件学报》《计算机学报》和《计算机研究与发展》等国家重点期刊以及国际学术会议上发表多篇学术论文。作为项目负责人主持的科研项目包括1项国家自然科学青年基金项目(

 温馨提示:由于会务费980元是直接交给“厦门大学”学校财务处账户,会务组需要在5月1日到10日之间到厦门大学财务处核对汇款信息,提前找厦大财务处开具发票,因此,5月6日之前已经完成注册交费的参会代表,可以在5月12日注册现场拿到注册费发票。5月6日以后报名的参会代表,无法在注册当天拿到注册费发票,会务组会在会议结束后统一邮寄发票。

报到地点:会务组5月12日(周五)全天在闽南大酒店设置报到处,迎接各位参会老师注册报到。

会议地点:厦门大学科艺中心音乐厅,会务组5月13日(周六)早晨7点30分统一安排班车把参会老师从闽南大酒店接到厦门大学会场。

本部分内容包括:(一)住宿指南;(二)交通指南。

温馨提示:会务组不负责宾馆预定(因为每位老师对住宿费标准和房型要求不同),请参会老师直接与闽南大酒店联系预定房间。参会者可以选择自己预订厦门的任何一家宾馆(没有班车接送到厦门大学会场,需要自行前往会场),或者也可以选择入住会务组统一安排的闽南大酒店(会务组有统一安排班车从闽南大酒店接送到厦门大学会场)。如果需要入住会务组统一安排的闽南大酒店,请参会老师自行和闽南大酒店客户经理刘一民电话联系提前预定房间(预定时请告知闽南大酒店是参加厦门大学举办的第1届全国高校大数据教学研讨会)。闽南大酒店宾馆房间数量有限,请参会老师提前预定,闽南大酒店为本次会议提供优惠价格。

宾馆地址:厦门市湖滨南路一里26-34号

苏明 院长 贵州师范大学大数据学院

夏小云老师  厦门大学数据库实验室

王琰老师 厦门理工学院

本届研讨会相关事务请联系:

夏小云老师  厦门大学数据库实验室

我要回帖

更多关于 中国高校数据分析大赛含金量 的文章

 

随机推荐